招聘好幫手：用“蜂巢數(shù)據(jù)”篩選簡(jiǎn)歷

2016-03-21 03:51非貓

辦公自動(dòng)化 2016年3期

關(guān)鍵詞：腳本蜂巢網(wǎng)頁(yè)

非　貓

非貓

Recruitment a Good Assistant: Use "Honeycomb Data" to Screen Resumes

Fei Mao

想要招到好員工，篩選簡(jiǎn)歷是第一關(guān)，而且是一件枯燥的任務(wù)。本文教大家用蜂巢數(shù)據(jù)這款軟件來(lái)自動(dòng)化篩選簡(jiǎn)歷。

一、前言

我是一家IT公司的項(xiàng)目經(jīng)理，最近公司準(zhǔn)備啟動(dòng)一個(gè)新項(xiàng)目，我負(fù)責(zé)技術(shù)團(tuán)隊(duì)的搭建。

招聘絕對(duì)是一件很耗體力的事，我這里主要指通過(guò)網(wǎng)上招聘渠道招人。每天要在茫茫的簡(jiǎn)歷堆里挑選出符合公司用人要求的簡(jiǎn)歷，有時(shí)候看了數(shù)十個(gè)也沒(méi)一個(gè)合適的，有時(shí)候前兩天剛看過(guò)的簡(jiǎn)歷今天又看了一遍，相當(dāng)考驗(yàn)人的耐心。

這是一種機(jī)械又枯燥的勞動(dòng)，應(yīng)該交給機(jī)器來(lái)做，至少應(yīng)該讓機(jī)器把大部分無(wú)用的數(shù)據(jù)先過(guò)濾掉才對(duì)。

前段時(shí)間聽(tīng)朋友介紹過(guò)”蜂巢數(shù)據(jù)”這款軟件，它能對(duì)網(wǎng)頁(yè)數(shù)據(jù)進(jìn)行自動(dòng)化采集，處理，保存。我就用它來(lái)篩選網(wǎng)絡(luò)上的簡(jiǎn)歷。

二、正文

“蜂巢數(shù)據(jù)”可以從官方網(wǎng)站上下載：http://cn.hdata.me/

也可以通過(guò)其它軟件下載站下載，請(qǐng)注意要下載1.3以后的版本，1.3以前的版本復(fù)制XPath有BUG。

下載安裝后，運(yùn)行“蜂巢數(shù)據(jù)”，將看到如圖1所示的界面：

從左到右，依次是導(dǎo)航面板，任務(wù)面板和工作區(qū)。導(dǎo)航面板里可以看到各個(gè)任務(wù)組，點(diǎn)擊任務(wù)組后會(huì)打開(kāi)任務(wù)面板，任務(wù)面板里面列出的是當(dāng)前選中的任務(wù)組里的任務(wù)。

“蜂巢數(shù)據(jù)”以任務(wù)為工作單元，每個(gè)任務(wù)擁有自己的采集腳本和數(shù)據(jù)庫(kù)。各任務(wù)之間相互獨(dú)立，互不影響。

因?yàn)槲邑?fù)責(zé)的項(xiàng)目需要Android程序員，這里我就以Android程序員簡(jiǎn)歷采集為例，給大家示范如何用“蜂巢數(shù)據(jù)”采集和過(guò)濾簡(jiǎn)歷。

點(diǎn)擊工具欄上的“新建任務(wù)”按鈕，在彈出的新建任務(wù)對(duì)話(huà)框中輸入任務(wù)名“Android程序員”，然后點(diǎn)保存，如圖2所示：

任務(wù)創(chuàng)建完成后，“蜂巢數(shù)據(jù)”會(huì)在工作區(qū)自動(dòng)打開(kāi)任務(wù)編輯窗口。我們將在任務(wù)編輯窗口里完成編寫(xiě)采集腳本，定義數(shù)據(jù)字段等工作。

任務(wù)編輯窗口的布局如圖3所示（為了擴(kuò)大視圖，我關(guān)閉了導(dǎo)航面板和任務(wù)面板，只留下工作區(qū)）：

上面是腳本編輯區(qū)和瀏覽器，腳本編輯區(qū)用于編寫(xiě)采集腳本，瀏覽器用于輔助腳本調(diào)試，當(dāng)腳本運(yùn)行時(shí)，瀏覽器會(huì)根據(jù)腳本的指令打開(kāi)網(wǎng)頁(yè)。

下面是各種輔助腳本編寫(xiě)的工具面板和數(shù)據(jù)字段編輯區(qū)：

1、輸出面板會(huì)顯示腳本運(yùn)行過(guò)程中打印的內(nèi)容。

2、網(wǎng)頁(yè)審查面板可以查看瀏覽器中打開(kāi)的網(wǎng)頁(yè)DOM結(jié)構(gòu)。

3、源文件面板可以查看瀏覽器中打開(kāi)的網(wǎng)頁(yè)的源碼。

4、數(shù)據(jù)字段面板用于對(duì)當(dāng)前任務(wù)數(shù)據(jù)庫(kù)字段的編輯。

介紹完任務(wù)編輯界面，接下來(lái)我們開(kāi)始動(dòng)工。

首先我們來(lái)定義數(shù)據(jù)字段，“蜂巢數(shù)據(jù)”會(huì)根據(jù)采集腳本，把網(wǎng)頁(yè)上的數(shù)據(jù)保存到本地?cái)?shù)據(jù)庫(kù)供我們查看。我們要在腳本運(yùn)行之前設(shè)計(jì)好數(shù)據(jù)庫(kù)，有哪些內(nèi)容需要保存。

這里要采集的是簡(jiǎn)歷，一般個(gè)人簡(jiǎn)歷包括這幾個(gè)部分：姓名，性別，年齡，工作經(jīng)驗(yàn)，學(xué)歷，個(gè)人簡(jiǎn)介，簡(jiǎn)歷鏈接等數(shù)據(jù)。

我們?cè)跀?shù)據(jù)字段面板中，點(diǎn)擊添加字段，在彈出的添加字段對(duì)話(huà)框里填寫(xiě)字段名，然后點(diǎn)擊保存。添加字段對(duì)話(huà)框里有一個(gè)“過(guò)濾重復(fù)數(shù)據(jù)”選項(xiàng)，鉤上后，如果數(shù)據(jù)庫(kù)里該字段下已存在相同的數(shù)據(jù)，數(shù)據(jù)將會(huì)被丟棄。我肯定不想看到重復(fù)的簡(jiǎn)歷，所以這里對(duì)簡(jiǎn)歷鏈接進(jìn)行過(guò)濾。如圖4所示：

設(shè)計(jì)完數(shù)據(jù)庫(kù)字段后，我們可以開(kāi)始編寫(xiě)采集腳本了。采集腳本需要用JavaScript語(yǔ)言編寫(xiě)（一種非常簡(jiǎn)單的腳本語(yǔ)言，有網(wǎng)頁(yè)制作經(jīng)驗(yàn)的朋友應(yīng)該很熟悉，百度上可以搜索到很多教程，這里就不多介紹了）。

第一步我們要打開(kāi)待采集的網(wǎng)頁(yè)，我要從58同城上采集Android程序員簡(jiǎn)歷，58同城里搜索簡(jiǎn)歷的網(wǎng)頁(yè)地址是：http://hz.58.com/searchjob/？key=android

在“蜂巢數(shù)據(jù)”里通過(guò)腳本打開(kāi)該頁(yè)面，語(yǔ)句是：

load（"http://hz.58.com/searchjob/？key=android"）；

如果你不懂JavaScript，可以直接復(fù)制上面的代碼到編輯區(qū)，把網(wǎng)頁(yè)地址替換成任何你想打開(kāi)的頁(yè)面即可。需要注意的是，括號(hào)和雙引號(hào)不能漏寫(xiě)也不能多寫(xiě)，且必須是英文字符。

在腳本編輯區(qū)輸入以上代碼后，點(diǎn)擊編輯區(qū)左邊的運(yùn)行按鈕，可以看到腳本運(yùn)行的效果。目前我們只是打開(kāi)了簡(jiǎn)歷搜索頁(yè)面，還沒(méi)開(kāi)始采集數(shù)據(jù)。如圖5所示：

第二步我們要分析網(wǎng)頁(yè)內(nèi)容，看看哪些數(shù)據(jù)是我們需要的。我們?cè)跒g覽器里看下58同城的簡(jiǎn)歷搜索結(jié)果，是一個(gè)列表，每一行是一條簡(jiǎn)歷信息，分別有姓名，性別，年齡，工作經(jīng)驗(yàn)，學(xué)歷等我們所需要的數(shù)據(jù)。

“蜂巢數(shù)據(jù)”可以根據(jù)XPath來(lái)提取網(wǎng)頁(yè)里的數(shù)據(jù)（XPath用于標(biāo)識(shí)網(wǎng)頁(yè)中元素的地址，有興趣的朋友可以百度下）。我們?cè)诘谝粭l簡(jiǎn)歷的姓名上點(diǎn)擊鼠標(biāo)右鍵，在彈出菜單里選擇復(fù)制XPath，如圖6所示：

然后在腳本編輯框內(nèi)，我們通過(guò)剛才復(fù)制的XPath提取姓名：name = inner_text（"http://*[@id='infolist']/dl/dd[2]"）；

（注意：剛才復(fù)制過(guò)來(lái)的XPath，infolist是被雙引號(hào)包起來(lái)的，腳本里我們替換成單引號(hào)，這是JavaScript語(yǔ)法需要，有興趣的朋友可以學(xué)習(xí)下JavaScript語(yǔ)法）

用同樣的辦法，我們?cè)偬崛⌒詣e，年齡，工作經(jīng)驗(yàn)，學(xué)歷等數(shù)據(jù)，然后我們通過(guò)“蜂巢數(shù)據(jù)”提供的print方法，把提取到的數(shù)據(jù)打印到輸出面板，如圖7所示：

完整的代碼如下：

load（"http://hz.58.com/searchjob/？key=android"）；

name = inner_text（"http://*[@id='infolist']/dl/dd[2]"）；

gender = inner_text（"http://*[@id='infolist']/dl/dd[3]"）；

age = inner_text（"http://*[@id='infolist']/dl/dd[4]"）；

exp = inner_text（"http://*[@id='infolist']/dl/dd[5]"）；

brief = inner_text（"http://*[@id='infolist']/dl/dt/span[2]"）；

link = attribute（"http://*[@id='infolist']/dl/dt/a"，"href"）；

print（"姓名：" + name.trim（））；

print（"性別：" + gender.trim（））；

print（"年齡：" + age.trim（））；

print（"工作經(jīng)驗(yàn)：" + exp.trim（））；

print（"個(gè)人簡(jiǎn)介：" + brief.trim（））；

print（"簡(jiǎn)歷鏈接：" + link.trim（））；

在輸出面板，我們可以看到，姓名，性別，年齡，工作經(jīng)驗(yàn)等信息。這些就是蜂巢數(shù)據(jù)根據(jù)腳本從網(wǎng)頁(yè)中提取的數(shù)據(jù)。

細(xì)心的朋友可能發(fā)現(xiàn)了，簡(jiǎn)歷鏈接的提取跟其它元素有些不一樣，用了attribute這個(gè)函數(shù)。在58同城的網(wǎng)頁(yè)上，點(diǎn)擊簡(jiǎn)歷后會(huì)打開(kāi)另一個(gè)頁(yè)面顯示該簡(jiǎn)歷的內(nèi)容，這是一個(gè)網(wǎng)頁(yè)鏈接，通過(guò)attribute函數(shù)我們就能獲取這個(gè)鏈接地址，而不是網(wǎng)頁(yè)上顯示的文字。熟悉網(wǎng)頁(yè)制作的朋友應(yīng)該猜到了，attribute函數(shù)的第二個(gè)參數(shù)href指的就是網(wǎng)頁(yè)鏈接中的href。

到目前為止，我們只是把提取的數(shù)據(jù)打印出來(lái)，接下來(lái)我們把提取的數(shù)據(jù)保存到數(shù)據(jù)庫(kù)，方便以后查看。保存數(shù)據(jù)很簡(jiǎn)單，只需要調(diào)用save方法就可以了：

save（[name.trim（），gender.trim（），age.trim（），exp.trim（），brief.trim（），link.trim（）]）；

現(xiàn)在運(yùn)行腳本，我們可以在數(shù)據(jù)字段面板里看到保存的數(shù)據(jù)，如圖8所示：

我們已經(jīng)成功采集到了第一條簡(jiǎn)歷，接下來(lái)我們把整個(gè)頁(yè)面的簡(jiǎn)歷都采集過(guò)來(lái)。

我們把網(wǎng)頁(yè)拉到最下面，復(fù)制最后一條簡(jiǎn)歷姓名的XPath，跟第一條對(duì)比下，看看有啥區(qū)別：

//*[@id="infolist"]/dl/dd[2]

//*[@id="infolist"]/dl[35]/dd[2]

大家應(yīng)該注意到了，第一條XPath中間是dl（等同于dl [1]），最后一條XPath中間是dl[35]。也就是說(shuō)，每條簡(jiǎn)歷的XPath只有dl[*]中間的數(shù)字是不一樣的，學(xué)過(guò)JavaScript的朋友可能已經(jīng)想到了，可以通過(guò)一個(gè)循環(huán)語(yǔ)句來(lái)采集所有簡(jiǎn)歷：

load（"http://hz.58.com/searchjob/？key=android"）；

for（i = 1；i < 100；i++）{

if（！has_element（"http://*[@id='infolist']/dl[" + i + "]/dd[2]"））

break；