自动化你的求职：使用 Python 抓取 LinkedIn 职位

LinkedIn 数据显示，求职者平均每周花 11 个小时寻找工作；技术角色显着放大了这一点，涉及筛选不同平台上的数百个列表。 我的合作伙伴的求职过程凸显了这种低效率——每天仅在 LinkedIn 上滚动几个小时。需要一个更有效的解决方案。

挑战

发帖量之大让网络开发人员不知所措。 在伦敦进行简单的“前端开发人员”搜索，得到了 401 个结果。 每个列表要求：

• 标题审核5秒
• 点击 3-4 次即可访问详细信息
• 扫描要求30-60秒
• 手动复制和粘贴以跟踪有前途的角色
• 连续标签切换和回溯

处理 401 项工作意味着数小时的重复性体力劳动。

解决方案：自动化工作流程

三阶段自动化管道将此过程缩短至大约 10 分钟：

1. 基于Python的职位数据抓取
2. 基于电子表格的批量过滤
3. 重点评审优秀候选人

第一步：智能抓取

JobSpy 奠定了基础，并由 JobsParser 处理：

• 命令行界面 (CLI)
• 速率限制（防止 LinkedIn 屏蔽）
• 错误处理和重试

执行：

<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 输出包含综合数据：

• 职位和公司
• 完整描述
• 工作类型和级别
• 发布日期
• 直接申请链接

JobSpy 和 JobsParser 还支持其他招聘委员会，包括 LinkedIn、Indeed、Glassdoor、Google 和 ZipRecruiter。

第 2 步：高效批量过滤

虽然考虑（并测试）了 pandas，但 Google 表格提供了更大的灵活性。 涉及的过滤策略：

1. 基于时间的过滤：过去 7 天

• 较旧的职位回复率较低。
• 最近的帖子表明正在积极招聘。

2. 基于经验的过滤：将“job_level”与经验相匹配：

首次求职者：

• “实习”
• “入门级”
• “不适用”

3. 技术堆栈过滤：“描述”包含：

• 术语“反应”

更复杂的过滤器可以融合多种技术。

这将 401 个工作岗位减少到可管理的 8 个。

第三步：有针对性的审核

过滤后的作业经历：

1. 快速标题/公司扫描（10 秒）
2. 在新选项卡中打开有希望的“job_url”
3. 详细描述回顾。

结论

该工具旨在简化求职过程。欢迎反馈和提问。

以上是自动化你的求职：使用 Python 抓取 LinkedIn 职位的详细内容。更多信息请关注PHP中文网其他相关文章！