Cómo comprobar que una exportación de empleos tiene descripciones completas

Configuración de la recolección

Para recolectar datos de empleos, use el Actor Indeed Jobs Scraper con una entrada guardada del Indeed Jobs Scraper Task Preset. Defina una consulta pertinente y un país, `maxItems=2`, `maxPagesPerSearch=1` y `saveOnlyUniqueItems=true`. Indeed intenta obtener los detalles completos de forma automática; los lectores no necesitan un ajuste fetchJobDetails. El enriquecimiento de la empresa mediante `scrapeCompanyDetails` sigue siendo independiente.

El esquema de salida incluye `jobId`, `jobUrl`, `title`, `companyName`, `locationRaw`, `scrapedAt`, `descriptionStatus`, `descriptionText`, `descriptionSnippet` y `descriptionHtml`. Aquí, `descriptionText` aporta el contenido de texto plano completo cuando está disponible, `descriptionSnippet` guarda el texto de vista previa y `descriptionHtml` sirve como evidencia retenida del formato de origen. El HTML por sí solo no demuestra la identidad ni la completitud del origen. Debe hacer coincidir la identidad del origen e inspeccionar el texto completo real.

Los valores de estado del Actor son estrictamente `full` y `missing`, en minúsculas. Las categorías de solo fragmento y de no disponible funcionan como grupos de revisión del lector, no como estados prometidos del Actor. El estado o la longitud por sí solos no pueden demostrar que el texto esté completo.

Método de recolección

1. Defina el propósito de su recolección. Decida qué partes del origen necesita, como las tareas y las condiciones exigidas. Esto define si el texto disponible alcanza. Un simple recuento de palabras no puede hacerlo.
2. Recolecte una muestra pequeña de búsqueda. Conserve la identidad del origen, los campos de texto, el estado, la hora de observación y la salida. Inspeccione las filas guardadas, los topes y los fallos.
3. Arme tres grupos de trabajo: candidato a detalle completo, solo fragmento y no disponible. Si el estado dice full pero el texto está en blanco, envíelo a revisión. Si un estado es desconocido, consérvelo y revíselo en lugar de adivinar.
4. Abra el enlace exacto del empleo y haga coincidir el ID del empleo de origen, el título, la empresa y el lugar. Confirme que las tareas y las calificaciones extraídas correspondan a ese puesto. Los empleos recomendados y las vistas previas de búsqueda pueden tener texto incorrecto.
5. Compare las secciones exigidas del origen con el texto recolectado. Si faltan secciones sustanciales, su análisis queda pendiente. Conserve `descriptionHtml` como evidencia del formato de origen cuando sea útil, pero recuerde que el HTML por sí solo no demuestra ni la identidad ni la completitud. Registre la hora de su control porque el origen puede cambiar después de la recolección.
6. En los casos de fragmento o de no disponible, un reintento pequeño posterior puede ayudar si el origen queda accesible, pero no repita el ciclo sin fin ni infrinja los límites de acceso. Use el origen oficial de forma manual si puede. Mantenga separados los controles anteriores y los nuevos. Si el texto completo sigue sin aparecer, deje esa fila fuera de su análisis.
7. Guarde un registro de preparación con la clave del empleo, el estado, las secciones exigidas, el resultado de coincidencia con el origen, la fecha del control y la decisión. El análisis posterior debe usar esta compuerta, no una columna combinada que oculte los fragmentos.

Ejemplo ficticio y resultados

Todo el texto de origen y los controles de esta sección son inventados. Cuatro avisos recolectados muestran cómo funciona esto:

• El estado de J1 es full. El texto incluye tareas, lugar de trabajo y reglas. El ID del empleo y la empresa coinciden con el origen. Acepte este aviso para el análisis definido.
• El estado de J2 es missing y queda en el grupo de revisión de solo fragmento. La vista previa da una introducción corta, pero faltan las calificaciones completas. Exclúyalo del análisis de requisitos hasta que revise el texto completo.
• El estado de J3 es missing y queda en el grupo de revisión de no disponible. El texto es null. El origen necesita un acceso que no está disponible. Manténgalo como desconocido.
• El estado de J4 es full, pero el texto largo nombra un título y una empresa distintos de los del empleo solicitado. Revise la falta de coincidencia. No acepte la longitud ni el estado como prueba.

Las filas que el Actor etiquetó como full son 2 de 4, o el 50 por ciento. Las filas listas tras el control de origen son 1 de 4, o el 25 por ciento. Estos números miden etapas distintas en este caso de prueba de origen inventado. Ninguna de las dos afirmaciones es un puntaje de exactitud de todo el Actor.

Si un control posterior obtiene el detalle correcto de J2, agregue ese control nuevo. La preparación pasa a 2 de 4, o el 50 por ciento, para este mismo ejemplo de cuatro avisos. Los estados históricos anteriores permanecen intactos. No reescriba el archivo inicial ni informe el valor posterior como cobertura inicial. El artefacto final es un registro de cuatro filas con el estado y la coincidencia con el origen, en el que solo J1 queda habilitado al inicio para el análisis de requisitos.