Chronometrica vs Kaix: ¿qué Actor de Naukri elegir para tu canal público de empleo?

Qué necesita un portal de empleo de esta comparación

Una consulta pública en Reddit pregunta si alguna API existente puede proporcionar ofertas de empleo en la India para un portal de empleo creado como proyecto personal. Plantea una pregunta útil: ¿puede un servicio de recopilación proporcionar los datos necesarios sin que el propietario del portal tenga que crear un scraper? Un scraper es un programa que recopila datos de un sitio web. La consulta no demuestra una preferencia por un proveedor, una cobertura completa de empleadores ni permiso para volver a publicar las descripciones. Consulta original sobre el portal de empleo

Para tomar esta decisión, separa las 3 tareas que debe realizar tu sistema. Primero, debe encontrar ofertas pertinentes. Después, debe guardar cada oferta observada con información suficiente para comprobarla. Por último, debe decidir qué datos puede mostrar y cuándo debe volver a comprobarlos.

Un Actor permite recopilar datos. Tu portal sigue necesitando reglas de almacenamiento, revisión y presentación. Por tanto, un resultado útil requiere más que una solicitud correcta a la API. Las filas devueltas deben contener los campos que necesitas. También debes entender por qué se detuvo la recopilación.

Este artículo te ayuda a elegir entre los 2 Actors. Para conocer el método de solicitud a la API existente, consulta Cómo recopilar ofertas públicas de empleo de Naukri mediante una API.

Compara primero los modos de recopilación

Un modo de recopilación es la forma en que pides al programa que busque ofertas. Decide qué modo necesitas antes de comparar el número de campos disponibles.

La tabla se basa en la documentación de Chronometrica y la documentación de Kaix revisadas. Los ID de taxonomía identifican categorías del sistema de clasificación de Naukri.

Chronometrica se adapta bien a la búsqueda sencilla descrita. Sus controles documentados permiten indicar el puesto, la ubicación, la experiencia y la antigüedad de la oferta, y después limitar las filas guardadas. Un formulario más amplio resulta importante cuando un modo de recopilación necesario depende de él. Un formulario sencillo no demuestra por sí solo una mejor cobertura. Documentación de entradas de Chronometrica

La tabla ayuda a tomar esta decisión concreta. No es un inventario completo de funciones. No des por hecho que una función no existe porque la tabla no la documenta.

Por qué Chronometrica se adapta a un canal de búsqueda con límites

Chronometrica documenta `searchTerm`, `location`, `experienceYears`, `postedWithinDays`, `sortBy`, `searchDepth` y `maxItems`. Estos campos ofrecen un formulario de búsqueda definido para un portal pequeño. Se adaptan a un portal que puede establecer el alcance de la recopilación antes de una ejecución. Documentación de entradas de Chronometrica

La fila guardada incluye `jobId`, `jobUrl`, `title`, `companyName`, `location`, `descriptionText`, `skills` y los datos disponibles sobre salario y experiencia. Chronometrica guarda una sola fila por cada `jobId` único observado en cada ejecución. Los datos públicos que faltan permanecen como `null`. Este valor indica que el dato se desconoce o no está disponible. Documentación de salidas de Chronometrica

Esta estructura de filas ofrece un punto de partida útil para un portal pequeño. El portal puede identificar la oferta, conservar el enlace de origen y registrar qué datos necesitan revisión. Un ID de oferta identifica una oferta observada. No demuestra que la página de candidatura siga activa.

El límite compartido deja claro el límite de recopilación. `maxItems` se aplica después de filtrar y eliminar duplicados. Limita el total de filas guardadas durante toda la ejecución. No asigna un cupo separado a cada palabra clave. Si tu plan presupone un cupo separado por palabra clave, cámbialo antes de recopilar los datos. Límite de filas guardadas de Chronometrica

`searchDepth` ofrece los niveles de esfuerzo `standard`, `extended` y `deep`. Un nivel mayor no garantiza obtener todas las ofertas ni mejorar la calidad de los datos. Usa este ajuste para elegir el esfuerzo de recopilación y después revisa las observaciones guardadas. Controles de búsqueda de Chronometrica

Estas funciones revisadas respaldan la recomendación para buscar ofertas con límites. No demuestran un coste menor, ejecuciones más rápidas ni una cobertura completa.

Comprueba si se adapta a tus necesidades con una entrada pequeña

La Task pública Naukri Jobs API Dataset Task proporciona una configuración inicial. Una Task es una configuración de entrada guardada para un Actor. Revisa su entrada actual real antes de usarla. La comprobación registrada de la página devolvió HTTP 200, que indica una respuesta correcta de la página. Esa comprobación no verificó los ajustes guardados actuales.

Esta consulta ficticia ofrece un pequeño ejemplo de aceptación. Una comprobación de aceptación determina si un resultado satisface las necesidades que has definido.

{
  "searchTerm": "data engineer",
  "location": "Bengaluru",
  "experienceYears": 3,
  "postedWithinDays": "7",
  "searchDepth": "standard",
  "maxItems": 5
}

Esta entrada superó una comprobación local con una copia en caché del JSON Schema público. Un JSON Schema define los campos de entrada permitidos, sus tipos de valores y sus límites. Todos los nombres de campo proporcionados existen en ese esquema. La comprobación respalda la estructura de la entrada. No demuestra que la fuente esté disponible en vivo ni predice el número de filas guardadas. No se ejecutó ningún Actor para este ejemplo. Esquema público de Chronometrica

Mantén los tipos de valores indicados. `searchTerm` y `location` son cadenas, es decir, valores de texto. `experienceYears` es un entero de 0 a 30. Un entero es un número sin parte decimal. `maxItems` es un entero de al menos 1. Aquí, `postedWithinDays` usa la cadena `"7"` y `searchDepth` usa `"standard"`. Estos valores proporcionados superaron la comprobación con el esquema en caché. Esquema de entradas de Chronometrica

La consulta solicita 3 años de experiencia. Aun así, debes comparar los requisitos de cada oferta devuelta con ese valor. Una oferta puede indicar un intervalo de experiencia o incluir otras condiciones en su texto. El valor solicitado no demuestra por sí solo que todos los empleos devueltos sean adecuados.

Aplica 5 comprobaciones de aceptación

Escribe el resultado que esperas antes de recopilar los datos. Un conjunto de datos con filas solo resulta útil si esas filas sirven para el canal previsto. Usa estas comprobaciones para decidir si el Actor seleccionado satisface esa necesidad.

1. Define la búsqueda y los campos necesarios. Indica el puesto, la ubicación, la experiencia y la antigüedad de la oferta. Enumera los datos que tu portal necesita para identificar y evaluar una oferta. Separa las necesidades de recopilación de las decisiones sobre presentación y republicación. Por ejemplo, puede ser aceptable desconocer el salario si el portal lo mantiene como desconocido.
2. Selecciona el modo de recopilación. Decide si necesitas encontrar ofertas o recuperar un conjunto conocido. Aplica la condición de cambio indicada al principio del artículo antes de seleccionar el Actor. No des por hecho que repetir búsquedas amplias permitirá recuperar todas las ofertas conocidas.
3. Establece un límite compartido bajo de filas guardadas. Revisa la entrada actual de la Task y compárala con el formulario del Actor. Aplica los ajustes del ejemplo solo si se adaptan a tus necesidades. Registra el límite como un total para la ejecución. No lo multipliques por el número de palabras clave.
4. Revisa las filas y el resumen de ejecución. Comprueba los duplicados de `jobId`, las URL de origen de las ofertas, el texto disponible sobre salario y experiencia, y los campos que faltan. Lee el resumen `OUTPUT` para conocer los motivos de detención. Compara el resultado con tus requisitos escritos e incluye si la recopilación se detuvo al alcanzar el límite. Documentación de salidas de Chronometrica
5. Comprueba la fuente antes de mostrar los datos. Abre las páginas de candidatura de origen para comprobar su estado actual. Revisa las condiciones aplicables de la fuente antes de publicar un canal. Mantén los datos que faltan como `null`. Añade la fecha y hora de observación en tu propio almacenamiento para saber cuándo se recopilaron los datos.

Estas comprobaciones pueden llevar a 3 decisiones útiles: aceptar la búsqueda sencilla, cambiar los requisitos o evaluar el modo alternativo. Si un modo resulta claramente inadecuado, no hace falta un programa extenso de pruebas. Aunque el modo sea adecuado, debes revisar las filas antes de conectar su salida a un canal público.

Si falta un dato necesario, registra ese hallazgo por separado del número de filas. Guardar 5 filas no satisface el requisito de disponer de 5 filas utilizables si a algunas les falta un campo que tu portal necesita. Decide qué campos pueden faltar antes de evaluar el resultado.

Una decisión ficticia con un cálculo comprobado

Considera un portal de empleo ficticio que quiere un conjunto pequeño de ofertas de ingeniería de datos en Bengaluru. Acepta valores de salario desconocidos, exige una URL de origen y limita esta recopilación a 5 ofertas únicas guardadas.

En este ejemplo inventado, la recopilación encuentra 8 apariciones de posibles ofertas. De ellas, 3 repiten valores de `jobId` ya guardados a partir de otra palabra clave en la misma recopilación. Al eliminar esas repeticiones, quedan 5 ofertas únicas observadas:

`8 candidate appearances − 3 duplicate appearances = 5 unique job rows`

El cálculo está comprobado. Las cantidades son ficticias. Este ejemplo no es una prueba del Actor, un conjunto de datos en vivo, una cita de un comprador ni un resultado de costes medidos.

El portal guarda la URL de origen de cada fila. Después comprueba si la página de candidatura está activa. También registra la fecha y hora de observación y anota los datos que faltan. Esto permite al portal evaluar las filas guardadas sin afirmar más de lo que muestran las observaciones.

5 filas únicas no significan 5 empleadores ni 5 vacantes activas. Las filas tampoco demuestran que exista permiso para volver a publicar las descripciones completas. Esas decisiones requieren comprobaciones separadas.

Para esta necesidad de búsqueda con límites, Chronometrica cumple el criterio de selección. El portal obtiene una base definida para recopilar y revisar un conjunto pequeño de ofertas observadas.

Cambia ahora el requisito ficticio. El portal ya dispone de 5 ID de ofertas concretas y necesita sus detalles. Debería evaluar la consulta directa de Kaix en lugar de usar búsquedas para volver a encontrar esos registros. Modos de consulta de Kaix

Guarda las observaciones sin contar vacantes adicionales

Usa una tabla de observaciones de ofertas en tu propio sistema. Dentro de cada ejecución, usa `jobId` como clave de las filas. Una clave es el valor que el almacenamiento usa para distinguir una fila de otra. Conserva la URL canónica de origen, que es la dirección principal de la oferta en la fuente. Anota los campos que falten.

Añade la fecha y hora en que tu sistema observó los datos. Esta es una recomendación de almacenamiento. No afirma que el Actor proporcione un campo concreto de marca de tiempo. Mantén el registro de recopilación separado de la decisión posterior sobre si la oferta debe aparecer en el portal.

Una observación repetida no crea otra vacante. Si vuelve a aparecer la misma oferta, registra que se observó de nuevo. No aumentes el número de ofertas distintas solo porque la oferta aparezca en otra búsqueda o en otra fecha.

Conserva los datos desconocidos como tales. Un salario que falta no es un salario de 0. La ausencia del dato de experiencia no significa que se requieran 0 años. Sustituir un valor desconocido por un número crea información falsa.

Este método de almacenamiento hace que la elección de la herramienta resulte útil más allá de la primera solicitud. Tu portal debe conservar el significado de las filas recopiladas al guardarlas, contarlas y mostrarlas.

Cuándo deja de ser adecuada la recomendación

El límite de filas guardadas de Chronometrica hace explícito el alcance de la recopilación. No demuestra que las filas guardadas incluyan todas las ofertas que coinciden con la búsqueda. Si tu requisito original es guardar todos los resultados y su número supera el límite configurado, Chronometrica no satisface ese requisito con esa configuración. Controles de filas guardadas de Chronometrica

Aumentar el límite no demuestra una cobertura completa de la fuente. Aumentar `searchDepth` tampoco lo demuestra. Las pruebas revisadas no demuestran que la recopilación sea completa. Mantén el requisito de obtener todos los resultados al evaluar la herramienta. No lo sustituyas por una muestra más pequeña y des el requisito por cumplido.

Cada comprobación de aceptación responde a una pregunta distinta. Una entrada válida tiene una estructura permitida. Una fila guardada registra una observación. Una página de candidatura revisada aporta pruebas sobre esa página en el momento de la revisión. Ninguna de estas comprobaciones responde por sí sola a las 3 preguntas.

Chronometrica es una API de Actor independiente, no una API oficial de Naukri. La disponibilidad pública tampoco demuestra que existan derechos de republicación sin restricciones. Conserva los enlaces de origen y revisa las condiciones aplicables de la fuente antes de mostrar un canal. Actor de Chronometrica