python实战：如何用爬虫修改发布的招聘内容

在发布信息后，很多人都觉得这件事做完了。那么有没有细心地小伙伴想过上面的发布时间是否正确呢？相信大多时候我们和求职者都会正价注重岗位内容的本身。殊不知，一些细节可能会导致信息交流的不对等。今天小编就发布招聘中的时间和薪水的问题，用Python爬虫的相关知识教大家修改吧。

1. 校正发布日期

"time" : "发布于03月31日",
"time" : "发布于昨天",
"time" : "发布于11:31",

这里拿到的都是这种格式的，所以简单处理下

import datetime
 
from pymongo import MongoClient
 
db = MongoClient('127.0.0.1', 27017).iApp
 
def update(data):
    return db.jobs_php.update_one({"_id": data['_id']}, {"$set": data})
    
# 把时间校正过来
def clear_time():
    items = db.jobs_php.find({})
    for item in items:
        if not item['time'].find('布于'):
            continue
        item['time'] = item['time'].replace("发布于", "2017-")
        item['time'] = item['time'].replace("月", "-")
        item['time'] = item['time'].replace("日", "")
        if item['time'].find("昨天") > 0:
            item['time'] = str(datetime.date.today() - datetime.timedelta(days=1))
        elif item['time'].find(":") > 0:
            item['time'] = str(datetime.date.today())
        update(item)
print('ok')

2.校正薪水以数字保存

"salary" : "5K-12K",
 
#处理成下面的格式
"salary" : {
    "low" : 5000,
    "high" : 12000,
    "avg" : 8500.0
},
# 薪水处理成数字，符合 xk-yk 的数据处理，不符合的跳过
def clear_salary():
    items = db.jobs_lagou_php.find({})
    for item in items:
        if type(item['salary']) == type({}):
            continue
        salary_list = item['salary'].lower().replace("k", "000").split("-")
        if len(salary_list) != 2:
            print(salary_list)
            continue
        try:
            salary_list = [int(x) for x in salary_list]
        except:
            print(salary_list)
            continue
        item['salary'] = {
            'low': salary_list[0],
            'high': salary_list[1],
            'avg': (salary_list[0] + salary_list[1]) / 2
        }
        update(item)
print('ok')

这里在处理 Boss直聘的数据时，比较简单正常，但是后续抓到拉勾网的数据，拉勾网的数据有些不太规范。比如有‘20k以上’这种描述

学会本篇的修改招聘时间和薪水的小伙伴，可以试试修改，当然也可以举一反三用于类似发布信息的改动上，小编相信大家都可以发散思维，用于更多的实际使用中。更多Python学习推荐:PyThon学习网教学中心。