猿急送>

北京Python兼职程序员

ID：426545

1

爬虫工程师

公司信息：
光谱云人工智能有限公司（北京）

工作经验：
2年

兼职日薪：
500元/8小时

兼职时间：
下班后

所在区域：
北京
海淀

技术能力

1. 基础爬虫技术
熟练掌握Python爬虫核心基础库，精通Requests、Urllib发送HTTP/HTTPS请求，熟练处理GET、POST、PUT等各类请求方式，可自主完成请求头伪装、参数拼接、表单提交、Cookie携带等基础操作，精准模拟浏览器正常访问行为。精通HTML、CSS、JavaScript前端基础语法，能够快速分析网页源码结构，精准定位数据节点。
熟练运用XPath、BeautifulSoup、PyQuery三大网页解析工具，实现网页文本、图片、链接、表格、隐藏字段等各类结构化、半结构化数据的精准提取与清洗，可高效剔除无效数据、重复数据，保证爬取数据的准确性与完整性。
2. 动态网页与反爬应对技术
针对静态、动态渲染网页具备完善的爬取能力，熟练使用Selenium、Playwright模拟真实浏览器操作，解决JS动态渲染、Ajax异步加载数据爬取难题，支持页面滚动、点击、输入、下拉选择、弹窗关闭等自动化交互操作。掌握Scrapy异步爬虫框架，理解框架中间件、管道、爬虫文件运行机制，可快速搭建高效分布式、多线程爬虫项目。
具备丰富的反爬虫规避实战经验，熟练处理常见反爬机制：可通过请求头伪装、User-Agent随机切换、Referer、Origin参数伪造模拟真人访问；掌握Cookie、Session会话保持技术，维持登录态爬取权限数据；熟练运用代理IP池解决IP封禁问题；掌握验证码识别基础方案，可通过打码平台、简单滑块、图文验证码识别突破基础验证机制；精通接口加密参数逆向分析，可抓包解析JS加密逻辑，破解签名、token、时间戳等加密参数，实现接口数据直接爬取。
3. 数据存储与异步优化技术
熟练适配多种数据存储方式，可将爬取数据持久化存储至本地文件与数据库：支持Excel、CSV、TXT、JSON等本地文件批量写入与导出；熟练操作MySQL、MongoDB数据库，掌握数据增删改查、批量插入、去重、索引优化等操作，适配结构化与非结构化数据存储场景。
掌握爬虫性能优化技术，熟练运用多线程、多进程、协程（aiohttp）实现异步并发爬取，大幅提升爬虫采集效率；掌握爬虫限速、重试、异常捕获机制，解决网络超时、请求失败、页面加载异常等问题，提升爬虫稳定性；具备数据去重、增量爬取能力，通过指纹校验、时间戳比对实现增量更新，避免重复采集。

项目经验

项目一：通用电商商品数据爬虫（静态+动态混合爬取）
项目简介：针对主流电商平台商品数据进行批量采集，解决电商网页动态加载、IP限制、数据分页加载等问题，实现商品名称、价格、销量、店铺信息、评价、商品参数等全维度数据的自动化采集，为市场数据分析、竞品调研提供数据支撑。
技术栈：Python、Requests、XPath、Playwright、MySQL、代理IP池、多线程、正则表达式
核心实现：
- 通过抓包分析商品列表接口与详情页异步请求，对静态页面采用Requests直接请求+XPath解析，对JS动态渲染的详情页面使用Playwright模拟浏览器加载，完整获取异步展示的商品数据；
- 优化反爬策略，配置随机User-Agent、请求间隔限速，接入代理IP池规避IP封禁，通过Session保持会话，实现登录态下的权限数据爬取；
- 采用多线程并发爬取机制，大幅提升分页数据采集效率，同时添加异常捕获、超时重试机制，避免网络波动导致程序中断；
- 对爬取数据进行清洗去重，利用正则表达式过滤特殊符号、统一价格格式，最终将标准化数据批量存入MySQL数据库，支持数据查询、导出与统计。
项目成果：单小时可稳定采集3000+条商品数据，爬虫稳定性强、误码率低，实现全自动增量爬取，为电商竞品分析项目提供了完整、精准的数据源。