高级 Python 网页抓取工程师(自由职业,葡萄牙远程)
为 Mindrift 的 Tendem AI 项目构建可靠的网页抓取和数据处理管道。 从复杂且动态的网站中提取、验证并扩展结构化数据集。
描述
- 负责从复杂网站进行端到端数据提取,交付完整、准确且可靠的结构化数据集
- 使用工具和定制化工作流,加快数据收集、验证和任务完成
- 从动态及交互式来源收集数据,适应 JavaScript 渲染内容和不断变化的网站行为
- 通过验证检查、跨来源比对、格式要求和系统化审核,维护数据质量
- 通过高效批处理或并行处理,扩展大规模数据集的抓取操作
- 跟踪提取失败情况,并在网站发生轻微结构变化时保持系统稳定
- 在专业化的 Tendem 项目工作流中运用网页抓取、数据提取和数据处理方面的专业知识
任职要求
- 具备至少五年数据工程、网页抓取、自动化或软件开发相关经验
- 具备扎实的 Python 抓取技能,熟悉 BeautifulSoup、Selenium 或同类工具、JavaScript 和 AJAX 内容、无限滚动、API 及代理
- 能够从复杂层级结构、存档页面和不一致的 HTML 中提取信息
- 具备数据清洗、规范化和验证的扎实基础,并有生成结构化 CSV、JSON 和 Google Sheets 数据集的经验
- 具备大规模处理反机器人保护机制和不断变化的网站结构的经验
- 具备 AWS 或同类云基础设施以及基于 Docker 的容器化经验
- 具备将 LangChain、OpenRouter 或类似工具等 LLM 框架应用于自动化任务的实践经验
- 注重细节,始终专注于数据准确性
- 能够独立工作,主动负责故障排查,并保持自我驱动的工作方式
- 英语达到中高级(B2)或更高水平
- 拥有工程、应用数学、计算机科学或相关技术学科的学士或硕士学位者优先
- 拥有 GitHub 个人资料链接者优先
福利待遇
- 自由职业合作
- 项目活跃阶段预计每周兼职工作 10–20 小时
- 远程工作安排
- 有机会通过 Mindrift 平台参与创新技术项目
