許多公司網(wǎng)站發(fā)布的職位信息，在主流求職網(wǎng)站上并不總是能找到。例如，尋找遠程初創(chuàng)公司的工作可能具有挑戰(zhàn)性，因為這些公司甚至可能未在求職網(wǎng)站上列出。要找到這些工作，您需要：

• 尋找有潛力的公司
• 搜索他們的職業(yè)頁面
• 分析可用的職位列表
• 手動記錄職位詳細信息

這非常耗時，但我們將對其進行自動化。

準(zhǔn)備工作

我們將使用Parsera庫來自動化職位抓取。Parsera提供兩種使用選項：

• 本地模式: 使用您選擇的LLM在您的機器上處理頁面；
• API模式: 所有處理都在Parsera的服務(wù)器上進行。

在本例中，我們將使用本地模式，因為這是一個一次性的、小規(guī)模的提取。

首先，安裝所需的軟件包：

<code>pip install parsera
playwright install</code>

由于我們正在運行本地設(shè)置，因此需要LLM連接。為簡便起見，我們將使用OpenAI的gpt-4o-mini，只需要設(shè)置一個環(huán)境變量：

<code>import os
from parsera import Parsera

os.environ["OPENAI_API_KEY"] = "<your_openai_api_key_here>"

scraper = Parsera(model=llm)
</your_openai_api_key_here></code>

一切設(shè)置完成后，我們就可以開始抓取了。

步驟1：獲取最新A輪融資初創(chuàng)公司的列表

首先，我們需要找到我們感興趣的公司及其網(wǎng)站列表。我找到了一份上個月完成A輪融資的100家初創(chuàng)公司的列表。增長型公司和新一輪融資的公司似乎是不錯的選擇。

讓我們獲取這些公司的國家和網(wǎng)站：

<code>url = "https://growthlist.co/series-a-startups/"
elements = {
    "Website": "公司的網(wǎng)站",
    "Country": "公司的國家",
}
all_startups = await scraper.arun(url=url, elements=elements)</code>

有了國家信息，我們可以過濾我們感興趣的國家。讓我們將搜索范圍縮小到美國：

<code>us_websites = [
    item["Website"] for item in all_startups if item["Country"] == "United States"
]</code>

步驟2：查找職業(yè)頁面

現(xiàn)在，我們有了一個來自美國的A輪融資初創(chuàng)公司網(wǎng)站列表。下一步是找到他們的職業(yè)頁面。我們將直接從他們的主頁提取職業(yè)頁面：

<code>from urllib.parse import urljoin

# 定義我們的目標(biāo)
careers_target = {"url": "職業(yè)頁面網(wǎng)址"}

careers_pages = []
for website in us_websites:
    website = "https://" + website
    result = await scraper.arun(url=website, elements=careers_target)
    if len(result) > 0:
        url = result[0]["url"]
        if url.startswith("/") or url.startswith("./"):
            url = urljoin(website, url)
        careers_pages.append(url)</code>

請注意，可以選擇使用搜索API替換此步驟，用搜索調(diào)用替換LLM調(diào)用。

步驟3：抓取開放職位

最后一步是從網(wǎng)站的職業(yè)頁面加載所有開放職位。假設(shè)我們正在尋找軟件工程職位，那么我們將查找職位名稱、地點、鏈接以及它是否與軟件工程相關(guān)：

<code>jobs_target = {
    "Title": "職位的名稱",
    "Location": "職位的所在地",
    "Link": "職位發(fā)布的鏈接",
    "SE": "如果這是軟件工程職位，則為True，否則為False",
}

jobs = []
for page in careers_pages:
    result = await scraper.arun(url=page, elements=jobs_target)
    if len(result) > 0:
        for row in result:
            row["url"] = page
            row["Link"] = urljoin(row["url"], row["Link"])
    jobs.extend(result)</code>

所有職位都已提取，我們可以過濾掉所有非軟件工程職位并將它們保存到.csv文件中：

<code>import csv

engineering_jobs = [job for job in jobs if job["SE"] == "True"]

with open("jobs.csv", "w") as f:
    write = csv.writer(f)
    write.writerow(engineering_jobs[0].keys())
    for job in engineering_jobs:
        write.writerow(job.values())
</code>

最后，我們得到一個包含職位列表的表格，如下所示：

下一步，我們可以重復(fù)相同的過程來從完整的職位列表中提取更多信息。例如，獲取技術(shù)棧或過濾遠程初創(chuàng)公司的工作。這將節(jié)省手動查看所有頁面的時間。您可以嘗試自己迭代Link字段并提取您感興趣的元素。

希望您覺得這篇文章有幫助，如果您有任何問題，請告訴我。

以上是使用 Python 和法學(xué)碩士搜索初創(chuàng)公司職位的詳細內(nèi)容。更多信息請關(guān)注PHP中文網(wǎng)其他相關(guān)文章！