> For clean Markdown of any page, append .md to the page URL.
> For a complete documentation index, see https://docs.beatapi.io/llms.txt.
> For AI client integration (Claude Code, Cursor, etc.), connect to the MCP server at https://docs.beatapi.io/_mcp/server.

# 如何搜索最近一周的远程职位并保存可追溯结果？

> 用 linkedin.web_v2.search_jobs 搜一页最近的远程 LinkedIn 职位，用 save_jobs.py 归档响应，再导出经人工核对映射的 jobs.csv。

要整理最近的远程 LinkedIn 职位候选表，用 `linkedin.web_v2.search_jobs` 查一页，用 `save_jobs.py` 归档响应，在 `mapping.json` 里确认字段映射后，用 `export_jobs.py` 导出可筛选的 `jobs.csv`。只为选中的职位用 `linkedin.web_v2.get_job_detail` 查技能或招聘团队。整个流程只读取职位，不申请职位，也不联系任何人。

## 1. 确定范围和成本

示例读取一页全球远程软件工程职位，并把响应保存为证据。先在免费的 /v1/capabilities/inspect 查看 `data:linkedin.web_v2.search_jobs` 当前的输入与价格。默认只查一页，每多一页、每次详情都是另一次收费调用。

## 2. 发出明确筛选请求

```bash
curl --fail-with-body -sS https://api.beatapi.io/v1/social-data/call \
  -H "Authorization: Bearer $BEATAPI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{"action":"linkedin.web_v2.search_jobs","params":{"keywords":"software engineer","geo_code":92000000,"date_posted":"Past week","onsite_remotes":["Remote"],"sort_by":"Most recent","start":0}}' \
  -o linkedin-jobs-page-0.json
```

`geo_code=92000000` 表示全球；城市筛选要用该城市的整数地区码，不能填城市名字符串。筛选值与类型见[FAQ](/zh/faq/linkedin-job-filters)。

查“Remote 或 Hybrid”时，不要在 `onsite_remotes` 里放两个值，实际只有第一个值生效。改用[两份独立请求示例](/zh/faq/linkedin-job-filters)，分别保留每份请求的来源，并按两次调用做预算。`title_ids`、`functions` 虽在允许输入的结构里，但不会筛选结果。

## 3. 检查状态并保存证据

HTTP 失败时先保留错误信息，不继续导出。把下面的脚本存为 `save_jobs.py`；`save_jobs.py` 检查业务状态和 `data` 之后才写新文件，不猜列表路径，也不覆盖已有归档。

```python
import json, pathlib, sys
source, target = map(pathlib.Path, sys.argv[1:3])
r = json.loads(source.read_text(encoding="utf-8"))
if r.get("status") != "succeeded" or r.get("action") != "linkedin.web_v2.search_jobs":
    raise ValueError("Expected successful LinkedIn job search")
if "data" not in r or r["data"] is None:
    raise ValueError("Missing query data")
record = {"request_id": r.get("request_id"), "action": r["action"], "data": r["data"]}
with target.open("x", encoding="utf-8") as f:
    json.dump(record, f, ensure_ascii=False, indent=2)
print(str(target))
```

```bash
python3 save_jobs.py linkedin-jobs-page-0.json linkedin-jobs-verified-0.json
```

`linkedin-jobs-verified-0.json` 保留 `request_id`、`action` 和完整的 `data`，供人工筛选和后续字段映射。归档保存原始结果，不是标准化的职位 CSV：BeatAPI 直接清洗并透传 `data`，没有统一的 `jobs[]` 字段。

## 4. 有界翻页与去重

获准继续翻页时，保持相同筛选，把 `start` 依次改为 25、50，每页存成新文件。每取一页先和上一页比对，出现重复或错误就停止。按实际职位 URL 或稳定 ID 去重，不按标题去重，因为不同公司可能用同一个职位名。记录检索时间和筛选条件；一页结果不代表全部职位。

## 5. 只对选定职位查询详情

从结果里取选中职位的完整 URL，调用 `linkedin.web_v2.get_job_detail`。需要技能时传 `include_skills=true`；需要招聘团队时传 `include_hiring_team=true`。不要默认给所有结果都查详情，也不要把返回的联系方式自动用于外联。

## 6. 验收和失败恢复

确认 `linkedin-jobs-verified-0.json` 可读、保留了 `request_id`、筛选条件一致。业务失败时不会生成归档，`save_jobs.py` 也不会覆盖已有归档，所以重复运行要换新的目标文件，或直接复用已存文件。保留源 JSON 便于查错；本地转换出错时从已存 JSON 重做，不要为此再次收费查询。

[个人与公司链接](/zh/faq/linkedin-profile-and-posts)

## 7. 交付可筛选岗位表：先人工确认映射，再离线导出

原始 JSON 归档不是最终岗位清单。最终交付 `jobs.csv`，列为岗位、公司、地区、工作模式、发布时间、职位链接、是否入选、理由、`request_id`、来源文件。「是否入选」和「理由」两列留空，由读者按自己的需求填写。

先用一条实际职位确认字段映射，再导出整页。每一行至少要有岗位、公司和职位链接。搜索结果只给地区、没给工作模式或发布时间时，这两格留空，审阅时打开职位页面确认后再填。

打开原始 `linkedin-jobs-page-0.json`，选一条确实包含岗位信息的职位对象，对照原职位页面确认标题、公司与职位链接。把岗位数组的 JSON Pointer 写入 `mapping.json` 的 `rows`，把职位对象内部的字段路径写入 `fields`。指针以 `/` 开头，数组下标写 `/0`，字段名里的 `~` 和 `/` 分别转义为 `~0` 与 `~1`。`title`、`company`、`url` 必填；`location`、`work_mode`、`published_at` 没有对应数据时设为 null，不能用搜索筛选反推每个岗位的工作模式。

下面只展示映射文件的结构，`YOUR_*` 是占位路径，不是 BeatAPI 的真实字段。把所有 `YOUR_*` 换成你核对过的路径：

```json
{"rows":"/data/YOUR_JOB_ARRAY","fields":{"title":"/YOUR_TITLE","company":"/YOUR_COMPANY","url":"/YOUR_JOB_URL","location":null,"work_mode":null,"published_at":null}}
```

把下面的脚本存为 `export_jobs.py`。`export_jobs.py` 在打开目标文件前校验整个集合；映射错误、必填数据缺失、该填标量的位置是嵌套对象、链接不是职位链接，都会报错。脚本按职位 URL 路径去重，保留同名但链接不同的岗位，防止公式注入，并且不覆盖已有表格。

```python
import csv, json, pathlib, sys
from urllib.parse import urlparse
source, mapping, target = map(pathlib.Path, sys.argv[1:4])
r = json.loads(source.read_text(encoding="utf-8"))
m = json.loads(mapping.read_text(encoding="utf-8"))
if r.get("status") != "succeeded" or r.get("action") != "linkedin.web_v2.search_jobs":
    raise ValueError("Expected original successful job-search response")
def pointer(value, path):
    if path == "": return value
    if not isinstance(path, str) or not path.startswith("/"):
        raise ValueError("Use JSON Pointer paths")
    for part in path[1:].split("/"):
        part = part.replace("~1", "/").replace("~0", "~")
        value = value[int(part)] if isinstance(value, list) else value[part]
    return value
items = pointer(r, m["rows"])
if not isinstance(items, list): raise ValueError("Mapped rows is not an array")
fields = m["fields"]
for name in ["title", "company", "url"]:
    if name not in fields: raise ValueError("Map title, company and url explicitly")
rows, seen = [], set()
for item in items:
    row = {}
    for name in ["title", "company", "url", "location", "work_mode", "published_at"]:
        path = fields.get(name)
        value = pointer(item, path) if path is not None else None
        if value is not None and not isinstance(value, (str, int, float)):
            raise ValueError("Mapped values must be scalar: " + name)
        row[name] = "" if value is None else str(value)
    if any(not row[k].strip() for k in ["title", "company", "url"]):
        raise ValueError("Missing required job evidence")
    url = urlparse(row["url"])
    if url.scheme != "https" or url.hostname not in ["linkedin.com","www.linkedin.com"] or not url.path.startswith("/jobs/view/"):
        raise ValueError("Expected a LinkedIn job URL")
    key = url.path.rstrip("/")
    if key in seen: continue
    seen.add(key)
    row.update(request_id=r.get("request_id",""), source_file=source.name,
               shortlist="", reason="")
    rows.append(row)
def safe(value):
    text = str(value)
    return "'" + text if text.lstrip().startswith(("=","+","-","@")) else text
columns = ["title","company","location","work_mode","published_at","url",
           "shortlist","reason","request_id","source_file"]
with target.open("x",encoding="utf-8-sig",newline="") as f:
    writer=csv.DictWriter(f,fieldnames=columns);writer.writeheader()
    writer.writerows({k:safe(row[k]) for k in columns} for row in rows)
print(json.dumps({"exported_rows":len(rows),"source_rows":len(items)}))
```

```bash
python3 export_jobs.py linkedin-jobs-page-0.json mapping.json jobs.csv
```

在表格软件里按公司、地区、工作模式筛选，打开职位链接后填写 shortlist 与 reason 两列。至少抽查两行，对照原始职位对象。空结果只输出表头，不代表“所有公司都没有岗位”。核对 `exported_rows` 与去重后的实际记录数一致。保留 `mapping.json` 和源响应，之后修正映射时可以直接重新导出，不必再付费查询。导出过程不申请职位、不联系招聘者，不估算薪酬，也不补造未提供的信息。