Como verificar se a exportação de vagas tem descrições completas

Configuração da coleta

Para coletar dados de vagas, use o Actor Indeed Jobs Scraper com uma entrada salva do Indeed Jobs Scraper Task Preset. Defina uma consulta relevante e um país, `maxItems=2`, `maxPagesPerSearch=1` e `saveOnlyUniqueItems=true`. O Indeed tenta obter os detalhes completos de forma automática; os leitores não precisam de uma configuração fetchJobDetails. O enriquecimento da empresa por meio de `scrapeCompanyDetails` permanece separado.

O esquema de saída inclui `jobId`, `jobUrl`, `title`, `companyName`, `locationRaw`, `scrapedAt`, `descriptionStatus`, `descriptionText`, `descriptionSnippet` e `descriptionHtml`. Aqui, `descriptionText` fornece o conteúdo completo em texto simples quando disponível, `descriptionSnippet` guarda o texto de prévia e `descriptionHtml` serve como evidência retida no formato da fonte. O HTML sozinho não prova a identidade da fonte nem a completude. Você deve confirmar a identidade da fonte e inspecionar o texto completo real.

Os valores de status do Actor são estritamente `full` e `missing`, em minúsculas. As categorias somente trecho e indisponível funcionam como grupos de revisão do leitor, e não como status prometidos do Actor. O status ou o comprimento, sozinhos, não podem provar que o texto está completo.

Método de coleta

1. Defina o propósito da sua coleta. Decida quais partes da fonte você precisa, como atribuições e condições exigidas. Isso define se o texto disponível é suficiente. Uma contagem simples de palavras não consegue fazer isso.
2. Colete uma amostra pequena de busca. Guarde a identidade da fonte, os campos de texto, o status, o horário da observação e a saída. Inspecione as linhas salvas, os limites e as falhas.
3. Faça três grupos de trabalho: candidato a detalhe completo, somente trecho e indisponível. Se o status disser full, mas o texto estiver em branco, envie o item para revisão. Se um status for desconhecido, mantenha-o e verifique, em vez de adivinhar.
4. Abra o link exato da vaga e confira o ID da vaga na fonte, o título, a empresa e o local. Confirme que as atribuições e as qualificações extraídas correspondem a essa função. Vagas recomendadas e prévias de busca podem ter o texto errado.
5. Compare as seções exigidas da fonte com o texto coletado. Seções ausentes que importam para a análise definida mantêm a sua análise pendente. Retenha `descriptionHtml` como evidência no formato da fonte quando for útil, mas lembre-se de que o HTML sozinho não prova identidade nem completude. Registre o horário da sua verificação, porque a fonte pode mudar depois da coleta.
6. Para casos de trecho ou indisponível, uma nova tentativa pequena posterior pode ajudar se a fonte ficar acessível, mas não repita em ciclo sem fim nem ultrapasse os limites de acesso. Use a fonte oficial de forma manual, se puder. Mantenha as verificações antigas e as novas separadas. Se o texto completo continuar ausente, deixe essa linha fora da sua análise.
7. Salve um registro de prontidão com a chave da vaga, o status, as seções exigidas, o resultado da correspondência com a fonte, a data da verificação e a decisão. A análise posterior deve usar esse controle, e não uma coluna mesclada que esconde os trechos.

Exemplo fictício e resultados

Todo o texto da fonte e todas as verificações nesta seção são inventados. Quatro anúncios coletados mostram como isso funciona:

• O status de J1 é full. O texto inclui atribuições, local de trabalho e regras. O ID da vaga e a empresa correspondem à fonte. Aceite este item para a análise definida.
• O status de J2 é missing, colocado no grupo de revisão do leitor somente trecho. A prévia apresenta uma introdução curta, mas as qualificações completas estão ausentes. Exclua este item da análise de requisitos até você verificar o texto completo.
• O status de J3 é missing, colocado no grupo de revisão do leitor indisponível. O texto é null. A fonte exige um acesso que está indisponível. Mantenha o item como desconhecido.
• O status de J4 é full, mas o texto longo indica um título e uma empresa diferentes da vaga solicitada. Revise a divergência. Não aceite o comprimento nem o status como prova.

As linhas rotuladas pelo Actor como full são 2 de 4, ou 50 por cento. As linhas prontas após a verificação da fonte são 1 de 4, ou 25 por cento. Esses números medem etapas diferentes neste caso de teste de fonte inventado. Nenhuma das afirmações é uma pontuação de precisão do Actor como um todo.

Se uma verificação posterior obtiver o detalhe adequado de J2, acrescente essa nova verificação. A prontidão passa a ser 2 de 4, ou 50 por cento, neste mesmo exemplo de quatro anúncios. Os estados históricos antigos permanecem intactos. Não reescreva o arquivo inicial nem apresente o valor posterior como cobertura inicial. O artefato final é um registro de quatro linhas de status e de correspondência com a fonte, no qual somente J1 está inicialmente liberado para a análise de requisitos.