基于协同过滤的招聘信息推荐系统：Django 架构与爬虫实践

后端核心逻辑实现

后端主要基于 Django REST Framework 构建，提供了通用的 CRUD 接口、文件上传下载、权限控制以及数据聚合计算功能。以下代码片段展示了部分核心 API 的实现细节。

# coding:utf-8
from django.http import JsonResponse, HttpResponse
import os
import time
from apps.main.models import * # 假设模型导入路径
from rest_framework.decorators import api_view

@api_view(['POST', 'GET'])
def schemaName_cal(request, tableName, columnName):
    ''' 计算规则接口：统计某列数据的 sum, max, min, avg '''
    msg = {"code": normal_code, 'data': []}
    allModels = apps.get_app_config('main').get_models()
    
    for m in allModels:
        if m.__tablename__ == tableName:
            data = m.getcomputedbycolumn(m, m, columnName)
            print(data)
            if data:
                try:
                    sum_val = '%.05f' % float(data.get("sum"))
                except:
                    sum_val = 0.00
                try:
                    max_val = '%.05f' % float(data.get("max"))
                except:
                    max_val = 0.00
                try:
                    min_val = '%.05f' % float(data.get("min"))
                except:
                    min_val = 0.00
                try:
                    avg_val = '%.05f' % float(data.get("avg"))
                except:
                    avg_val = 0.00
                
                msg['data'] = {
                    "sum": sum_val,
                    "max": max_val,
                    "min": min_val,
                    "avg": avg_val,
                }
                break
    return JsonResponse(msg)

@api_view(['POST', 'GET'])
def schemaName_file_upload(request):
    ''' 文件上传接口：支持重命名与存储 '''
    msg = {"code": normal_code, "msg": "成功", "data": {}}
    file = request.FILES.get("file")
    
    if file:
        filename = file.name
        filesuffix = filename.split(".")[-1]
        file_name = "{}.{}".format(int(float(time.time()) * 1000), filesuffix)
        filePath = os.path.join(os.getcwd(), "templates/front", file_name)
        
        with open(filePath, 'wb+') as destination:
            for chunk in file.chunks():
                destination.write(chunk)
        
        msg["file"] = file_name
        
        # 判断是否需要保存为人脸识别基础照片
        req_dict = request.session.get("req_dict")
        type1 = int(req_dict.get("type", 0))
        if type1 == 1:
            params = {"name": "faceFile", "value": file_name}
            config.createbyreq(config, config, params)
            
    return JsonResponse(msg)

@api_view(['POST', 'GET'])
def schemaName_spider(request, tableName):
    ''' 触发爬虫任务接口 '''
    msg = {"code": normal_code, "msg": "成功", "data": []}
    
    # 根据操作系统执行不同的 Scrapy 命令
    if os.name == 'nt':
        cmd = "cd C:\\test1\\spider && scrapy crawl " + tableName + "Spider"
    else:
        cmd = "cd /yykj/python/9999/spider05zp2 && scrapy crawl " + tableName + "Spider -a databaseName=djangowvp2z"
    
    os.system(cmd)
    return JsonResponse(msg)

关键实现点说明

1. 动态模型查询：schemaName_cal 函数通过 apps.get_app_config 动态获取模型，实现了通用统计接口的复用，避免硬编码表名。
2. 文件安全处理：上传接口中，文件名被时间戳重命名，防止覆盖冲突；同时针对特定类型（如人脸识别）做了额外参数记录。
3. 爬虫集成：schemaName_spider 展示了如何从 Web 端触发后台 Scrapy 任务，支持 Windows 和 Linux 环境的路径差异处理。
4. 权限控制：在提醒接口 (schemaName_remind_...) 中，通过 __authTables__ 和 __authSeparate__ 属性实现了行级权限控制，确保用户只能查看授权范围内的数据。

项目总结

该系统通过 Django 框架快速搭建了前后端分离的招聘管理平台，不仅解决了传统招聘信息管理分散的问题，还引入了协同过滤算法提升人岗匹配效率。后端提供的通用接口简化了后续功能的扩展，而爬虫模块则保证了数据源的实时性。整体架构清晰，安全性较高，适合中小型招聘场景的快速部署与使用。