一张职位卡片分别连接到数字、下限和未知三个托盘。
把显示的短语和它的来源时间放在一起。

采集设置与字段限制

要设置采集,请替换当前预设输入:其中 `searchTerm` 含有三个职位,`startUrls` 为 `[]`,`saveOnlyUniqueItems` 为 `true`。把整个职位列表替换为一个预定的 `searchTerm` 和地点,将 `maxItems` 设为 `3`,将 `maxPagesPerSearch` 设为 `1`,并将 `fetchJobDetails` 设为 `true`。

公开构建版本 0.2.19 提供行字段 `jobId`、`jobUrl`、`title`、`companyName`、`applicantsRaw`、`postedAtRaw`、`postedAt` 和 `scrapedAt`。`applicantsRaw` 字段是可为空的字符串。像 "35 applicants"、"72 applicants" 和 "88 applicants" 这样的原生字符串值,只证明该字段可用。派生的 `postedAt` 字段来自相对文本,不能证明确切的发布时间。`requestedMaxItems`、`jobsSaved`、`candidateItemsSeen`、`pagesParsed`、`detailRequests`、`detailFailures`、`blockedRequests`、`failedRequests` 和 `stopReason` 等运行输出用于跟踪本次运行的执行情况。`stopReason` 为 `max_items_reached` 只证明达到了条数上限,并不证明覆盖了整个市场。

类型化表格指每一列都有一种已声明的值类型。整数显示是对可见整数的精确转录,但底层被计数的事件仍然未知。像 "2K" 这样的约整显示,既不是已核实的精确值,也不是已核实的舍入间隔。像 "Over 100" 这样的下限显示,表示高于 100 的界限,而不是恰好 100。

分步采集方法

  1. 先写明真正的问题。所显示的计数器并不显示工作者技能、是否符合职位申请资格、每人只计一次的不同人数,或已填完的表格。此方法建立一份清楚的证据记录,而不是招聘评分,也不是建议你放弃。
  2. 采集一个公开职位样本。核对职位 ID 和 URL,并把原始申请人数文本与采集时间一起保存。该显示以后可能改变或消失。不要把未公开的招聘报告放进你的公开数据,不论招聘人员属于哪一类。
  3. 区分各种显示状态。把文本分成整数显示、约整显示、下限显示、非数字短语和不可用。保留原词以及解析规则。整数只是文本副本,不能证明该事件是精确的,也不能证明人数是每人只计一次。不要抹去 over 或 plus 这类标记。
  4. 只按文字本身的意思来解析。文本 "35 applicants" 表示整数 35。文本 "Over 100 applicants" 表示高于 100 的下限,而不是恰好 100。文本 "2K applicants" 是简写,没有已核实的舍入规则。像 "Be among the first 25 applicants" 这样的短语是宣传文本,不是直接计数。空值表示不可用,而不是零。
  5. 补上事件定义状态和证据。这个公开页面没有官方定义时,就把该事件保持为未知。Campaign Manager 的点击次数和申请次数属于另一个工具,不能定义这个公开计数器。
  6. 把发布时长和采集时间分开。像 "3 days ago" 这样的相对标签,加上一次快照,给不出确切的每日速率。后来的一次观察,只有在职位 ID 和显示规则一致时,才表示存在差异。这不能证明市场增长。
  7. 用这份记录看出你的选择有哪些限制。不要用 1 除以该计数来算出你获得该职位的机会。不同的申请者都会申请,事件未知,也没有测量任何选拔过程。请阅读职位详情并评估你的证据,而不是信任一个公开排名。
  8. 交付一张类型化表格,包含原始文本、显示状态、数值证据、事件定义、日期证据和未解决原因。让未知项保持可见,不要猜测一个真实的申请人数。

原创虚构的完整原始显示台账

以下示例和表格行均为原创虚构。

原创虚构的完整原始显示台账
职位 ID来源引用原始显示文本显示状态数值证据事件定义日期证据UTC 观察时间未解决原因
J1fictional_src_0135 applicantsinteger_display35unknown3 days ago2026-10-13T06:00:00Z事件类型未定义
J2fictional_src_02Over 100 applicantslower_bound_display高于 100unknown1 week ago2026-10-13T06:00:00Z有界下限
J3fictional_src_032K applicantsrounded_display未核实unknown2 weeks ago2026-10-13T06:00:00Z简写舍入
J4fictional_src_04Be among the first 25 applicantsnonnumeric_phrase无unknown4 days ago2026-10-13T06:00:00Z宣传文本
J5fictional_src_05nullunavailable无unknown5 days ago2026-10-13T06:00:00Z字段缺失
J6fictional_src_060 applicantsinteger_display0unknown6 days ago2026-10-13T06:00:00Z计数为零,不是缺失

在这个虚构集合中,有六行观察记录、两处整数显示、一处下限显示、一处约整显示、一处非数字短语,以及一个不可用字段。这里没有任何一个集合包含六个已知的申请人数。不要把这些状态相加成总的市场规模。未知值与零保持分开。

如果身份相同的 J1 在 2026-10-14T06:00:00Z 被观察到,并显示 "40 applicants",则可比较的显示差值是加 5。这并不是 5 个已确认的、新的、每人只计一次且已完成的申请。如果它改为显示 "Over 100",就没有精确的可比较差值。三天的相对时长,并不能支持把 35 除以 3,从而声称每天有 11 份申请。

来源和延伸阅读

作者 Chronometrica · 更新日期

返回顶部 ↑