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Linux/UNIX，精通Python语言，至少熟练掌握主流爬虫框架中的一种；

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js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Ip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、jieba等工具对数据进行处理者优先;

8. 熟悉mysql、mongodb、redis、rabbitMQ、kafka、spark者优先;