職位描述：
1、負(fù)責(zé)網(wǎng)絡(luò)爬蟲系統(tǒng)平臺(tái)的架構(gòu)設(shè)計(jì)與開(kāi)發(fā)（如抓取調(diào)度，多樣化抓取，頁(yè)面解析和結(jié)構(gòu)化抽?。?、技術(shù)選型；
2、研究爬蟲策略和防屏蔽規(guī)則，解決封賬號(hào)、封IP、驗(yàn)證碼、混淆加密，算法還原，so層，頁(yè)面跳轉(zhuǎn)等難點(diǎn)攻克，提升網(wǎng)頁(yè)抓取的效率和質(zhì)量；
3、對(duì)抓取后的數(shù)據(jù)進(jìn)行清洗、存儲(chǔ)等，并持續(xù)優(yōu)化平臺(tái)，以便滿足各種爬取業(yè)務(wù)需求。
崗位要求：
1. 精通Linux/UNIX，精通Python語(yǔ)言，至少熟練掌握主流爬蟲框架中的一種；
2. 了解各種加密算法，在破解驗(yàn)證碼方面有豐富經(jīng)驗(yàn)，能夠獨(dú)立解決js反爬和模擬登陸問(wèn)題；
3. 熟練掌握正則表達(dá)式、XPath、CSS等網(wǎng)頁(yè)信息抽取技術(shù)；
4. 熟悉常見(jiàn)反爬機(jī)制，驗(yàn)證碼識(shí)別，IP代理池、應(yīng)用Ip池、headers認(rèn)證和cookie等；
5. 熟練掌握應(yīng)用Selenium、PhantomJS、Splash、Puppeteer實(shí)施動(dòng)態(tài)抓??；
6. 熟悉熟練使用charles、fiddler等抓包工具者優(yōu)先；
7. 熟悉數(shù)據(jù)清洗，能夠用numpy、pandas、jieba等工具對(duì)數(shù)據(jù)進(jìn)行處理者優(yōu)先;
8. 熟悉mysql、mongodb、redis、rabbitMQ、kafka、spark者優(yōu)先;