在現(xiàn)狀和想要達(dá)到的目標(biāo)之間，總是有一條大河。大部分人花費(fèi)了巨大的精力在水流里掙扎，還沒(méi)能接近目標(biāo)，就已經(jīng)被湍急的水流沖走了。然而，總有少部分人能乘著小船，直達(dá)對(duì)岸。

10年前，從普通學(xué)校畢業(yè)的我進(jìn)入了一家小公司，傳統(tǒng)運(yùn)維的工作重復(fù)性太高，特別枯燥。

于是我下定決心決定擺脫這種困境，想通過(guò)編程來(lái)改變現(xiàn)狀。于是開(kāi)始學(xué)習(xí) Python，當(dāng)時(shí)也非?？啾疲刻煸缟?點(diǎn)起來(lái)看視頻看書(shū)做練習(xí)。

3個(gè)月之后，我跳槽了，薪酬是之前的兩倍。

后來(lái)，我得到了進(jìn)入搜狐這樣公司的機(jī)會(huì)，一路成長(zhǎng)為社交產(chǎn)品的服務(wù)端負(fù)責(zé)人，也進(jìn)入了一線(xiàn)互聯(lián)網(wǎng)公司的技術(shù)圈子，有了更高的視野。

學(xué)一門(mén)新的技術(shù)，從而獲得新的機(jī)遇。與其說(shuō)是一種能力，不如說(shuō)是一種方法。

在這里，把我的實(shí)踐過(guò)的經(jīng)驗(yàn)和心得分享給大家。

轉(zhuǎn)行路上的3個(gè)坑

坑1：無(wú)盡的刷初級(jí)教程

爬蟲(chóng)是入門(mén)簡(jiǎn)單，深入難。

現(xiàn)在在知乎、微信公號(hào)上的大部分爬蟲(chóng)教程都是初級(jí)教程，大家寫(xiě)著玩的，真正公司里用的東西不會(huì)發(fā)出來(lái)。

無(wú)盡的刷這種初級(jí)教程，剛開(kāi)始會(huì)有成就感，后來(lái)就是無(wú)限的重復(fù)，會(huì)讓你的水平一直停留于入門(mén)級(jí)，無(wú)法提高。

坑2：代碼一失效就哭天喊地

你在書(shū)里、視頻里、教程里看到的爬蟲(chóng)代碼是很容易失效的。

要爬取的網(wǎng)站每周都會(huì)更新迭代。而且許多大公司都有自己的反爬蟲(chóng)團(tuán)隊(duì)，一旦發(fā)現(xiàn)用的多的爬蟲(chóng)策略，就會(huì)禁止你的訪(fǎng)問(wèn)。

如果你缺乏自己去攻防反爬的能力，就只能在代碼失效時(shí)措手無(wú)策、哭天喊地，卻找不到辦法自己去解決。

坑3：不了解 Python 多進(jìn)程并發(fā)程序

如果沒(méi)寫(xiě)過(guò)爬蟲(chóng)的話(huà)，很可能是沒(méi)寫(xiě)過(guò) Python 多進(jìn)程并發(fā)程序的。我接觸的程序員，其中好多人歲數(shù)都已經(jīng)很大了，都沒(méi)有寫(xiě)過(guò)一個(gè)并發(fā)的程序，而是一直在寫(xiě)業(yè)務(wù)邏輯。

而為了提升爬蟲(chóng)效率，關(guān)鍵點(diǎn)就在于要了解：并發(fā)、并行、什么時(shí)候用多線(xiàn)程？什么時(shí)候用多進(jìn)程？什么時(shí)候用協(xié)程？尤其像 Python 是動(dòng)態(tài)語(yǔ)言，它有 GIL 的情況下，怎么去做處理？什么時(shí)候是 IO 密集型的，什么時(shí)候是 CPU 密集型的，想提升效率怎么去處理？

如果不是科班出身的話(huà)，理解起來(lái)會(huì)有很多的誤區(qū)。在處理如何更快速更高效的爬取網(wǎng)站的時(shí)候，就會(huì)遇到問(wèn)題。

如何轉(zhuǎn)行爬蟲(chóng)工程師

1. 積累項(xiàng)目實(shí)戰(zhàn)經(jīng)驗(yàn)

我曾經(jīng)面試過(guò)一個(gè)同學(xué)A，是某個(gè)培訓(xùn)班出來(lái)的。在我問(wèn)他簡(jiǎn)歷上項(xiàng)目的技術(shù)細(xì)節(jié)時(shí)，他支支吾吾的答不出來(lái)，我一看這是沒(méi)做過(guò)項(xiàng)目啊，沒(méi)做過(guò)你就別浪費(fèi)我時(shí)間了。

最后他跟我說(shuō)實(shí)話(huà)，是培訓(xùn)班偽造的簡(jiǎn)歷，問(wèn)我「能不能不要工資在這實(shí)習(xí)？」

我說(shuō)「這事還是別了，你這項(xiàng)目經(jīng)驗(yàn)太弱，還有好多東西要補(bǔ)?！?/p>

然后我讓他至少先自己花一星期補(bǔ)補(bǔ)基礎(chǔ)，結(jié)果他嫌一星期太長(zhǎng)了，他想馬上就找到工作。（攤手）

其實(shí)我覺(jué)得他的問(wèn)題就是出在心態(tài)上了。如果能堅(jiān)持把項(xiàng)目啃下來(lái)，解決了開(kāi)發(fā)過(guò)程中的各個(gè)關(guān)鍵點(diǎn)，能直接上手去做公司的事情的話(huà)，找到工作就是水到渠成的事情了。

2. 寫(xiě)的質(zhì)量好的項(xiàng)目可以放 Github

如果你認(rèn)為你的代碼寫(xiě)的不錯(cuò)，你可以放在 GitHub 上，寫(xiě)上你所有的解決問(wèn)題的流程。

但如果你寫(xiě)得很爛，我認(rèn)為面試官看了可能不是一個(gè)加分項(xiàng)，你還不如不寫(xiě)，因?yàn)槊嬖嚬贂?huì)看，會(huì)發(fā)現(xiàn)你的代碼暴露了很多問(wèn)題。

3. 技術(shù)總結(jié)可以放到博客或 Gitbook

你在真正做項(xiàng)目的時(shí)候，是會(huì)遇到一些問(wèn)題的，在解決之后可以把這個(gè)過(guò)程總結(jié)出來(lái)，寫(xiě)成一篇筆記。這是對(duì)你的知識(shí)體系的一個(gè)完善，哪怕是再小的點(diǎn)，記錄下來(lái)也是有意義的。如果不方便發(fā)出來(lái)，也應(yīng)該自己總結(jié)寫(xiě)下來(lái)，不然過(guò)幾天就忘了。

積累的多了，這些學(xué)習(xí)筆記就形成了一個(gè)你的知識(shí)體系，這時(shí)候可以在 Gitbook 上作為一本電子書(shū)開(kāi)源出來(lái)。如果別人看到你了，別人可能也就會(huì)聯(lián)系你來(lái)做這份工作了。

爬蟲(chóng)工程師崗位要求掌握哪些？

初級(jí)爬蟲(chóng)工程師

* 爬蟲(chóng)方面：熟悉爬蟲(chóng)框架，熟悉 xpath、正則表達(dá)式，有爬取經(jīng)驗(yàn)，了解常見(jiàn)策略，能優(yōu)化爬取效率

* Python基礎(chǔ)：尤其是數(shù)據(jù)結(jié)構(gòu)的考察，知道怎么折騰數(shù)據(jù)、并發(fā)編程

* 前端編程：熟悉 HTML，CSS，JS