| name | boss-zhipin-scraper |
| description | Scrape BOSS直聘 (job listing site) via Chrome CDP. Searches jobs by keyword/city/filters, fetches JD details, outputs structured JSON/CSV with plaintext salary, and can summarize scraped results into a job-market prompt. Use when user wants to search/analyze jobs on BOSS直聘 or zhipin.com. |
| version | 2.0.0 |
| author | eatmoreduck |
| license | MIT |
| platforms | ["macos","linux"] |
| metadata | {"hermes":{"tags":["scraper","jobs","career","cdp","chrome","zhipin","boss直聘"]}} |
BOSS直聘职位抓取工具 v2.0
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）：
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="$SKILL_DIR/scripts/job_summary.py"
SCRIPT_PATH=$(find ~/.hermes/skills -name "boss_cdp_raw.py" -type f 2>/dev/null | head -1)
SUMMARY_PATH=$(find ~/.hermes/skills -name "job_summary.py" -type f 2>/dev/null | head -1)
如果找不到脚本，说明 skill 未正确安装，需要重新安装。
依赖安装（首次使用必须执行）
脚本依赖 websocket-client 和 requests。在用户项目的 venv 中安装：
uv add websocket-client requests
pip install websocket-client requests
自动化流程
当用户要求搜索/抓取 BOSS直聘 职位时，严格按以下顺序执行：
第 1 步：检查环境
python3 "$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 Chrome CDP（仅在 --check CDP 不通时）
python3 "$SCRIPT_PATH" --setup-chrome --cdp-port 9222
这会自动完成：
- 创建或复用持久隔离 Chrome profile
~/.boss-zhipin-scraper/chrome-profile
- 只关闭使用该隔离 profile 的旧 BOSS CDP Chrome，不关闭用户主 Chrome
- 以 CDP 模式启动 Chrome（
--remote-debugging-port=9222）
- 等待 CDP 端口就绪（最多 30 秒）
- 打开 BOSS 登录页并等待登录完成，直到搜索接口返回明文
salaryDesc
默认不复制主 Chrome 的 Cookie、密码、历史记录或扩展；首次启动和后续重复启动都只是创建或复用该专用 profile。首次使用时告诉用户：请在弹出的 BOSS 专用 Chrome 浏览器中访问 zhipin.com 并登录。脚本会等待登录完成并确认接口能返回明文薪资。该专用 profile 是持久目录，机器重启后登录态仍保留，重复运行 --setup-chrome 不会清空它。
仅当用户明确要求从主 Chrome 手动导入 BOSS 登录态时，可使用：
python3 "$SCRIPT_PATH" --setup-chrome --copy-login-state --cdp-port 9222
--copy-login-state 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 Chrome 登录态。
等用户确认后，重新运行 --check 验证。
第 3 步：运行抓取
python3 "$SCRIPT_PATH" --keyword "关键词" --city 城市 --pages 3 --output ~/.boss-zhipin-scraper/job-result/jobs.json
python3 "$SCRIPT_PATH" --keyword "关键词" --city 城市 --pages 3 --format csv --output ~/.boss-zhipin-scraper/job-result/jobs.json
python3 "$SCRIPT_PATH" --keyword "关键词" --city 城市 --pages 3 --detail --max-details 8 --analysis --format csv --output ~/.boss-zhipin-scraper/job-result/jobs.json
python3 "$SUMMARY_PATH" --top 15
python3 "$SCRIPT_PATH" --smoke-test --cdp-port 9222
python3 "$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。
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：
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
| 参数 | 默认值 | 说明 |
|---|
--keyword | AI Agent | 搜索关键词 |
--city | 上海 | 城市名（中文）或代码；没传时默认上海 |
--pages | 3 | 抓取页数（上限 10，每页 30 条） |
--output | ~/.boss-zhipin-scraper/job-result/... | 列表输出路径 |
--detail-output | ~/.boss-zhipin-scraper/job-result/... | 详情输出路径 |
--format | json | 输出格式: json / csv；csv 同时导出列表和详情 CSV |
--detail | 开启（默认） | 抓取详情页 JD |
--no-detail | - | 不抓取详情页（关闭默认行为） |
--max-details | 全部 | 详情页数量上限 |
--analysis | 关闭 | 输出分析报告 |
--allow-dom-fallback | 关闭 | API 无数据时允许降级 DOM 提取；默认关闭，薪资可能不可信 |
--merge FILE | - | 合并已有 JSON（按 job_id 去重） |
--cdp-port | 9222 | CDP 端口 |
--setup-chrome | 关闭 | 一键启动 Chrome CDP（持久隔离 profile） |
--copy-login-state | 关闭 | 手动导入主 Chrome 的 Local State + Cookie 相关文件到隔离 profile；默认、首次启动、重复启动都不复制 |
--reset-chrome-profile | 关闭 | 重建 BOSS 专用 profile，会清除此专用浏览器登录态 |
--no-wait-login | 关闭 | --setup-chrome 启动后不等待 BOSS 登录完成 |
--login-timeout | 300 | --setup-chrome 等待登录完成的秒数 |
--check | 关闭 | 环境检查 |
--smoke-test | 关闭 | 真实 Chrome/CDP 搜索 API smoke test，不写结果文件 |
--version | - | 查看版本号 |
筛选参数
| 参数 | 值 |
|---|
--scale | 301=0-20人 302=20-99 303=100-499 304=500-999 305=1000-9999 306=10000+ |
--salary | 402=3K以下 403=3-5K 404=5-10K 405=10-20K 406=20-50K 407=50K+ |
--experience | 108=在校生 102=应届生 101=经验不限 103=1年内 104=1-3年 105=3-5年 106=5-10年 107=10年+ |
--degree | 209=初中及以下 208=中专/中技 206=高中 202=大专 203=本科 204=硕士 205=博士 |
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
{
"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
- 通过 Chrome DevTools Protocol (CDP) 连接到已打开的 Chrome 浏览器
- 在 BOSS直聘页面内注入 JS，用同步 XHR 调用
/wapi/zpgeek/search/joblist.json API
- API 返回明文
salaryDesc（如 30-60K·15薪），绕过前端字体反爬
- 列表 API 保留
securityId / lid 等上下文，进入详情页时带上这些参数
- 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
- 每页 30 条，每页抓完立即写入文件，异常退出不丢数据
- 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：
python3 "$SCRIPT_PATH" --setup-chrome --reset-chrome-profile --cdp-port 9222
常见问题
- --check CDP 不通 → 运行
--setup-chrome
- --check 未登录 → 在专用 Chrome 中访问 zhipin.com 登录，或重新运行
--setup-chrome
- 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
- 抓取中断 → 重新运行即可，增量写入 + 自动去重
- 端口占用 →
--cdp-port 9223 换端口
- 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）：
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
或克隆后手动复制：
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/
