Jobs.cz Python Developer Scraper

Tento nástroj je určen pro automatické získávání pracovních nabídek pro Python vývojáře z portálu Jobs.cz. Skript automaticky prochází nabídky práce, extrahuje detailní informace o každé pozici a ukládá je do strukturovaného textového souboru.

Hlavní funkce

• Automatické procházení stránek s nabídkami práce
• Detekce a přeskakování duplicitních nabídek
• Extrakce detailních informací o každé pozici včetně:
  • Názvu pozice
  • Jména společnosti
  • Popisu pozice
  • Kontaktních informací
  • Telefonního čísla
• Paralelní zpracování pro rychlejší běh
• Ukládání dat do čitelného formátu
• Ošetření chybových stavů a logování

Requirements

requests
beautifulsoup4
selenium
webdriver-manager

Instalace

1. Naklonujte tento repozitář:

git clone [URL vašeho repozitáře]

2. Přejděte do adresáře projektu:

cd [název-adresáře]

3. Nainstalujte potřebné závislosti:

pip install -r requirements.txt

Použití

Spusťte skript příkazem:

python scraper.py

Skript vytvoří soubor jobs.txt v aktuálním adresáři, který bude obsahovat všechny nalezené pracovní nabídky.

Struktura výstupu

Každá pracovní nabídka je v souboru oddělena oddělovačem a obsahuje následující informace:

• Název pozice
• Jméno společnosti
• Lokalitu
• Detailní popis pozice
• Kontaktní osobu
• Telefonní číslo

Funkce proti duplicitám

Skript používá hashování pro detekci duplicitních nabídek a přeskakuje již existující pozice. Toto zajišťuje, že se stejná nabídka práce neuloží vícekrát.

Logování

Skript poskytuje detailní logování procesu scrapování, včetně:

• Informací o začátku scrapování každé stránky
• Počtu nalezených pracovních nabídek
• Chybových hlášení
• Statistik o duplicitních nabídkách

Omezení

• Skript je nastaven na procházení maximálně 10 stránek výsledků
• Je implementováno zpoždění mezi požadavky pro simulaci lidského chování
• V případě nedostupnosti BeautifulSoup parseru se automaticky přepne na Selenium

Přispívání

Pokud chcete přispět k vývoji, postupujte následovně:

1. Forkněte repozitář
2. Vytvořte novou větev pro vaše změny
3. Commitněte vaše změny
4. Vytvořte Pull Request

Licence

Autor

Lucie,Zdeněk,Jirka,Lukas,Petr

Poznámky

• Skript používá headless prohlížeč pro scrapování
• Implementováno ošetření různých formátů stránek s detaily pozic
• Obsahuje mechanismy pro detekci konce výsledků