自動化你的求職：使用 Python 抓取 LinkedIn 職位

LinkedIn 數據顯示，求職者平均每週花 11 個小時尋找工作；技術角色顯著放大了這一點，涉及篩選不同平台上的數百個清單。 我的合作夥伴的求職過程凸顯了這種低效率——每天僅在 LinkedIn 上滾動幾個小時。需要一個更有效的解決方案。

挑戰

發文量之大讓網頁開發人員不知所措。 在倫敦進行簡單的「前端開發人員」搜索，得到了 401 個結果。 每個清單要求：

• 標題審核5秒
• 點擊 3-4 次即可存取詳細資訊
• 掃描要求30-60秒
• 手動複製和貼上以追蹤有前途的角色
• 連續標籤切換與回溯

處理 401 項工作意味著數小時的重複體力勞動。

解決方案：自動化工作流程

三階段自動化管道將此流程縮短至約 10 分鐘：

1. 基於Python的職位資料抓取
2. 基於電子表格的批次過濾
3. 重點評審優異候選人

第一步：智慧抓取

JobSpy 奠定了基礎，並由 JobsParser 處理：

• 命令列介面 (CLI)
• 速率限制（防止 LinkedIn 封鎖）
• 錯誤處理與重試

執行：

<code>pip install jobsparser</code>

<code>jobsparser \
    --search-term "Frontend Developer" \
    --location "London" \
    --site linkedin \
    --results-wanted 200 \
    --distance 25 \
    --job-type fulltime</code>

CSV 輸出包含綜合資料：

• 職位和公司
• 完整描述
• 工作類型與等級
• 發布日期
• 直接申請連結

JobSpy 和 JobsParser 也支持其他招聘委員會，包括 LinkedIn、Indeed、Glassdoor、Google 和 ZipRecruiter。

第 2 步：高效批量過濾

雖然考慮（並測試）了 pandas，但 Google 表格提供了更大的靈活性。 涉及的過濾策略：

1. 基於時間的過濾：過去 7 天

• 較舊的職位回覆率較低。
• 最近的貼文顯示正在積極招募。

2. 基於經驗的過濾：將「job_level」與經驗相符：

首次求職者：

• 「實習」
• 「入門級」
• 「不適用」

3. 技術堆疊過濾：「描述」包含：

• 術語「反應」

更複雜的過濾器可以結合多種技術。

這將 401 個工作崗位減少到可管理的 8 個。

第三步：有針對性的審核

過濾後的作業經歷：

1. 快速標題/公司掃描（10 秒）
2. 在新分頁中開啟有希望的「job_url」
3. 詳細描述回顧。

結論

該工具旨在簡化求職過程。歡迎回饋和提問。

以上是自動化你的求職：使用 Python 抓取 LinkedIn 職位的詳細內容。更多資訊請關注PHP中文網其他相關文章！