
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
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
| 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 |
|---|---|---|---|---|---|---|---|---|
| J1 | fictional_src_01 | 35 applicants | integer_display | 35 | unknown | 3 days ago | 2026-10-13T06:00:00Z | 事件类型未定义 |
| J2 | fictional_src_02 | Over 100 applicants | lower_bound_display | 高于 100 | unknown | 1 week ago | 2026-10-13T06:00:00Z | 有界下限 |
| J3 | fictional_src_03 | 2K applicants | rounded_display | 未核实 | unknown | 2 weeks ago | 2026-10-13T06:00:00Z | 简写舍入 |
| J4 | fictional_src_04 | Be among the first 25 applicants | nonnumeric_phrase | 无 | unknown | 4 days ago | 2026-10-13T06:00:00Z | 宣传文本 |
| J5 | fictional_src_05 | null | unavailable | 无 | unknown | 5 days ago | 2026-10-13T06:00:00Z | 字段缺失 |
| J6 | fictional_src_06 | 0 applicants | integer_display | 0 | unknown | 6 days ago | 2026-10-13T06:00:00Z | 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 ↑

