这篇文章会说说我自己的心得体验，关于爬虫、关于工作，仅供参考。
学到哪种程度
暂且把目标定位初级爬虫工程师，简单列一下吧：
（必要部分）
语言选择：一般是了解python、java、golang之一熟悉多线程编程、网络编程、http协议相关开发过完整爬虫项目（最好有全站爬虫经验，这个下面会说到）反爬相关，cookie、ip池、验证码等等熟练使用分布式（非必要，建议）
了解消息队列，如rabbitmq、kafka、redis等具有数据挖掘、自然语言处理、信息检索、机器学习经验熟悉app数据采集、中间人代理大数据处理（hive/mr/spark/storm）数据库mysql，redis，mongdb熟悉git操作、linux环境开发读懂js代码，这个真的很重要如何提升
随便看看知乎上的教程就可以入门了，就python而言，会requests当然是不够的，还需要了解scrapy和pyspider这两个框架，scrapy_redis也是需要理解原理的。
分布式如何搭建、如何解决其中遇到内存、速度问题。
什么叫全站爬取
最简单的拿拉钩来举例，搜索关键词，有30页，不要以为把这30页爬完就是全站爬取了，你应该想方法把所有数据全部爬下来。
什么办法，通过筛选缩小范围，慢慢来就ok了。
同时，每个职位还会有推荐职位，再写一个采集推荐的爬虫。
这个过程需要注意的是如何去重，mongo可以、redis也可以。
实际项目经验
这个面试中肯定会被人问道，如：
你爬过哪些网站日均最大采集量是多少你遇到哪些棘手问题，如何解决等等那么怎么找项目呢？比如我要爬微博数据，去github中搜索下，项目还算少吗？
模拟登陆其实就是一步步的请求，保存cookie会话。
语言选择
我自己建议是python、java、golang最好都了解，java爬虫的也很多，但是网上教程几乎都是python的，悲哀。
最后说下golang，golang真的很牛逼，说个数字，golang可以每分钟下载网页数量 2w ，python可以吗~~
关于反爬
常见的 ua、refer等需要了解是什么东西，有些验证的id如何产生的，是否必要；关于ip池这块我不了解，不多说，需要注意的是如何设计拉黑机制；模拟登陆也是必要的，fuck-login 可以研究下代码，或者提pr。
如何判断能力足够
很简单，给个任务，爬取知乎上所有问题。
你会如何思考并设计这个项目？