博主介绍：✌全网粉丝10W+,前互联网大厂软件研发、集结硕博英豪成立工作室。专注于计算机相关专业项目实战6年之久，选择我们就是选择放心、选择安心毕业✌
> 🍅想要获取完整文章或者源码，或者代做，拉到文章底部即可与我联系了。🍅

点击查看作者主页，了解更多项目！

🍅感兴趣的可以先收藏起来，点赞、关注不迷路，大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助同学们顺利毕业 。🍅

1、毕业设计：2025年计算机专业毕业设计选题汇总（建议收藏）✅

2、大数据毕业设计：2025年选题大全 深度学习 python语言 JAVA语言 hadoop和spark（建议收藏）✅

🍅感兴趣的可以先收藏起来，点赞、关注不迷路，大家在毕设选题，项目以及论文编写等相关问题都可以给我留言咨询，希望帮助同学们顺利毕业 。🍅

1、项目介绍

技术栈：Python+Flask框架、Echarts可视化、智联招聘、requests爬虫、招聘信息数据分析可视化
数据集：智联招聘平台，含职位名称、公司、薪资、地点、经验、学历、公司类型、人数、技能要求等字段

研究背景：
在线招聘平台每日发布数万岗位，信息分散且更新快，求职者难以及时捕捉行业薪资与技能趋势，企业亦需动态掌握人才供需，传统静态报表滞后明显。

研究意义：
本系统以requests绕过反爬定时抓取智联数据，经清洗后存入MySQL，通过Echarts多维可视化展示城市薪资、公司规模、技能词云等，可为高校毕业生择业提供量化参考，为HR制定薪酬带宽提供数据支撑，也可作为毕业设计展示“爬虫+可视化”完整闭环，部署简单，二次商用方便。

2、项目界面

（1）工作经验要求和学历要求分析

（2）技能词云图

（3）不同城市薪资分布

（4）公司规模分析

（5）招聘全国城市分布

（6）数据采集页面

3、项目说明

摘要
系统基于轻量级Flask框架，通过requests定时抓取智联招聘全国岗位信息，经过去重、字段解析后持久化至MySQL；前端使用原生HTML+JS结合Echarts，实现城市薪资箱线图、技能词云、公司规模漏斗等多维动态可视化。用户可按学历、经验、地点等维度实时筛选，一键导出PNG或CSV，为求职者择业、企业定薪、高校就业指导提供量化依据。

关键词：智联爬虫；Flask；招聘数据；Echarts可视化；薪资分析

4、核心代码

#!/usr/bin/python3
# -*- coding: utf-8 -*-

import collections

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

plt.rcParams['font.sans-serif'] = ['Heiti TC']  # 指定默认字体：解决plot不能显示中文问题
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
import re
import os
import seaborn as sns
from wordcloud import WordCloud

citys = ['上海', '北京', '广州', '深圳', '天津', '武汉', '西安', '成都', '南京', '杭州', '重庆', '厦门']
kw = 'python'  #爬虫时用的关键字

# 数据清洗：

def data_clear():
    for i in citys:
        del_indexs = []
        city = i
        file_name = 'data_ori/' + i + f'-{kw}.csv'
        df = pd.read_csv(file_name, index_col=0)

        for i in range(0, df.shape[0]):

            s = df.loc[[i], ['salary']].values.tolist()[0][0]

            if re.search('(.*)-(.*)', s):
                a = re.search('(.*)-(.*)', s).group(1)
                if a[-1] == '千':
                    a = eval(a[0:-1]) * 1000
                elif a[-1] == '万':
                    a = eval(a[0:-1]) * 10000
                b = re.search('(.*)-(.*)', s).group(2)
                if b[-1] == '千':
                    b = eval(b[0:-1]) * 1000
                elif b[-1] == '万':
                    b = eval(b[0:-1]) * 10000
                try:
                    s = (a + b) / 2
                except:
                    del_indexs.append(i)
                    print(a)
                    print(b)
                    continue
                df.loc[[i], ['salary']] = s
            else:
                df.loc[[i], ['salary']] = ''

        df.drop(del_indexs,inplace=True)
        # os.remove(file_name)
        new_file_name = 'data/' + city + f'-{kw}.csv'
        df.to_csv(new_file_name)


#数据清洗
if __name__ == "__main__":
    data_clear()

5、源码获取方式

🍅由于篇幅限制，获取完整文章或源码、代做项目的，查看【用户名】、【专栏名称】就可以找到我啦🍅

感兴趣的可以先收藏起来，点赞、关注不迷路，下方查看👇🏻获取联系方式👇🏻