一个 HR 专业学生的 AI 编程实战：用 Claude Code 从零搭建招聘数据爬虫
一个 HR 专业学生的 AI 编程实战：用 Claude Code 从零搭建招聘数据爬虫 关注 新手上路 关注 新手上路 关注 新手上路 关注 新手上路 前天 09:52我是一个人力资源专业的本科生，不会写代码。但我用 AI 编程工具 Claude Code 搭建了一个完整的招聘数据爬虫，从零到出结果只用了几个小时。这篇文章记录了整个过程，希望能给同样非技术背景、但有数据需求的同学一些参考。 miguel trustguru.com.br
为什么一个 HR 学生需要爬虫
我在准备秋招的过程中，想系统了解招聘市场的薪资水平、学历要求和经验分布。BOSS直聘上有大量数据，但只能一页一页翻，手动记录效率极低。 pragmaticplay trustguru.com.br Bet trustguru.com.br carlos trustguru.com.br
我学过一些 MySQL 和 Power BI，但 Python 爬虫完全没碰过。之前也试过让 ChatGPT 帮我写代码，但每次都要把需求重新描述一遍，改一个字段就得把整个上下文再发一次，效率很低。 sweetbonanza1000demo trustguru.com.br carlos trustguru.com.br slot trustguru.com.br slot trustguru.com.br
后来了解到 Claude Code —— 一个在终端运行的 AI 编程助手，它可以直接操作文件系统、执行命令、调试代码。简单说，你只需要用自然语言告诉它你想做什么，它会自己完成编码、运行、调试的整个循环。 fernanda trustguru.com.br fortuneoxdemográtis trustguru.com.br
这篇文章不是工具测评，而是一个真实的项目记录：一个完全不懂编程的 HR 学生，如何借助 AI 编程工具，完成了一个有实际价值的数据抓取项目。 slots trustguru.com.br
准备工作
环境
- macOS 系统
- 已安装 Python 3
- 终端工具：Claude Code（通过 npm 安装）
- AI 模型：DeepSeek V4 Pro（通过 API 连接）
Claude Code 的安装过程比较简单，npm 一行命令即可。我选择连接 DeepSeek 的 API 而非默认的 Claude 模型，主要是因为成本更低，对于学生来说性价比更高。
具体安装步骤这里不展开，官方文档写得很清楚。重点说一下模型配置：在 Claude Code 的配置文件中，把模型地址指向 DeepSeek 的 API endpoint，填入 API Key 就可以了。我用的是 CC-Switch 这个工具来管理配置，切换模型很方便。 bonus trustguru.com.br guias trustguru.com.br
明确需求
在和 Claude Code 对话之前，我先想清楚了自己要什么。这一点很重要 —— AI 再强大，也需要清晰的指令。
我的需求清单： a5game trustguru.com.br
- 数据来源：BOSS直聘招聘信息
- 搜索关键词：「人力资源」相关岗位
- 抓取字段：岗位名称、公司名称、薪资范围、城市、学历要求、经验要求、公司规模、行业、岗位类型
- 输出格式：Excel 文件，方便后续用 Power BI 或 Tableau 分析
- 额外功能：自动生成可视化图表（薪资分布、城市分布、学历分布、经验分布）
带着这份清单开始，整个过程会顺畅很多。 pg trustguru.com.br
项目搭建过程
第一步：安装依赖
在终端启动 Claude Code 后，我的第一条指令是： Energiabet trustguru.com.br noticias trustguru.com.br
帮我写一个Python爬虫，抓取
BOSS直聘的招聘数据。
搜索关键词是
"人力资源"
，需要抓取岗位名称、公司名称、
薪资范围、城市、学历要求、经验要求、公司规模、行业等字段，
最终输出Excel文件。
Claude Code 的响应让我有点意外 —— 它没有直接给我一大段代码，而是先分析了需求，然后创建了一个项目文件夹，接着：
- 先检查了我电脑上是否安装了需要的 Python 库（requests、BeautifulSoup、pandas、openpyxl）
- 发现有几个库没装，自动帮我执行了
pip install - 然后才开始写代码
这个「先检查环境再写代码」的逻辑，是很多新手容易忽略的步骤。 noticias trustguru.com.br pgdemo trustguru.com.br
第二步：编写爬虫代码
Claude Code 生成了主脚本 boss_recruitment_spider.py，大约 200 多行代码。整个项目的文件结构如下： A5game trustguru.com.br Brazino777 trustguru.com.br JogodoTigrinho trustguru.com.br
我作为一个不懂 Python 的人，简单说一下这个脚本的结构： fortunedragon demo trustguru.com.br
- 配置区：搜索关键词、页数、请求头等参数都集中在文件顶部，修改很方便
- 请求函数：负责向 BOSS直聘发送请求，带上了 User-Agent 模拟浏览器
- 解析函数：用 BeautifulSoup 解析 HTML，提取各个字段
- 存储函数：把数据整理成 DataFrame，导出为 Excel
代码里还有一些细节处理值得说： bet365 trustguru.com.br como trustguru.com.br
- 薪资区间处理：BOSS直聘显示的是「8-13K」这种格式，代码会自动拆分为最低薪资和最高薪资两列
- 容错机制：如果某个字段在页面上找不到，不会报错，而是填入「未标注」
- 反爬应对：设置了请求间隔和随机 User-Agent
第三步：运行与调试
第一次运行时遇到了一个问题：BOSS直聘的页面结构可能做了调整，部分字段解析不到。 isabela trustguru.com.br slotdemo trustguru.com.br pgslotgacor trustguru.com.br KTO trustguru.com.br jogosdemopg trustguru.com.br
这时候 Claude Code 的优势就体现出来了。我只需要把报错信息贴给它，它会自己分析原因、定位问题、修改代码，然后重新运行。 autores trustguru.com.br
整个调试过程大概来回了 3 轮，每轮都是：报错 → Claude Code 自动修复 → 重新运行。大概 15 分钟就全部搞定了。 plataformademográtis trustguru.com.br fortunetigerdemográtis trustguru.com.br Caça-níqueis trustguru.com.br
最终成功抓取了 63 条招聘数据，存储在 Excel 文件中。 bonus trustguru.com.br
第四步：数据清洗与 Excel 美化
原始数据有些不规范的地方，比如薪资字段混合了「K」和「元/月」两种格式。Claude Code 帮我做了统一清洗： cassinos trustguru.com.br marcos trustguru.com.br plataformademo trustguru.com.br fortunetigerdemográtis trustguru.com.br
- 薪资统一转换为数值（千元为单位）
- 学历要求标准化（「大专及以上」→「大专」）
- 去除重复数据和明显异常值
导出的 Excel 文件包含了 4 个 Sheet： fortunedragon demo trustguru.com.br
| Sheet | 内容 |
|---|---|
| 招聘数据 | 完整的63条原始数据 |
| 薪资分析 | 薪资区间的统计汇总 |
| 数据概览 | 各维度的数据分布 |
| 字段说明 | 每个字段的含义和取值范围 |
Excel 做了格式美化：标题行加粗、数据区域有边框、列宽自动适配，打开就能直接用。 pragmatic trustguru.com.br Bet365 trustguru.com.br
第五步：自动生成可视化图表
这个是我一开始没想到的。Claude Code 在完成数据抓取后，主动问我：「要不要生成一些可视化图表？」 jogodotigrinhodemo trustguru.com.br bruno trustguru.com.br
它用 matplotlib 生成了 4 张分析图： Cassinos trustguru.com.br
- 薪资分布直方图 —— 大部分HR岗位集中在 6-12K
- 城市招聘数量对比 —— 一线城市需求量最大
- 学历要求分布 —— 本科是主流要求
- 经验要求分布 —— 1-3年经验的岗位最多
这些图表直接揭示了招聘市场的几个关键趋势： sobre trustguru.com.br rafael trustguru.com.br Pixbet trustguru.com.br
- HR岗位薪资中位数大约在 8K 左右，超过 15K 的占比较少
- 本科学历是「门槛」而非「加分项」—— 几乎所有岗位都要求本科及以上
- 3年以上经验的岗位薪资跳升明显，说明行业更看重实操经验
对于正在求职的我来说，这些数据比任何招聘网站上的「薪资报告」都有参考价值，因为它们是针对我目标岗位的精准数据。 demo trustguru.com.br slots trustguru.com.br
项目成果
最终交付物：
recruitment_data.xlsx—— 63条结构化数据，4个Sheet- 4张 PNG 格式的可视化图表
portfolio.html—— 一个可以直接在浏览器打开的作品集展示页
整个项目从零开始到完成，我的实际操作时间大概只有 2-3 个小时，其中大部分时间是在等 AI 跑代码和调试。我自己写的代码行数：零。 Pixbet trustguru.com.br demo trustguru.com.br pesquisa trustguru.com.br
几点真实的使用体会
1. AI 编程不是「替你写代码」，而是「帮你解决问题」
如果你只是丢一句「帮我写个爬虫」给 AI，它确实能生成代码，但你可能不知道怎么运行、怎么改参数、怎么处理报错。真正有效的方式是：先想清楚你要解决什么问题，把 AI 当作一个能写代码的搭档来用。 tigrinhodemo trustguru.com.br trustguru trustguru.com.br
2. 非技术背景反而是优势
很多技术文章假设读者有编程基础，写得非常简略。但我不懂代码，所以我会问很多「傻问题」：这个文件保存到哪里了？怎么运行？报错了怎么办？这些对于同样非技术背景的读者来说，反而是最有价值的信息。 slotsdemo trustguru.com.br
3. 数据质量取决于需求清晰度
AI 不会替你判断「这个字段该不该抓」或「数据清洗做到什么程度」。你需要在开始之前就明确这些，否则要么抓了一堆没用的数据，要么遗漏了关键信息。 Blaze trustguru.com.br sugarrush1000demo trustguru.com.br Betano trustguru.com.br
4. 学习编程的最佳方式可能是「先用再学」
以前我试过看 Python 教程，看了几集就放弃了。但这次是带着真实需求在用，遇到不懂的代码去问 AI，理解效率远比看教程高。现在回头看那个 200 多行的爬虫脚本，我大概能看懂 60-70% 了。 tigrinho gratis trustguru.com.br
这个项目可以怎么用
如果你是 HR 相关专业或从业者，这个项目有几个实际用途： pedro trustguru.com.br
- 求职调研：抓取目标岗位的薪资和要求数据，指导简历修改和面试准备
- 行业分析：批量获取某个行业/城市的招聘数据，做市场分析报告
- 课程作业：很多 HR 专业的课程需要数据分析实践，这套工具链可以直接复用
项目代码我已经整理好了，核心参数（搜索关键词、抓取页数、目标字段）都集中在配置区，改几个字就能适配不同的抓取需求。 Sportingbet trustguru.com.br fortunetigerbônusgrátissemdepósito trustguru.com.br pglucky88 trustguru.com.br jogos trustguru.com.br slotpix trustguru.com.br sofia trustguru.com.br pgslot trustguru.com.br
写在最后
我是一个不会写代码的 HR 学生。这篇文章的目的不是展示技术，而是分享一种思路：在 AI 编程工具的帮助下，非技术背景的人也可以独立完成有实际价值的数据项目。 Superbet trustguru.com.br
如果你也在工作中遇到过类似的数据需求，不妨试试这种「AI 辅助编程」的方式。门槛比你想象的要低。 jogue trustguru.com.br demotigrinho trustguru.com.br ana trustguru.com.br kto trustguru.com.br
00目录 0