嗯，标题党了。此文所讲的找工作，不是一般通过浏览招聘网站找工作。此文所讲的找工作，是通过爬虫以及数据分析，自动精确匹配工作机会。如果还是传统的浏览招聘网页，确实有点不够优雅。如果你观望工作，可以做成推送，这样就不会与你理想的工作失之交臂，而且悄无声息。

本文以拉勾网为例，爬取一线城市软件测试工作机会的数据。

通过 chrome 浏览器工具，我们可以发现，拉勾网页的数据，可以通过 json 获取到。

发个请求就可以获取，都不需要用爬虫框架。

import requests
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

url = 'http://www.lagou.com/jobs/positionAjax.json?city={}&yx={}&needAddtionalResult=false'
cities = ['北京', '上海', '广州', '深圳']
salaries = ['2k-5k', '5k-10k', '10k-15k', '15k-25k', '25k-50k']

def get_page(url, page_num, keyword):      
    if page_num == 1:
        boo = 'true'
    else:
        boo = 'false'

    page_data = {
        'first': boo,
        'pn': page_num,
        'kd': keyword
    }
    page = requests.post(url,page_data)
    return page.json()

执行起来就是这样的：

于是得到了一现城市软件测试岗分布的 Dataframe.
统计行，用图例展现出来，就得到了总数分布图，如下：

从图中可以看出：
帝都机会最多，遥遥领先。
广州最弱，差不多是深圳的一半。
上海深圳相差不大。

把这个 Dataframe 用图表展现出来，就得到了薪水分布图。

此图可以看出：
帝都对中高端测试人员需求较多，分布均匀。
其他城市对 5-10K 的人员需求较多，薪水越越往上，职位数量呈剧烈直线下降趋势。

由此可以看出，就软件测试行业来看：帝都工作岗位，无论是数量上，还是质量上，都完胜其它城市。

我们都希望自己的工作，钱多，事少，离家近。
事情多少不太好说。但是其他两项，可以统计分析。

我们对上海，15-25K 这个区间段为例进行具体分析：
取一些自己感兴趣的 tag 来爬取数据。

number = count_frame.loc[cities[1], salaries[3]]
page_number = int(number / 15)
tags = ['companyFullName', 'companyLabelList', 'companySize', 'district', 'financeStage', 'industryField',
                 'positionAdvantage', 'positionLables', 'positionName', 'workYear']

for page_index in range(1, page_number):
    page = get_page(url.format(cities[1], salaries[3]), page_index, keyword)
    page_result = page['content']['positionResult']['result']
    jobs = (page_result[index][tag] for index in range(0, 15) for tag in tags)
    job_list = list(jobs)

爬出来的数据，保存到 excel 中,得到一个如下的图表。

首先对公司福利进行统计，为了直观，做了个图。

多数公司强调提供发展平台，空间。
也用弹性，氛围来吸引人才。

读取这个 excel, 通过 dataframe 来 filter 关键字，就能精确匹配到你期望的工作。

当然，打铁还需自身硬。 期望的工作定位到了，你还得有匹配工作的实力。

加上定时功能，每天就可以定时给你推送了。

注意，现在的网站反爬能力也越来越强。可能一不小心就会是这样。

具体如何应对，下回再说。

此方法可以适用其它工作岗位。

最后套用葛大爷的一句话：“我们吃着火锅，唱着歌。” 就把工作给定位到了，美哉妙哉。