自动化你的求职：使用 Python 抓取 + LinkedIn 职位

小伙伴们对文章编程感兴趣吗？是否正在学习相关知识点？如果是，那么本文《自动化你的求职：使用 Python 抓取 + LinkedIn 职位》，就很适合你，本篇文章讲解的知识点主要包括。在之后的文章中也会多多分享相关知识点，希望对大家的知识积累有所帮助！

LinkedIn 数据显示，求职者平均每周花费 11 小时寻找工作。技术职位竞争更激烈，需要在多个平台筛选数百个职位。我的伴侣找工作时，每天都要花数小时浏览 LinkedIn，这促使我寻找更有效的方法。

挑战

对于 Web 开发人员而言，就业市场竞争激烈。在伦敦搜索“前端开发人员”，结果多达 401 个。每个职位都需要：

• 5 秒钟浏览标题
• 3-4 次点击查看详情
• 30-60 秒钟浏览职位要求
• 手动复制粘贴记录感兴趣的职位
• 不断切换选项卡和返回

对于 401 个职位，这将耗费数小时的重复性工作！

解决方案：自动化流程

我构建了一个三步自动化流程，将整个过程缩短至 10 分钟：

1. 使用 Python 抓取职位数据
2. 使用电子表格批量过滤
3. 只查看最符合条件的职位

第一步：智能抓取

我基于 jobspy 构建了 jobsparser，它具备以下功能：

• 命令行界面 (CLI)
• 速率限制（避免 LinkedIn 封锁）
• 失败请求重试机制

使用方法如下：

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

输出结果为包含丰富数据的 CSV 文件：

• 职位和公司
• 完整职位描述
• 工作类型和级别
• 发布日期
• 直接申请网址

jobspy 和 jobsparser 还支持 LinkedIn、Indeed、Glassdoor、Google 和 ZipRecruiter 等其他求职网站。

第二步：批量过滤

虽然 Pandas 看起来很合适（我也尝试过），但 Google 表格更灵活。我的过滤策略如下：

1. 时间过滤器: 过去 7 天

• 超过一周的职位回复率较低
• 新职位代表积极招聘

2. 经验过滤器: “job_level”与您的经验相符：

对于寻找第一份工作的伴侣，我筛选了：

• “实习”
• “入门级”
• “不适用”

3. 技术栈过滤器: “描述”包含：
   • “React”

可以创建更复杂的过滤器来检查多种技术。

这将 401 个职位缩减至 8 个！

第三步：智能审核

对于筛选后的职位：

1. 快速浏览标题/公司（10 秒）
2. 在新标签页中打开有潜力的 job_url
3. 详细查看职位描述。

结论

我希望这个工具能帮助您提升求职效率。

如有任何问题或建议，欢迎提出。

到这里，我们也就讲完了《自动化你的求职：使用 Python 抓取 + LinkedIn 职位》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于的知识点！