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...
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：
- 使用 Python 抓取职位数据
- 使用电子表格批量过滤
- 只查看最符合条件的职位
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：
pip install jobsparser
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：
- 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
- 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”
-
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：
- 快速浏览标题/公司（10 秒）
- 在新标签页中打开有潜力的 job_url
- 详细查看职位描述。
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。
以上就是自动化你的求职：使用 Python 抓取 + LinkedIn 职位的详细内容，更多请关注知识资源分享宝库其它相关文章！
版权声明
本站内容来源于互联网搬运，
仅限用于小范围内传播学习，请在下载后24小时内删除，
如果有侵权内容、不妥之处，请第一时间联系我们删除。敬请谅解!
E-mail：dpw1001@163.com
发表评论