招聘好帮手：用“蜂巢数据”筛选简历

2016-03-21非猫

办公自动化 2016年3期

关键词：脚本蜂巢网页

非　猫

招聘好帮手：用“蜂巢数据”筛选简历

非猫

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

Fei Mao

想要招到好员工，筛选简历是第一关，而且是一件枯燥的任务。本文教大家用蜂巢数据这款软件来自动化筛选简历。

一、前言

我是一家IT公司的项目经理，最近公司准备启动一个新项目，我负责技术团队的搭建。

招聘绝对是一件很耗体力的事，我这里主要指通过网上招聘渠道招人。每天要在茫茫的简历堆里挑选出符合公司用人要求的简历，有时候看了数十个也没一个合适的，有时候前两天刚看过的简历今天又看了一遍，相当考验人的耐心。

这是一种机械又枯燥的劳动，应该交给机器来做，至少应该让机器把大部分无用的数据先过滤掉才对。

前段时间听朋友介绍过”蜂巢数据”这款软件，它能对网页数据进行自动化采集，处理，保存。我就用它来筛选网络上的简历。

二、正文

“蜂巢数据”可以从官方网站上下载：http://cn.hdata.me/

也可以通过其它软件下载站下载，请注意要下载1.3以后的版本，1.3以前的版本复制XPath有BUG。

下载安装后，运行“蜂巢数据”，将看到如图1所示的界面：

从左到右，依次是导航面板，任务面板和工作区。导航面板里可以看到各个任务组，点击任务组后会打开任务面板，任务面板里面列出的是当前选中的任务组里的任务。

“蜂巢数据”以任务为工作单元，每个任务拥有自己的采集脚本和数据库。各任务之间相互独立，互不影响。

因为我负责的项目需要Android程序员，这里我就以Android程序员简历采集为例，给大家示范如何用“蜂巢数据”采集和过滤简历。

点击工具栏上的“新建任务”按钮，在弹出的新建任务对话框中输入任务名“Android程序员”，然后点保存，如图2所示：

任务创建完成后，“蜂巢数据”会在工作区自动打开任务编辑窗口。我们将在任务编辑窗口里完成编写采集脚本，定义数据字段等工作。

任务编辑窗口的布局如图3所示（为了扩大视图，我关闭了导航面板和任务面板，只留下工作区）：

上面是脚本编辑区和浏览器，脚本编辑区用于编写采集脚本，浏览器用于辅助脚本调试，当脚本运行时，浏览器会根据脚本的指令打开网页。

下面是各种辅助脚本编写的工具面板和数据字段编辑区：

1、输出面板会显示脚本运行过程中打印的内容。

2、网页审查面板可以查看浏览器中打开的网页DOM结构。

3、源文件面板可以查看浏览器中打开的网页的源码。

4、数据字段面板用于对当前任务数据库字段的编辑。

介绍完任务编辑界面，接下来我们开始动工。

首先我们来定义数据字段，“蜂巢数据”会根据采集脚本，把网页上的数据保存到本地数据库供我们查看。我们要在脚本运行之前设计好数据库，有哪些内容需要保存。

这里要采集的是简历，一般个人简历包括这几个部分：姓名，性别，年龄，工作经验，学历，个人简介，简历链接等数据。

我们在数据字段面板中，点击添加字段，在弹出的添加字段对话框里填写字段名，然后点击保存。添加字段对话框里有一个“过滤重复数据”选项，钩上后，如果数据库里该字段下已存在相同的数据，数据将会被丢弃。我肯定不想看到重复的简历，所以这里对简历链接进行过滤。如图4所示：

设计完数据库字段后，我们可以开始编写采集脚本了。采集脚本需要用JavaScript语言编写（一种非常简单的脚本语言，有网页制作经验的朋友应该很熟悉，百度上可以搜索到很多教程，这里就不多介绍了）。

第一步我们要打开待采集的网页，我要从58同城上采集Android程序员简历，58同城里搜索简历的网页地址是：http://hz.58.com/searchjob/？key=android

在“蜂巢数据”里通过脚本打开该页面，语句是：

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

如果你不懂JavaScript，可以直接复制上面的代码到编辑区，把网页地址替换成任何你想打开的页面即可。需要注意的是，括号和双引号不能漏写也不能多写，且必须是英文字符。

在脚本编辑区输入以上代码后，点击编辑区左边的运行按钮，可以看到脚本运行的效果。目前我们只是打开了简历搜索页面，还没开始采集数据。如图5所示：

第二步我们要分析网页内容，看看哪些数据是我们需要的。我们在浏览器里看下58同城的简历搜索结果，是一个列表，每一行是一条简历信息，分别有姓名，性别，年龄，工作经验，学历等我们所需要的数据。

“蜂巢数据”可以根据XPath来提取网页里的数据（XPath用于标识网页中元素的地址，有兴趣的朋友可以百度下）。我们在第一条简历的姓名上点击鼠标右键，在弹出菜单里选择复制XPath，如图6所示：

然后在脚本编辑框内，我们通过刚才复制的XPath提取姓名：name = inner_text（"//*[@id='infolist']/dl/dd[2]"）；

（注意：刚才复制过来的XPath，infolist是被双引号包起来的，脚本里我们替换成单引号，这是JavaScript语法需要，有兴趣的朋友可以学习下JavaScript语法）

用同样的办法，我们再提取性别，年龄，工作经验，学历等数据，然后我们通过“蜂巢数据”提供的print方法，把提取到的数据打印到输出面板，如图7所示：

完整的代码如下：

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

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

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

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

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

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

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

print（"姓名：" + name.trim（））；

print（"性别：" + gender.trim（））；

print（"年龄：" + age.trim（））；

print（"工作经验：" + exp.trim（））；

print（"个人简介：" + brief.trim（））；

print（"简历链接：" + link.trim（））；

在输出面板，我们可以看到，姓名，性别，年龄，工作经验等信息。这些就是蜂巢数据根据脚本从网页中提取的数据。

细心的朋友可能发现了，简历链接的提取跟其它元素有些不一样，用了attribute这个函数。在58同城的网页上，点击简历后会打开另一个页面显示该简历的内容，这是一个网页链接，通过attribute函数我们就能获取这个链接地址，而不是网页上显示的文字。熟悉网页制作的朋友应该猜到了，attribute函数的第二个参数href指的就是网页链接中的href。

到目前为止，我们只是把提取的数据打印出来，接下来我们把提取的数据保存到数据库，方便以后查看。保存数据很简单，只需要调用save方法就可以了：

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

现在运行脚本，我们可以在数据字段面板里看到保存的数据，如图8所示：

我们已经成功采集到了第一条简历，接下来我们把整个页面的简历都采集过来。

我们把网页拉到最下面，复制最后一条简历姓名的XPath，跟第一条对比下，看看有啥区别：

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

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

大家应该注意到了，第一条XPath中间是dl（等同于dl [1]），最后一条XPath中间是dl[35]。也就是说，每条简历的XPath只有dl[*]中间的数字是不一样的，学过JavaScript的朋友可能已经想到了，可以通过一个循环语句来采集所有简历：

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

for（i = 1；i < 100；i++）{

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

break；