Automatisez votre recherche d'emploi : supprimez les offres d'emploi LinkedIn avec Python

Les données de LinkedIn révèlent que le demandeur d'emploi moyen consacre 11 heures par semaine à la recherche d'un emploi ; les rôles techniques amplifient considérablement cela, impliquant le passage au crible de centaines d’annonces sur diverses plateformes. La recherche d'emploi de mon partenaire a mis en évidence cette inefficacité : des heures passées quotidiennement à parcourir LinkedIn seul. Une solution plus efficace était nécessaire.

Le défi

Le volume de publications submerge les développeurs Web. Une simple recherche de « Développeur Frontend » à Londres a donné 401 résultats. Chaque annonce exigeait :

• 5 secondes pour la révision du titre
• 3-4 clics pour accéder aux détails
• 30 à 60 secondes pour analyser les exigences
• Copier-coller manuel pour suivre les rôles prometteurs
• Changement d'onglet et retour en arrière continus

Le traitement de 401 tâches se traduit par des heures de travail manuel répétitif.

La solution : un flux de travail automatisé

Un pipeline d'automatisation en trois étapes a réduit ce processus à environ 10 minutes :

1. Récupération de données de travail basée sur Python
2. Filtrage groupé basé sur une feuille de calcul
3. Évaluation ciblée des meilleurs candidats

Étape 1 : grattage intelligent

JobSpy a constitué la base, avec la gestion de JobsParser :

• Interface de ligne de commande (CLI)
• Limitation du débit (empêche les blocages LinkedIn)
• Gestion des erreurs et tentatives

Exécution :

<code>pip install jobsparser</code>

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

La sortie CSV comprenait des données complètes :

• Titre du poste et entreprise
• Description complète
• Type et niveau d'emploi
• Date de publication
• Lien de candidature directe

JobSpy et JobsParser prennent également en charge d'autres sites d'emploi, notamment LinkedIn, Indeed, Glassdoor, Google et ZipRecruiter.

Étape 2 : Filtrage groupé efficace

Alors que les pandas étaient envisagés (et testés), Google Sheets offrait une plus grande flexibilité. La stratégie de filtrage impliquée :

1. Filtrage basé sur le temps : 7 derniers jours

• Les emplois plus anciens affichent des taux de réponse inférieurs.
• Les publications récentes indiquent une embauche active.

2. Filtrage basé sur l'expérience : faire correspondre "job_level" à l'expérience :

Pour un primo-demandeur d'emploi :

• "Stage"
• "Niveau d'entrée"
• "Non applicable"

3. Filtrage de la pile technologique : "description" contenant :

• Le terme « Réagir »

Des filtres plus sophistiqués peuvent intégrer plusieurs technologies.

Cela a réduit 401 emplois à un chiffre gérable de 8.

Étape 3 : Examen ciblé

Les travaux filtrés ont subi :

1. Analyse rapide du titre/de l'entreprise (10 secondes)
2. Ouverture de "job_url" prometteur dans un nouvel onglet
3. Examen de la description détaillée.

Conclusion

Cet outil vise à rationaliser la recherche d'emploi. Les commentaires et les questions sont les bienvenus.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!