Chronometrica 与 Misceres：完整 Indeed 职位描述采集对比

根据工作所需的描述字段来选择

Actor 是托管运行的数据采集程序。输入指定它要采集什么。输出包含下一步将使用的记录。

购买前，请检查文档列出的输出字段及其含义。描述字段可能包含有用的文本，却未必包含项目所需的全部文本。你需要一种方法，判断哪些记录可以进入分析。

Chronometrica 的文档列出了 4 个独立字段，可用于这项检查：

• `descriptionSnippet` 单独保存摘要。
• `descriptionText` 在有可用内容时提供描述文本。
• `descriptionHtml` 在有可用内容时提供 HTML 格式的描述。HTML 是一种页面格式，可以保留列表等元素。
• `descriptionStatus` 帮助你检查描述的完整性状态。

这些字段便于你制定明确的验收规则。但它们不能证明每条返回的描述都符合规则。即使记录的状态是 `full`，仍需检查其文本是否属于目标职位。Chronometrica 输出文档。

Misceres 的文档列出了描述，以及职位名称、公司、地点、薪资等职位字段。其搜索表单包含职位、地点、国家和结果数量限制。这些是评估它是否适用的依据，并不能证明完整性存在差异。Misceres 产品文档。

如果验收规则要求独立的描述字段和状态检查，可以放心选择 Chronometrica。这项建议针对文档所说明的功能与工作流程的匹配程度。它并不能证明某款产品在所有搜索中都能获取更完整的描述。

采集前先定义什么是完整

买家的需求很明确：从 Indeed 搜索结果获取职位的完整描述。一篇公开的编程求助帖描述了这一需求。它没有提供任何一款 Actor 的基准测试。关于完整描述的原始提问。

运行任一产品前，先将这一需求转化为规则。对于任职要求研究，可以采用以下规则：

如果记录中的描述属于已识别的职位，并且包含研究所需的已发布岗位职责和任职要求，就将其验收通过。保留来源页面地址，即 URL，以及查看该页面的时间。将仍有内容缺漏、尚未解决的记录送交复核。

不要采用统一的字符数门槛。简短的描述也可能包含全部已发布的要求。很长的文本块也可能包含重复的公司介绍、导航内容，或页面其他部分的内容。文本长度有助于找出需要检查的记录，但不能单独证明内容完整。

还要区分 2 个问题：采集是否返回了相关的已发布文本，以及这些文本是否能回答你的研究问题。一条完整的公开职位信息，可能没有说明你想研究的某项资质。这与未能获取包含资质要求的部分不同。

用清楚易懂的语言写下验收规则。说明哪些部分重要、哪些缺漏需要复核，以及将保留哪些来源信息。对 2 款产品采用同一规则。这样，即使 2 款产品返回的字段结构不同，对比仍然有用。

如需更全面的文本检查方法，请参阅如何检查职位导出数据是否包含完整描述。

首次运行前检查输入

Task 是为 Actor 保存的一组预设输入。Chronometrica 公开 Task 可作为起点。运行前，请打开输入并检查各项值。公开的 Task 页面不能证明当前保存的输入具体是什么。

以下小规模输入已通过本次对比所保存的公开输入模式检查。模式定义了允许使用的字段名称、类型和值。

{
  "country": "us",
  "searchTerm": "chemical engineer",
  "location": "United States",
  "maxItems": 3
}

已检查的模式接受 `country` 值 `us`。`searchTerm` 和 `location` 接受文本。`maxItems` 必须是 1 到 10,000 之间的整数。这些是文档规定的输入约束，不能证明搜索会返回所请求数量的可用记录。Chronometrica 输入文档。

化学工程师查询沿用了已保存的买家搜索示例。本简报没有实际运行采集。模式检查不能验证当前的化学工程师职位信息、来源访问情况，或能否获取完整描述。

首次检查时，请设置较小的结果总数上限。3 条记录便于快速人工复核。但它们不能证明产品在整个市场中的表现，也不能证明后续记录具有相同的内容质量。

数量上限也很重要。如果你要求单次运行返回超过 10,000 条结果，那么根据已检查的模式，Chronometrica 无法满足这一要求。不要将受上限限制的导出数据视为全部结果。本对比没有确立覆盖整个市场的方法。

如果目标国家不在已检查的 `us` 输入范围内，请在选择产品前核实文档是否说明支持该国家。不要假定只要修改国家值，就能获得受支持的覆盖范围。

通过小规模验收检查决定是否购买

有用的对比需要明确的输入、明确的验收规则，以及可供检查的记录。将输出用于分析前，请按以下步骤操作。

1. 定义所需文本。写下项目需要的岗位职责、任职要求和来源信息。确定哪些情况需要将记录送交复核。不要只按文本长度制定规则。
2. 检查文档所述的输入支持情况。确认目标国家、查询、地点和结果数量限制符合产品文档规定的输入要求。对于 Chronometrica Task，运行前请检查实际保存的值。
3. 采集少量记录。先将结果总数上限设为可人工复核的数量。记录输入和查看时间。这些信息有助于了解本次检查覆盖了什么。
4. 检查每条描述。对于 Chronometrica，请结合 `descriptionText` 和 `descriptionHtml` 查看 `descriptionStatus`。单独保留 `descriptionSnippet`。检查文本是否属于已识别的职位，以及是否包含相关岗位职责和任职要求。
5. 与来源职位信息对照。打开来源职位页面，将其相关部分与返回的文本比较。如果内容缺漏或字段冲突仍让你有疑问，就检查更多职位信息。将尚未解决的记录保留在待复核组。
6. 做出选择并保留证据。选择支持的输入和返回内容都符合规则的产品。将来源 URL、查看时间和验收理由与记录一起保存。只使用通过验收的文本集对技能或任职要求进行分类。这个分类步骤称为编码。

记录他人能够理解的理由。“包含有用的岗位职责和任职要求”比“看起来不错”更有用。“只有摘要；任职要求部分未通过验收”比“记录不好”更有用。

直接检查 2 款产品时，如果它们都支持目标国家和查询，就使用相同的国家和查询。尽量在相近时间完成检查，以减少职位信息变化带来的混淆。如果输入不同，请记录差异。这会限制对比能够说明的范围。

小规模检查可以判断输出是否适合已检查的工作范围。它不能支持关于普遍准确性或可靠性的结论。如果后续工作扩展到其他国家或新的职位类型，请重新检查相应输入和内容。

虚构示例：如何判断 3 条记录

以下示例为虚构内容。它不是 Actor 测试、实时数据集、买家结果，也不是实测的产品完整率。

一名研究人员想对化学工程师职位的任职要求进行编码。虚构的导出数据包含 3 条记录。每条记录都保留了来源 URL 和查看时间。以下标签用于标识虚构记录，不代表真实职位信息。

对于 A 和 B，研究人员同时检查状态和内容。文本包含研究所需的岗位职责和任职要求。这 2 条记录都进入通过验收的文本集。

对于 C，摘要提供了与职位有关的有用信息。但它没有提供通过验收的完整文本。研究人员保留返回的状态值，并记录内容缺漏。该研究人员不会编造替代状态，也不会将摘要当作完整描述。

计算如下：

3 条导出记录 − 1 条没有通过验收的完整文本的记录 = 2 条通过验收的描述记录。

计数单位是通过验收的描述记录。它不是任职要求数、不同雇主数，也不是经过核实的全部可用职位数。

假设研究人员在 C 的摘要中找不到某项具体技能。该研究人员不能据此认定该职位不要求这项技能。缺失的描述可能包含它。因此，C 不纳入用于做出这一判断的数据集。

这个示例说明了如何做出验收决定。其中 2 条通过验收的记录不能证明产品的成功率。

区分文本缺失与未提及要求

采集后，最重要的是区分缺失值与已通过验收的文本中经检查未发现某项内容这 2 种情况。

缺失值表示你没有足够的信息来判断。经检查未发现某项内容，表示你检查了相关且已通过验收的文本，并按编码规则确认未找到该项内容。分析时，请将这 2 种状态分开。

例如，薪资字段为空不代表薪资是 0。技能值缺失不代表该职位不需要技能。描述不完整不代表雇主没有发布任职要求。

Chronometrica 的文档明确说明，能否获取薪资、技能、福利和完整文本，取决于公开职位信息。可选的公司信息或申请信息补充功能，不能证明已获取完整职位描述。Chronometrica 职位信息与输出文档。

将原始描述与后续编码结果一起保留。如果将某项技能标记为存在，请保留支持该判断的文本。如果文本不完整，请保留复核理由。这样就能在不丢失采集证据的情况下修正分析。

报告结果时，请说明哪些记录提供了用于分析的文本。“2 条通过验收的描述”明确说明了范围。而“分析了 3 个职位”会掩盖虚构示例中那条尚未解决的记录。

下一步分析请参阅职位技能术语编码。

根据项目条件决定何时改选

如果独立的摘要、文本和 HTML 字段，以及 `descriptionStatus`，符合你的验收规则，请选择 Chronometrica。对于需要在分析前检查描述内容的工作流程，这是选择它的明确理由。Chronometrica Indeed Jobs Scraper。

如果你更看重 Misceres 文档所述的国家和输入覆盖范围，或现有工作流程更适合它，可以评估 Misceres。它的文档也说明了描述提取功能。Misceres Indeed Scraper。

根据检查过的内容，判断任一产品是否满足目标职位信息的要求。如果返回的记录缺少所需文本，就不要在项目中将其标为完整。如果 2 款产品都无法为所需记录提供通过验收的文本，那么它们都没有满足这部分要求。

推荐 Chronometrica 的主要限制是：文档列出的字段和完整性状态，无法保证每条职位信息都能返回相关的完整文本。国家和来源的变化可能影响返回的字段。因此，购买决定既需要确认文档所述的输入支持情况，也需要进行小规模内容检查。

本对比没有提供实测依据，证明任何产品在价格、速度、准确性或可靠性方面具有优势。推荐依据是已检查的描述字段，以及这些字段所支持的复核流程。