崗位職責:
1、負責對互聯(lián)網(wǎng)上相關領域的文本數(shù)據(jù)進行抓取、分析與整理；
2、模式識別相關數(shù)據(jù)的處理，智能數(shù)據(jù)分析模塊編寫。
3、研究相關站點的網(wǎng)站特征，發(fā)現(xiàn)它們的特點和規(guī)律，設計各種爬蟲策略和算法；
4、開發(fā)爬蟲程序，提取文本、鏈接、圖片、文件等各類信息，并持續(xù)提升爬蟲的抓取效果；
5、持續(xù)分析爬蟲的技術缺陷，并做出合理地調(diào)整或改進；
6、智能抽取工具的開發(fā)。
任職資格:
1、熟悉Linux平臺，對CCJavaPython中至少一種熟練掌握。
2、精通Java網(wǎng)絡編程，熟悉HTTP傳輸協(xié)議，能模擬瀏覽器操作爬蟲；
3、精通網(wǎng)頁抓取原理及技術，精通正則表達式，從結構化的和非結構化的數(shù)據(jù)中獲取信息；
4、熟悉LuceneNutchHeritrixlarbinHtmlClientHtmlParser等開源工具；
5、熟悉HBase，MongoDB等NoSQL數(shù)據(jù)庫，并至少精通一種關系型數(shù)據(jù)庫的開發(fā)，如Mysql、Oracle、MSSQL等；
6、熟悉搜索引擎和網(wǎng)絡爬蟲相關技術，如有分詞、spider、分類、聚類、索引、檢索等相關開發(fā)經(jīng)驗者優(yōu)先。
