职位描述:
1、负责网络爬虫系统平台的架构设计与开发
(如抓取调度，多样化抓取，页面解析和结构化抽取)、技术选型:
2、研究爬虫策略和防屏蔽规则，解决封账号、封IP、验证码、混淆加密，算法还原，so层，页面跳转等难点攻克，提升网页抓取的效率和质量:
3、对抓取后的数据进行清洗、存储等，并持续优化平台，以便满足各种爬取业务需求。
岗位要求:
1.精通Python语言或者Java语言，至少熟练掌握主流爬虫框架中的一种:熟悉常用的库requests/gevent等
2.了解各种加密算法，在破解验证码方面有丰富经验，能够独立解决is反爬和模拟登陆问题:
3.熟练掌握正则表达式、XPath、CSS等网页信息抽取技术:
4.熟悉常见反爬机制，验证码识别，IP代理池
应用lp池、headers认证和cookie等
5.熟练掌握应用Selenium、PhantomJS
Splash、Puppeteer实施动态抓取;
6.熟悉熟练使用charles、fiddler等抓包工具者优先;
7熟悉数据清洗，能够用numpy、pandas
iieba等工具对数据进行处理者优先:
8.熟悉mvsgl、mongodb、redis.
rabbitMQ、kafka、spark者优先
联系我时，请说是在临沂招聘网上看到的，谢谢！