Boss Zhipin Scraper

BOSS直聘职位抓取工具 v2.2

通过 Chrome CDP 协议抓取 BOSS直聘 (zhipin.com) 职位数据，输出结构化 JSON/CSV（含明文薪资），并可对已抓取结果生成聚合摘要和求职材料优化提示词。

前置条件

• Chrome 浏览器已安装
• Python 3.10+
• 用户已登录 zhipin.com（或愿意手动登录）

脚本位置

本 skill 的脚本在 skill 目录下：

• scripts/boss_cdp_raw.py：抓取主脚本
• scripts/job_summary.py：抓取后摘要和提示词脚本

运行任何命令前，必须先确定脚本的绝对路径。

用以下方式找到脚本（macOS 自带的 readlink 不支持 -f，用 Python 解析路径更通用）：

bashCopy code
# 方法 1：已知 skill 安装目录（推荐，macOS/Linux 通用）
SKILL_DIR="$(python3 -c "import os,sys;print(os.path.dirname(os.path.realpath(sys.argv[1])))" "$0")"
SCRIPT_PATH="$SKILL_DIR/scripts/boss_cdp_raw.py"
SUMMARY_PATH="$SKILL_DIR/scripts/job_summary.py"

# 方法 2：搜索 hermes skills 目录
SCRIPT_PATH=$(find ~/.hermes/skills -name "boss_cdp_raw.py" -type f 2>/dev/null | head -1)
SUMMARY_PATH=$(find ~/.hermes/skills -name "job_summary.py" -type f 2>/dev/null | head -1)

如果找不到脚本，说明 skill 未正确安装，需要重新安装。

依赖安装（首次使用必须执行）

脚本依赖 websocket-client 和 requests。在用户项目的 venv 中安装：

bashCopy code
uv add websocket-client requests
# 或
pip install websocket-client requests

自动化流程

当用户要求搜索/抓取 BOSS直聘 职位时，严格按以下顺序执行：

第 1 步：检查环境

bashCopy code
python3 "$SCRIPT_PATH" --check --cdp-port 9222

检查三项：Python 依赖 → CDP 连通性 → 登录态。

• 全部通过 → 跳到第 3 步
• CDP 不通 → 继续第 2 步
• 依赖缺失 → 先装依赖（见上方依赖安装），再重新 --check
• 未登录 → 告诉用户打开 Chrome 登录 zhipin.com，然后重新 --check

第 2 步：启动专用浏览器 CDP（仅在 --check CDP 不通时）

bashCopy code
python3 "$SCRIPT_PATH" --setup-chrome --cdp-port 9222

这会自动完成：

1. 创建或复用持久隔离 Chrome profile
   • ~/.boss-zhipin-scraper/chrome-profile
2. 只关闭使用该隔离 profile 的旧 BOSS CDP Chrome，不关闭用户主 Chrome
3. 以 CDP 模式启动 Chrome（--remote-debugging-port=9222）
4. 等待 CDP 端口就绪（最多 30 秒）
5. 打开 BOSS 登录页并等待登录完成，直到搜索接口返回明文 salaryDesc

默认不复制主 Chrome 的 Cookie、密码、历史记录或扩展；首次启动和后续重复启动都只是创建或复用该专用 profile。首次使用时告诉用户：请在弹出的 BOSS 专用 Chrome 浏览器中访问 zhipin.com 并登录。脚本会等待登录完成并确认接口能返回明文薪资。该专用 profile 是持久目录，机器重启后登录态仍保留，重复运行 --setup-chrome 不会清空它。

仅装 Microsoft Edge（未装 Chrome）的机器，可改用 Edge 启动（与 --setup-chrome 共用同一隔离 profile）：

bashCopy code
python3 "$SCRIPT_PATH" --setup-edge --cdp-port 9222

仅当用户明确要求从主浏览器手动导入 BOSS 登录态时，可使用：

bashCopy code
python3 "$SCRIPT_PATH" --setup-chrome --copy-login-state --cdp-port 9222

--copy-login-state 在 --setup-chrome 下从主 Chrome 导入、在 --setup-edge 下从主 Edge 导入，每次运行都会覆盖隔离 profile 内对应的 Cookie 相关文件；日常启动不要加这个参数。它只复制 Local State 和 Default/Cookies*、Default/Network/Cookies* 这类 Cookie 数据库相关文件，不复制密码库或完整 profile。不要默认使用该参数，也不要告诉用户首次启动会自动导入主浏览器登录态。

等用户确认后，重新运行 --check 验证。

第 3 步：运行抓取

bashCopy code
# 基础搜索
python3 "$SCRIPT_PATH" --keyword "关键词" --city 城市 --pages 3 --output ~/.boss-zhipin-scraper/job-result/jobs.json

# 带 CSV 输出
python3 "$SCRIPT_PATH" --keyword "关键词" --city 城市 --pages 3 --format csv --output ~/.boss-zhipin-scraper/job-result/jobs.json

# 带详情 + 分析报告
python3 "$SCRIPT_PATH" --keyword "关键词" --city 城市 --pages 3 --detail --max-details 8 --analysis --format csv --output ~/.boss-zhipin-scraper/job-result/jobs.json

# 抓取后摘要 + 求职材料优化提示词（默认读取最新抓取结果）
python3 "$SUMMARY_PATH" --top 15

# 真实浏览器/API smoke test（不写结果文件）
python3 "$SCRIPT_PATH" --smoke-test --cdp-port 9222

# 合并多次抓取（去重）
python3 "$SCRIPT_PATH" --keyword "关键词" --city 北京 --pages 3 --merge ~/.boss-zhipin-scraper/job-result/jobs.json --output ~/.boss-zhipin-scraper/job-result/jobs_merged.json

默认输出到 ~/.boss-zhipin-scraper/job-result/ 目录，--format csv 会给列表和详情都额外生成 .csv 文件。--smoke-test 只验证真实 Chrome/CDP 能否拿到 API 明文薪资，不写结果文件。

抓取结束后专用 Chrome 不会自动关闭（默认保留登录态，方便连跑多条）。确认不再使用时收尾：

bashCopy code
# 关闭 BOSS 专用 Chrome（只关隔离 profile，不碰主 Chrome）
python3 "$SCRIPT_PATH" --stop-chrome --cdp-port 9222

# 或：让本次抓取正常结束就自动关闭
python3 "$SCRIPT_PATH" --keyword "关键词" --city 城市 --pages 3 --close-chrome

--stop-chrome 按 --user-data-dir 精准匹配，绝不按端口/进程名 kill，因此不会误伤用户主 Chrome。--close-chrome 默认关闭，且只在抓取成功路径触发，异常/登录失败不关闭以保留登录态。

摘要脚本只读取 boss_jobs_*.json 和 boss_details_*.json，不读取本地简历文件，不引入 PDF 依赖，也不给个人与岗位做分数判断。需要指定文件时使用：

bashCopy code
python3 "$SUMMARY_PATH" \
  --input ~/.boss-zhipin-scraper/job-result/boss_jobs_20260625_1200.json \
  --details ~/.boss-zhipin-scraper/job-result/boss_details_20260625_1200.json \
  --top 15

参数速查

筛选参数

城市代码

全国 100010000 | 北京 101010100 | 上海 101020100 | 广州 101280100 | 深圳 101280600 | 杭州 101210100 | 成都 101270100 | 武汉 101200100 | 南京 101190100 | 厦门 101230200

输出格式

JSON

jsonCopy code
{
  "keyword": "AI Agent",
  "city": "上海",
  "total": 60,
  "jobs": [
    {
      "job_id": "c4420e8bce3a6e25",
      "title": "AI Agent工程师",
      "salary": "30-60K·15薪",
      "location": "上海·闵行区·虹桥",
      "tags": "5-10年 | 本科",
      "boss_name": "SHEIN",
      "boss_title": "招聘者",
      "company_scale": "10000人以上",
      "company_stage": "D轮及以上",
      "company_industry": "电子商务",
      "skills": "Java | Spring | AI",
      "job_link": "https://www.zhipin.com/job_detail/xxx.html",
      "company_link": "https://www.zhipin.com/gongsi/xxx.html",
      "welfare": "节日福利 | 零食下午茶 | 定期体检"
    }
  ]
}

CSV

--format csv 时自动在同目录生成 .csv 文件：列表 CSV 跟随 --output，详情 CSV 跟随 --detail-output 或默认详情 JSON 路径。CSV 使用 UTF-8 BOM 编码，Excel 直接打开无乱码。

工作原理

1. 通过 Chrome DevTools Protocol (CDP) 连接到已打开的 Chrome 浏览器
2. 在 BOSS直聘页面内注入 JS，用同步 XHR 调用 /wapi/zpgeek/search/joblist.json API
3. API 返回明文 salaryDesc（如 30-60K·15薪），绕过前端字体反爬
4. 列表 API 保留 securityId / lid 等上下文，进入详情页时带上这些参数
5. 默认禁用 DOM fallback，避免把字体反爬后的薪资写入结果；只有显式 --allow-dom-fallback 才降级
6. 每页 30 条，每页抓完立即写入文件，异常退出不丢数据
7. 按 job_id（job_link 的 MD5 哈希前 16 位）去重

数据安全策略

--setup-chrome 默认使用持久隔离 profile，不软链接、不读取、不复制主 Chrome profile。首次启动和后续重复启动都只会创建或复用 ~/.boss-zhipin-scraper/chrome-profile，不会清空其中的 BOSS 登录态。setup 会等待登录完成，并用多组关键词/城市 probe，要求搜索接口返回明文薪资；如果一直拿不到 salaryDesc，不要继续抓取并把 DOM 薪资当成可信数据。这样 CDP 只暴露 BOSS 专用浏览器里的数据，不影响用户主 Chrome、Gmail、GitHub 等账号。

--input ... --analysis --no-detail 会优先加载 --detail-output，其次加载与输入列表同目录、同时间戳的 boss_details_*.json，最后查找 ~/.boss-zhipin-scraper/job-result 下最新详情文件。

需要清空 BOSS 专用浏览器登录态时使用：

bashCopy code
python3 "$SCRIPT_PATH" --setup-chrome --reset-chrome-profile --cdp-port 9222

常见问题

1. --check CDP 不通 → 运行 --setup-chrome
2. --check 未登录 → 在专用 Chrome 中访问 zhipin.com 登录，或重新运行 --setup-chrome
3. 薪资空白 → 通常是未登录、登录态失效或接口未返回 salaryDesc；先重新登录，不要优先做字体解密或 DOM fallback
4. 抓取中断 → 重新运行即可，增量写入 + 自动去重
5. 端口占用 → --cdp-port 9223 换端口
6. Chrome 启动失败 → --cdp-port 9223 换端口，或用 --reset-chrome-profile 重建专用 profile

注意事项

• 仅用于个人求职研究
• 单次最多 10 页（300 条），防封号
• 翻页间隔 12-22 秒随机延迟，3 页约 1 分钟
• 详情页每条 10-25 秒，10 条约 3-5 分钟
• BOSS直聘可能更新 API 路径，失效时需更新脚本中 API_JOB_LIST_PATH 常量

安装本 Skill

本 Skill 需手动安装到 Hermes skills 目录（hermes skills install 因网络问题可能失败）：

bashCopy code
# 推荐：curl 一键安装
mkdir -p ~/.hermes/skills/data-science/boss-zhipin-scraper/scripts && \
curl -sL https://raw.githubusercontent.com/eatmoreduck/boss-zhipin-scraper/master/SKILL.md \
  -o ~/.hermes/skills/data-science/boss-zhipin-scraper/SKILL.md && \
curl -sL https://raw.githubusercontent.com/eatmoreduck/boss-zhipin-scraper/master/scripts/boss_cdp_raw.py \
  -o ~/.hermes/skills/data-science/boss-zhipin-scraper/scripts/boss_cdp_raw.py && \
curl -sL https://raw.githubusercontent.com/eatmoreduck/boss-zhipin-scraper/master/scripts/job_summary.py \
  -o ~/.hermes/skills/data-science/boss-zhipin-scraper/scripts/job_summary.py && \
mkdir -p ~/.hermes/skills/data-science/boss-zhipin-scraper/data && \
curl -sL https://raw.githubusercontent.com/eatmoreduck/boss-zhipin-scraper/master/data/city_codes.json \
  -o ~/.hermes/skills/data-science/boss-zhipin-scraper/data/city_codes.json

或克隆后手动复制：

bashCopy code
git clone https://github.com/eatmoreduck/boss-zhipin-scraper.git
mkdir -p ~/.hermes/skills/data-science/boss-zhipin-scraper/scripts
cp boss-zhipin-scraper/SKILL.md ~/.hermes/skills/data-science/boss-zhipin-scraper/
cp boss-zhipin-scraper/scripts/boss_cdp_raw.py ~/.hermes/skills/data-science/boss-zhipin-scraper/scripts/
cp boss-zhipin-scraper/scripts/job_summary.py ~/.hermes/skills/data-science/boss-zhipin-scraper/scripts/
mkdir -p ~/.hermes/skills/data-science/boss-zhipin-scraper/data
cp boss-zhipin-scraper/data/city_codes.json ~/.hermes/skills/data-science/boss-zhipin-scraper/data/