高级 Python 网页抓取工程师 – 自由职业远程
为 Mindrift 的 AI 项目构建可靠的 Python 网页抓取与数据处理流程。从复杂、动态的网站中提取、验证并扩展结构化数据集。
描述
- 负责复杂网站的端到端数据提取流程,交付完整、准确且结构化的数据集
- 使用现有工具和自定义工作流,加快数据采集、验证及按既定要求执行任务的速度
- 针对 JavaScript 渲染内容、交互式数据源及不断变化的网站行为,调整数据提取方法
- 通过验证、跨来源核对、格式控制和系统化检查,持续保障数据质量
- 通过高效批处理或并行处理,扩展大规模数据集的抓取能力
- 监控提取失败情况,并通过应对网站结构的小幅变化保持流程稳定
- 运用网页抓取、数据提取和数据处理专业知识,使用 Apify、OpenRouter 及相关技术工具
任职要求
- 拥有 5 年以上数据工程、网页抓取、自动化或软件开发相关经验
- 拥有工程、应用数学、计算机科学或相关技术领域的学士或硕士学位者优先
- 具备扎实的技术基础,并有脚本编写、自动化和数据提取流程的实践经验
- 拥有丰富的 Python 抓取经验,熟悉 BeautifulSoup、Selenium 或类似工具,并了解 JavaScript、AJAX、无限滚动和基于代理的 API
- 能够从复杂层级结构、存档页面和不一致的 HTML 结构中提取数据
- 具备清理、标准化和验证 CSV、JSON 或 Google Sheets 中结构化数据集的经验
- 具备大规模处理反机器人机制和网站结构变化的经验
- 具备 AWS 或同等云基础设施以及 Docker 容器化的实践经验
- 有将 LangChain、OpenRouter 或类似 LLM 框架应用于自动化任务的实际经验
- 注重细节,对数据准确性有高度要求
- 能够自主开展工作并独立排查问题
- 英语达到中高级水平(B2)或以上
- 提供 GitHub 链接者优先
福利待遇
- 自由职业合作
- 兼职远程工作
- 项目活跃阶段每周约 10–20 小时
