高级 Python 网页抓取工程师(自由职业,远程)
为 Mindrift 的 AI 项目构建并扩展可靠的 Python 网页抓取工作流。从复杂的动态网站中提取、验证并交付准确的结构化数据。
描述
- 执行技术精准的网页抓取和数据处理任务
- 管理复杂网站上的完整提取工作流,交付全面、准确且可靠的结构化数据集
- 使用现有工具和定制化工作流,根据既定要求加快数据采集、验证和任务完成
- 针对 JavaScript 渲染页面、交互式数据源以及不断变化的网站行为调整提取方法
- 实施数据质量控制,包括验证、跨来源核查、格式标准以及交付前的系统化检查
- 通过高效批处理或并行处理扩展大批量网页抓取
- 跟踪提取失败情况,并通过应对网站结构的小幅变化维持运营稳定性
- 使用 Apify、OpenRouter 及其他相关技术支持抓取工作
任职要求
- 具备至少 5 年数据工程、网页抓取、自动化或软件开发相关经验
- 熟练掌握使用 BeautifulSoup、Selenium 或同类工具进行 Python 抓取,能够处理动态内容和基于代理的 API
- 能够从复杂结构中提取信息,包括层级结构、存档页面和不规则 HTML
- 能够清理、规范化并验证数据,并以 CSV、JSON 或 Google Sheets 格式交付
- 能够大规模应对反机器人保护机制和不断变化的网站结构
- 能够使用 AWS 或同类云基础设施以及基于 Docker 的容器化技术
- 能够将 LangChain、OpenRouter 或类似 LLM 框架应用于自动化工作流
- 具备出色的细节关注能力和数据准确性意识
- 能够独立工作,并以自主方式排查问题
- 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
- 远程兼职安排
- 项目活跃阶段每周约 10–20 小时
- 有机会通过 Mindrift 平台参与创新技术项目
