
Actor 是托管的数据采集程序。LinkedIn Profile Scraper 是本文中的 Actor。Task 是为 Actor 保存的输入预设。Actor 采集公开的个人资料字段。由你审阅关系主张。Actor 不判定关系。它不核验雇佣情况。它不建立线索列表。
采集一条已知个人资料
build 是 Actor 带编号的公开版本。当前公开 build 是 1.0.28。这个 build 接收一个 `startUrls` 列表。每一项必须是一条已知的公开个人资料 URL。该 URL 必须包含 `/in/`。用一个预定 URL 替换整个已保存的示例列表。已保存的 Task 只是起始输入。它并不能证明这次审阅会自行发生。
把你已知的个人资料 URL 放入 `startUrls`,如下面这个输入所示。
{
"startUrls": [
"https://www.linkedin.com/in/your-intended-public-profile"
]
}把该示例路径改成你选定的真实公开个人资料。不要在列表中留下任何旧的示例 URL。
在个人资料记录上读取这些字段:
- `profileId`:该个人资料的稳定 ID
- `profileUrn`:同一份个人资料的另一个稳定 ID
- `publicIdentifier`:URL 路径中的公开名称
- `url`:公开个人资料地址
- `name`:个人资料上显示的姓名
- `headline`:整份个人资料的一段文本
- `currentOrganizations`:组织名称列表
- `organizationDetails`:包含组织事实的对象
- `education`:教育条目列表
- `educationDetails`:带有教育文本和日期的第二份列表
- `status`:这次读取是否成功
- `statusReason`:读取失败或被阻止时的原因
- `observedAt`:这次公开读取的时间
`headline` 是个人资料层级的文本。它并不存储在某一个组织对象内部。
每个 `organizationDetails` 对象可以包含 `name`、`url` 和 `location`。它没有职位名称。它没有合同类型,例如全职或兼职。它没有工作开始日期或工作结束日期。它没有角色配对 ID。角色配对 ID 会把一个角色绑定到一个组织。
雇佣关系就是一个角色与一个雇主之间的这种绑定。字段路径是一个值在记录中的位置。`headline` 是一条字段路径。`organizationDetails.name` 是另一条字段路径。这里没有任何字段路径陈述雇佣关系。
每个 `educationDetails` 项可以包含 `name`、`url` 和 `description`。它也可以包含 `startDate` 和 `endDate`。日期是文本字符串或 null。null 表示该值缺失。缺失与零不同。描述并不能证明学位。它也不能证明执照或执业权利。
一次运行是对 Actor 的一次使用。该次运行报告 `inputCount`、`usefulRows`、`failedRows` 和 `stopReason`。`inputCount` 是送入的 URL 数量。`usefulRows` 是成功保存且状态为 ok 的个人资料行数。非 ok 的行会被存储,但计入 `failedRows`。`stopReason` 说明该次运行为何停止。这些数字只描述该次运行。它们不统计关系主张。审阅了四条主张,并不会使 `usefulRows` 等于四。
一条已核对的公开个人资料记录与已知的个人资料 ID 相匹配。它有一个 `currentOrganizations` 项。它有一个 `organizationDetails` 对象。该对象有名称、URL 和地点。头衔缺失。`education` 列表为空。`educationDetails` 列表为空。状态显示成功。成功并没有补上你可能想要的角色字段。它没有证明当前的有偿工作。它没有证明完整的职业经历。教育列表为空,表示公开文本不可用。这并不能证明该人没有教育经历。缺失的头衔是未知文本。它不是不存在任何角色的证明。
完成这八个审阅步骤
只有在个人资料身份匹配之后,才执行这些步骤。身份核对属于另一份身份指南。本文不会把帖子、评论或其他个人资料加以关联。
- 从已知的个人资料 URL 和你需要回答的问题开始。你可能想要一家公司和一个角色。个人资料记录可能显示头衔和组织名称。这些文本并不是针对每个组织都已核对过的角色到雇主的绑定。先采集这一小份公开记录。把 `status`、`statusReason` 和 `observedAt` 与它保存在一起。在此之前不要写下关系主张。
- 确认该记录就是预定的个人资料。你需要一个非空白的 `profileId`,以及与之匹配的公开 URL。当 `profileUrn` 存在时,可以按同样方式使用它。如果该 ID 为空白、缺失,或与 URL 冲突,就停止。不要把该记录纳入关系审阅。在它旁边写下原因。仅凭姓名并不够。
- 把每一条拟议关系各自写成一条主张。在判断之前先这样做。一条主张可能说,此人是某一指名公司的工程师。另一条可能说,这种绑定是当前的全职有偿工作。另一条可能说,一条教育条目证明了已完成的学位。个人资料姓名和 ID 并不能证明这些主张。
- 找出确切的字段路径和原始值。`headline` 是整份个人资料的文本。`currentOrganizations` 列出组织名称。`organizationDetails` 补充名称、URL 和地点。它不补充角色、合同类型或工作日期。不要把同一个头衔与每一个组织配对。不要把列表位置当作连接键。列表位置只是各项的顺序。不要把组织 URL 当作一份工作的证明。
- 给该主张指定一个审阅状态。这些状态是你在审阅过程中建立的。它们不是 Actor 字段。`supported_only_at_source_scope` 表示记录在该时间显示了这一狭义事实。`unsupported_pairing` 表示两个事实都出现了,但没有字段把它们绑在一起。`unsupported_employment_state` 表示记录没有显示薪酬、工时或当前合同。`unsupported_credential_claim` 表示记录没有显示已完成的学位、学历授予或执照。`needs_source_review` 表示记录不清楚,需要再查看来源。缺少证明并不会使该主张成为假的。这表示这份记录不能确立该主张。矛盾是不同的情况。只有当另一份已核对来源明确不一致时,才使用矛盾。不要把缺口称作矛盾。
- 用最狭义、如实的句子替换未得到支持的主张。按头衔自身的措辞保留头衔。按每个组织自身的措辞保留每个组织。把头衔和组织名称表述为彼此分开的事实。不要写成此人在这两家组织都是工程师。如果你需要雇佣关系,使用明确陈述该关系的来源。记录该来源及其自身的时间。不要假定这个 Actor 隐藏了完整的职业经历部分。
- 用同样的规则审阅教育。将来的 `endDate` 并不能证明此人今天已经毕业。一段描述不是经过核验的学位或执照。按所给精度保留日期字符串。仅有年份的值不会变成确切的某一天。教育列表为空,表示公开文本不可用。这并不能证明不存在任何资历。被阻止的记录同样不能证明这一点。未知仍是未知。未知不是零。
- 审阅完成后制作一张主张表。每条主张行有七个单元格。写明来源个人资料和观察时间。然后写拟议主张。然后写确切的字段值。然后写状态和原因。然后写改正后的措辞。然后写你仍然需要的进一步证据。把主张与个人资料分开计数。把主张与组织对象分开计数。把主张与教育对象分开计数。这是一次事实审阅。它不是雇佣数据库。它不是角色计数。它不是资历核验。角色计数属于另一份角色编码指南。
虚构示例的逐步审阅
本节中的个人资料和值都是虚构的。它们是教学示例,不是 Actor 的结果。它们不是某个真实人物经过核验的雇佣情况。
该虚构示例使用一份个人资料,称为 P1。假定的观察时间是 2026-06-15T12:00:00Z。该时间只为这个示例而假定。
原始头衔值是 Engineer | advisor。保持该原始文本不变。
`currentOrganizations` 包含两个名称。这两个名称是 Cedar Labs 和 North Club。
组织对象 1 是 Cedar Labs。它只有名称、URL 和地点。组织对象 2 是 North Club。它只有名称、URL 和地点。两个对象都没有角色、合同类型、工作日期或角色配对 ID。
有一个教育对象。其名称是 Cedar College。其描述是 Engineering。其 `startDate` 是 2024。其 `endDate` 是 2027。这些日期值是年份标签,不是确切的日期。
没有字段把一个角色绑定到一个雇主。没有字段给出学历授予状态。Cedar Labs 是第一个组织名称。North Club 是第二个。该顺序不是连接键。Cedar College 与 Cedar Labs 共用 Cedar 这个词。共用的一个词并不是组织与学校之间的绑定。
这次审阅有四条主张。它使用一份个人资料、两个组织对象和一个教育对象。不要把这四条主张变成四个人。
| 来源个人资料与观察 | 拟议主张 | 确切字段值 | 状态 | 原因 | 改正后的措辞 | 仍需的进一步证据 |
|---|---|---|---|---|---|---|
| 虚构 P1,假定时间 2026-06-15T12:00:00Z | R1. P1 是 Cedar Labs 的工程师 | 头衔是上方的原始个人资料文本。`currentOrganizations` 包含 Cedar Labs。Cedar Labs 对象只有 name、URL 和 location。 | unsupported_pairing | 头衔没有雇主绑定。没有字段把这些角色用词与 Cedar Labs 配对。 | 在假定时间,头衔是上方的原始文本。该记录也列出了 Cedar Labs。这些事实保持分开。 | 一份单独的已核对来源,把这个角色绑定到 Cedar Labs,并带有其自身的时间。 |
| 虚构 P1,假定时间 2026-06-15T12:00:00Z | R2. P1 目前为 North Club 全职工作 | `currentOrganizations` 包含 North Club。North Club 对象只有 name、URL 和 location。它没有合同类型,也没有工作日期。 | unsupported_employment_state | 列出的组织并不能证明全职工作或当前薪酬。 | 在假定时间,该记录列出 North Club 的名称、URL 和地点。它没有陈述合同。 | 一份单独的已核对来源,陈述 North Club 的合同类型和日期。 |
| 虚构 P1,假定时间 2026-06-15T12:00:00Z | R3. P1 于 2026 年从 Cedar College 毕业 | 教育名称是 Cedar College。描述是 Engineering。`startDate` 是 2024。`endDate` 是 2027。 | unsupported_credential_claim | `endDate` 标签是 2027,不是 2026 年的学历授予。没有字段显示已完成的学历授予。年份标签不是确切的日期。 | 条目名称是 Cedar College。描述标签是 Engineering。`startDate` 标签是 2024。`endDate` 标签是 2027。这些是原始标签,不是经过核验的在读或学历授予。 | 如果你需要那条更强的主张,则需要一份单独的已核对学历授予记录。 |
| 虚构 P1,假定时间 2026-06-15T12:00:00Z | R4. 这份已核对的公开个人资料在所保存的观察时间列出了这三个确切的文本字段 | 上方的头衔文本、名称 Cedar Labs 和 North Club,以及带有日期标签的 Cedar College 条目。 | supported_only_at_source_scope | 该虚构记录在假定时间包含这些公开文本。证据只支持该记录列出了这些文本。 | 在假定时间,虚构个人资料 P1 列出了该头衔、那两个组织名称和那一条教育条目。 | 对“该记录列出了这些文本”这一有限说法,不需要进一步证据。它并不能证明这些工作或一个学位。 |
第二份虚构个人资料的 status 为 ok。其头衔缺失。基于该头衔的角色主张是未知的。不要把 P1 的头衔或 P1 的角色赋给它。缺失的头衔不是一份空白的工作。它也不是零个角色。这些虚构情形都不是真实的雇佣结果。
来源和延伸阅读
作者 Chronometrica · 更新日期
返回顶部 ↑
