Desarrollador crea agregador de empleos en Python que combina HH, Habr Career y GeekJob

Un desarrollador, cansado de revisar manualmente cinco o más tableros de empleos cada mañana, escribió su propio agregador de búsqueda de empleo en Python y publicó el código fuente abiertamente en Habr.

Cómo funciona el agregador

La herramienta resuelve un punto de dolor típico para los buscadores de empleo en el campo técnico: las vacantes relevantes están dispersas en una docena de fuentes diferentes — desde agregadores importantes como HH.ru hasta plataformas especializadas como Habr Career y GeekJob, así como numerosos canales temáticos de Telegram donde reclutadores y equipos de RR.HH. publican ofertas directamente. La revisión manual diaria de todas estas fuentes lleva tiempo, y una porción significativa de vacantes se duplican simultáneamente en varias plataformas.

• Fuentes de datos — HH, Habr Career, GeekJob y canales de Telegram
• Implementación — script de Python
• Función clave — eliminación automática de listados duplicados
• Entrega de resultados — notificaciones en Telegram
• El código fuente del proyecto es abierto

Por qué tales herramientas aparecen regularmente

La idea de combinar varias fuentes de empleo en un solo flujo no es nueva: funcionalidad similar ha sido ofrecida durante años por suscripciones integradas de los propios tableros de empleo, así como por servicios de terceros y bots de Telegram para el mercado laboral. Pero la mayoría de plataformas carecen de una API pública oficial, o está severamente limitada, por lo que los desarrolladores que necesitan lógica flexible de filtrado y deduplicación para sí mismos a menudo escriben sus propios scripts — confiando en APIs oficiales donde existen, y analizando páginas públicas donde las APIs están ausentes.

Publicar el código fuente abiertamente es una práctica típica para tales herramientas personales en Habr: permite que otros desarrolladores no escriban desde cero la lógica de integración con fuentes ya conocidas, sino que refinen la base lista para su propio stack y conjunto de plataformas.

Por qué la deduplicación es la parte más no trivial

A primera vista, combinar múltiples fuentes de empleo parece una tarea simple, pero en la práctica, lo más difícil en tales agregadores no es la recopilación de datos, sino su normalización posterior. La misma vacante a menudo es publicada por un empleador simultáneamente en varias plataformas con títulos diferentes, descripciones de deberes ligeramente diferentes o formato diferente del rango salarial, y agencias de reclutamiento a menudo duplican la misma posición bajo diferentes nombres de empresa. Para filtrar tales duplicados, los desarrolladores necesitan comparar no strings exactos sino similitud semántica de texto — por palabras clave, nombre de empresa y rango salarial coincidente — lo que ya va más allá del análisis simple y requiere lógica de coincidencia más flexible.

Entregar el resultado a través de Telegram es también una opción deliberada: el mensajero se ha convertido en el canal principal de facto para el mercado laboral de TI ruso, donde una porción significativa de vacantes se publica a través de canales temáticos y bots, no solo a través de tableros de empleo clásicos.

Qué significa esto

La historia es un ejemplo pequeño pero revelador de cómo los buscadores de empleo y desarrolladores resuelven el problema de la fragmentación de información en el mercado laboral por sí mismos, sin esperar un agregador unificado de los principales actores: mientras tal solución universal no exista en el mercado, proyectos de código abierto de nicho como este continúan cerrando la brecha para usuarios individuales.