Automatisieren Sie Ihre Jobsuche: Scrapen Sie LinkedIn-Jobs mit Python

Daten von LinkedIn zeigen, dass der durchschnittliche Arbeitssuchende wöchentlich 11 Stunden für die Jobsuche aufwendet; Tech-Rollen verstärken dies erheblich, da sie das Durchsuchen von Hunderten von Einträgen auf verschiedenen Plattformen erfordern. Die Jobsuche meines Partners hat diese Ineffizienz deutlich gemacht – er verbrachte täglich Stunden damit, allein durch LinkedIn zu scrollen. Es war eine effizientere Lösung erforderlich.

Die Herausforderung

Die schiere Menge an Beiträgen überfordert Webentwickler. Eine einfache Suche nach „Frontend Developer“ in London ergab 401 Ergebnisse. Für jede Auflistung ist Folgendes erforderlich:

• 5 Sekunden für die Titelüberprüfung
• 3-4 Klicks, um auf Details zuzugreifen
• 30–60 Sekunden zum Scannen der Anforderungen
• Manuelles Kopieren und Einfügen, um vielversprechende Rollen zu verfolgen
• Kontinuierlicher Tab-Wechsel und Zurückverfolgen

Die Bearbeitung von 401 Aufträgen bedeutet stundenlange, sich wiederholende, manuelle Arbeit.

Die Lösung: Ein automatisierter Workflow

Eine dreistufige Automatisierungspipeline reduzierte diesen Prozess auf etwa 10 Minuten:

1. Python-basiertes Jobdaten-Scraping
2. Tabellenbasierte Massenfilterung
3. Gezielte Prüfung von Top-Kandidaten

Schritt 1: Intelligentes Scraping

JobSpy bildete die Grundlage, JobsParser kümmerte sich um Folgendes:

• Befehlszeilenschnittstelle (CLI)
• Ratenbegrenzung (Verhinderung von LinkedIn-Blockierungen)
• Fehlerbehandlung und Wiederholungsversuche

Ausführung:

<code>pip install jobsparser</code>

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

Die CSV-Ausgabe enthielt umfassende Daten:

• Berufsbezeichnung und Firma
• Vollständige Beschreibung
• Jobtyp und -niveau
• Veröffentlichungsdatum
• Direkter Bewerbungslink

JobSpy und JobsParser unterstützen auch andere Jobbörsen, darunter LinkedIn, Indeed, Glassdoor, Google und ZipRecruiter.

Schritt 2: Effiziente Massenfilterung

Während Pandas in Betracht gezogen (und getestet) wurde, bot Google Sheets eine größere Flexibilität. Die Filterstrategie umfasste:

1. Zeitbasierte Filterung: Letzte 7 Tage

• Ältere Stellen weisen geringere Rücklaufquoten auf.
• Neueste Beiträge deuten auf eine aktive Einstellung hin.

2. Erfahrungsbasierte Filterung: Zuordnung von „job_level“ zu Erfahrung:

Für Berufseinsteiger:

• "Praktikum"
• "Einstiegsniveau"
• „Nicht anwendbar“

3. Technologie-Stack-Filterung: „Beschreibung“ mit:

• Der Begriff „Reagieren“

Ausgefeiltere Filter können mehrere Technologien integrieren.

Dadurch wurden 401 Stellen auf überschaubare 8 reduziert.

Schritt 3: Gezielte Überprüfung

Die gefilterten Jobs wurden durchlaufen:

1. Schneller Titel-/Firmenscan (10 Sekunden)
2. Versprechende „job_url“ in einem neuen Tab öffnen
3. Detaillierte Beschreibungsüberprüfung.

Fazit

Dieses Tool zielt darauf ab, die Jobsuche zu optimieren. Feedback und Fragen sind willkommen.

Das obige ist der detaillierte Inhalt vonAutomatisieren Sie Ihre Jobsuche: Scrapen Sie LinkedIn-Jobs mit Python. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!