企业官网建设流程全解析

影刀RPA实操指南：招聘信息批量采集与岗位需求分析

想换工作的人挨个刷新岗位页，做行业研究的人手动抄几百条岗位要求进Excel，这两类人的痛点是同一个：招聘网站的岗位数据太散，人工整理一天也就几百条，还容易抄错薪资。我用影刀RPA做了一个招聘信息批量采集流程，跑一次能落几千条岗位数据到表格，再用Python做岗位需求分析，招聘网站只是个数据源，主动权在自己手里。

这篇影刀RPA实操指南带你从零做一遍完整流程：搜索条件怎么批量传、岗位列表怎么循环采集、详情页怎么进怎么退、薪资文本怎么清洗成可统计的字段、最后怎么出分析结论。跟着做完你会有一个可复用的采集模板，以后换任何招聘站点，改改定位就能用。

我非技术出身，这套流程改过三版，中间踩的坑都会在对应章节讲清楚。

认识影刀RPA与安装：五步搞定开发环境

第一步，官网下载客户端安装，手机号注册登录。第二步，设置里安装浏览器插件，Chrome和Edge都支持，装完刷新浏览器。第三步，打开影刀，左侧是流程列表，中间是编辑画布，右侧是指令面板，所有功能都靠拖拽指令到画布上完成。第四步，新建一个应用，命名建议带上日期，比如"招聘采集_20260927"。第五步，先跑一遍官方示例流程，确认环境正常再开始写自己的。

社区版每天30分钟运行时长，调试阶段完全够，批量跑大任务时注意分批，或者考虑创业版。

元素定位四合一：岗位列表是所有采集流程的起点

招聘网站的岗位列表是典型的相似元素结构：几十条卡片，结构相同内容不同。处理它靠四个定位工具配合。

元素捕获解决"抓到第一条"，XPath解决"抓到所有条"和"抓准某一条"。下面是招聘列表页最常用的几种写法：

# 捕获元素：岗位列表中的所有岗位卡片链接 //div[@class="job-list-box"]//a # 模糊匹配：岗位名称里包含"数据分析"的卡片 //div[contains(@class,'job-card')]//*[contains(text(),'数据分析')] # 层级定位：从薪资标签往上找两层，再取公司名（父级容器内定位） //span[contains(@class,'salary')]/../../div[@class="company-info"]//h3 # 参照物定位：通过"经验"标签定位同一卡片内的薪资 //*[contains(text(),'年') and contains(@class,'exp')]/following-sibling::span[1]

CSS选择器和XPath并列讲，因为你要会在两者之间选。CSS擅长简单结构：div.job-list-box a一行搞定所有链接，执行也快；但"按文本找元素""往上找父级"只有XPath能做。我的习惯是列表主体用CSS或简单XPath，跨节点关联用复杂XPath。

正则表达式在两个地方出场：一是元素编辑里用正则匹配动态class，二是数据清洗阶段从薪资文本里提取数字，比如从"15-25K·14薪"里抠出15、25、14三个数，第四节数据处理部分给完整代码。

另外影刀还有"点击指定内容的元素(web)"指令，可以直接按文本内容点某个岗位卡片，不用写XPath，进详情页时很好用。

变量与数据类型：搜索条件和岗位数据怎么组织

流程要用三类变量：搜索条件用列表存，比如 [“数据分析”,“产品经理”,“运营”]，一个城市一个关键词跑一轮；每条岗位用字典存，键是 岗位名、公司、薪资、经验、城市、链接，字典的好处是写入Excel时按键取值，顺序乱了也不出错；所有岗位攒成一个列表的列表，最后一次性写表。

JSON的套路也要会：有些站点接口返回JSON字符串，流程是HTTP获取→JSON转Python对象→操作字段→需要存文件时再转回文本。字典键不存在时影刀返回空值，写表前判断一下，不然Excel里会出现难看的报错信息。

流程控制：三层循环加异常处理的采集骨架

主流程骨架三层循环：外层ForEach列表循环跑关键词和城市组合；中层"循环相似元素(web)"跑当前页的岗位列表；内层While条件循环管翻页。

详情页的处理是这个流程的易错点：点岗位卡片经常打开新标签页。正确做法是用"获取已打开的网页对象"指令把新标签页存成另一个变量，对它提取详情字段，抓完用"关闭网页"关掉，循环会自动回到列表页的下一个元素。官方文档对"打开了新标签页"的场景专门给过方案，核心就是新网页对象用不同变量名。

Try-Catch必须包住整个循环体。Catch里用"输出日志"记录失败的岗位链接和报错内容，Finally里关掉可能残留的新标签页。我第一版没做异常处理，跑到第300条遇到一个失效岗位，整条流程直接停了，前面数据全在内存里没落表，心疼得我当晚就重构了。

网页自动化：等待、翻页与登录态三个必答题

等待策略：招聘详情页是懒加载重灾区

详情页的职位描述经常滚动才加载全。标准流程：点击进详情后，先"等待元素(web)"等职位描述容器出现，超时10秒；再"滚动鼠标滚轮"滚两次触发懒加载，每次滚动后等待页面底部元素出现。固定等待几秒的做法在网速波动时必挂，别用。

翻页：disabled判断是通用解法

招聘站的翻页按钮翻到底会变灰。用"IF 元素可见(web)"配一个XPath判断可点击状态的下一页按钮：//a[contains(@class,"next") and not(contains(@class,"disabled"))]，抓不到就说明翻完了，跳出While循环。这个写法几乎通用于所有分页网站，记下来值回票价。

登录态与验证码

多数招聘站要登录才能看联系方式或翻多页。流程开头判断登录框可见就走登录子流程，登录成功后浏览器会记住Cookie，后续运行只要登录态没过期就跳过。有些站点频繁访问会弹验证码，频率控制在每次访问间隔2到3秒、每天别抓太多页，比硬破验证码现实得多。

数据处理：薪资清洗与岗位需求词频分析

采集只是原材料，需求分析才是价值所在。原始数据先落Excel：用"写入内容至Excel工作表"逐行写，或者攒进数据表格后"写入表格数据"一次写完。

薪资是最需要清洗的字段，统一换算成月薪区间：

# 输入：salary_raw，网页抓到的薪资文本，如 "15-25K·14薪" 或 "200-400元/天"# 输出：salary_min / salary_max，统一为月薪（千元）importre salary_raw=salary_raw.strip().replace(' ','')m=re.search(r'(\d+)-(\d+)K·(\d+)薪',salary_raw)ifm:# 15-25K·14薪 → 月薪区间乘以 (14/12) 的年薪折算salary_min=int(m.group(1))*int(m.group(3))/12salary_max=int(m.group(2))*int(m.group(3))/12else:m=re.search(r'(\d+)-(\d+)K',salary_raw)ifm:salary_min,salary_max=int(m.group(1)),int(m.group(2))else:salary_min,salary_max=0,0# 面议或格式不识别，标记为0后续过滤

清洗完用Pandas做统计：按城市分组算平均薪资、按经验区间分布、岗位描述里的技能词词频（“SQL”“Python”"Excel"出现次数），一张岗位需求画像就出来了。这些都可以直接写在影刀的Python代码段里，不用离开RPA环境。

鼠标键盘与图像自动化：少用，但要有兜底手段

网页自动化能覆盖95%的招聘采集需求，剩下5%靠鼠标键盘和图像兜底。个别站点验证码弹窗没有固定元素结构，用"等待图像"和"点击图像"按截图匹配处理；滑块验证码用"拖拽元素"或模拟鼠标拖动，配合锚点偏移量。影刀支持虚拟键盘鼠标驱动，安装后操作不抢占真实鼠标，跑流程时人可以继续干别的，这个驱动建议装上。

键盘操作主要用在搜索框：实在定位不到输入框元素时，点击后用模拟键盘逐字输入，再用回车触发搜索。这是最后的手段，能用"填写输入框(web)"就别用键盘模拟，前者快且稳。

进阶技能：接口监听让采集效率翻倍

招聘列表页的数据通常来自一个返回JSON的接口。用影刀的"开始监听网页请求"指令监听这个接口地址，翻页时用"使用网页监听指令获取数据"直接拿JSON，一条接口响应里往往带着整页几十条岗位的全部字段，比在页面上循环提取快好几倍，还不受页面渲染影响。

流程变成：监听→点下一页→拿响应→JSON转对象→提取字段循环写表。缺点是每个站的接口地址和字段名不同，迁移成本高，所以我把它和页面采集做成两个子流程，结构简单的站点走页面采集，结构复杂或反爬严的走接口监听。

系统联动：定时采集与飞书多维表格沉淀

采集任务用定时触发器安排，支持每日、每周、自定义间隔和Cron表达式，跳过法定节假日也可以勾选。我的配置是每天早上7点跑一轮，上班前数据已经在表里了。触发器生效的前提是高级任务计划已启用，机器不能休眠，Windows电源设置里关掉睡眠。

结果沉淀推荐飞书多维表格：用"新增行记录-飞书多维表"指令把每条岗位写进多维表，团队多人直接在线看，还能自己加筛选视图。发版到企业调度的话，任务监控页面可以配置告警邮箱和钉钉、飞书通知，流程异常自动提醒，无人值守才安心。

工程化规范：模板化让你换一个站点只改三处

这套流程我按模板思路拆了子流程：01_登录保活、02_搜索与翻页、03_列表提取、04_详情提取、05_数据清洗、06_落表与推送。换新站点时通常只改三处：列表和详情的元素定位、翻页判断的class名、字段清洗的正则。每个子流程的输入输出参数在属性面板里写清楚注释，命名用编号加下划线，主流程读起来就是一份目录。

调试技巧：在可疑指令上右键添加断点，点"单步执行"一行行跑，变量面板里实时看每个变量的值。九成定位问题都是靠单步加变量面板排查出来的，比反复整体运行快十倍。

易错速查表：招聘采集高频翻车点

学习资源与延伸阅读

官方文档里"网页相似元素循环常见场景及解决方案"这篇是招聘采集的必读，新标签页、页面刷新两大坑都给了官方解法。整套招聘采集与分析流程的完整源码我放在代码仓库 home.linyan.cloud，可以直接参考改造，替换关键词和定位就能适配你目标的城市和岗位。

#影刀RPA #RPA自动化 #数据采集 #批量采集 #数据处理 #Python

作者：林焱