[发明专利]基于互联网的人才信息定向抓取方法

摘要

本发明公开了基于互联网的人才信息定向抓取方法，包括以下步骤：抓取配置：将爬虫分布在实行抓取操作的主机上，通过主机控制爬虫，设置单个或多个人才网站的抓取配置信息，然后通过主机控制抓取信息的爬虫进入目标人才网站；抓取文本：先根据抓取配置信息利用各个人才网站自带的筛选功能进行初步的个人简历筛选，减少抓取的工作量，然后根据抓取配置信息从人才网站内抓取下载筛选后的文本数据，下载的文本数据包括网页文本数据、word文本数据和PDF文本数据；在抓取简历后便进行了多次筛选，删除了大量的问题简历，确保简历数据的整体质量，而且还对不同格式的简历进行了转换，让简历的格式统一，方便使用者进行人才筛选。