Un desarrollador crea en Python un agregador de ofertas de empleo que unifica HH, Habr Career y GeekJob

Un desarrollador, cansado de revisar a mano cada mañana cinco o más portales de empleo, ha escrito su propio agregador de búsqueda de trabajo en Python y ha publicado el código fuente en abierto en Habr.

Cómo funciona el agregador

La herramienta resuelve un problema habitual de quienes buscan empleo en el sector tecnológico: las ofertas relevantes están repartidas entre una decena de fuentes distintas. Van desde grandes agregadores como HH.ru hasta portales especializados como Habr Career y GeekJob, además de numerosos canales temáticos de Telegram donde reclutadores y equipos de RR. HH. publican ofertas directamente. Revisar todas estas fuentes a mano cada día consume tiempo, y buena parte de las ofertas aparece duplicada en varios portales a la vez.

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

Por qué surgen herramientas así con regularidad

La idea de unir varias fuentes de ofertas en un único flujo no es nueva: los propios portales de empleo llevan años ofreciendo funciones similares mediante suscripciones integradas, al igual que servicios de terceros y bots de Telegram orientados al mercado laboral. Sin embargo, la mayoría de los portales no tiene una API pública oficial, o la que tiene está muy limitada. Por eso, los desarrolladores que necesitan una lógica de filtrado y deduplicación flexible y a medida suelen escribir sus propios scripts: recurren a las API oficiales donde existen y al scraping de páginas públicas donde no hay API.

Publicar el código fuente en abierto es una práctica habitual en Habr para este tipo de herramientas personales. Así, otros desarrolladores no tienen que programar desde cero la integración con fuentes ya conocidas y pueden adaptar una base existente a su propio stack y a los portales que les interesen.

Por qué la deduplicación es la parte menos trivial

A primera vista, unir varias fuentes de ofertas parece una tarea sencilla, pero en la práctica lo más difícil de estos agregadores no es recopilar los datos, sino normalizarlos después. Una misma oferta suele publicarse en varios portales a la vez con títulos distintos, descripciones de funciones ligeramente diferentes o una banda salarial presentada de otra forma. Además, las agencias de reclutamiento a menudo duplican un mismo puesto bajo nombres de empresa diferentes.

Para filtrar estos duplicados, los desarrolladores no pueden comparar cadenas exactas: tienen que medir la similitud semántica del texto a partir de palabras clave, el nombre de la empresa y la coincidencia de la banda salarial. Eso ya va más allá del scraping simple y exige una lógica de emparejamiento más flexible.

Entregar los resultados a través de Telegram también es una decisión consciente: la aplicación de mensajería se ha convertido de facto en el canal principal del mercado laboral ruso en IT, donde una parte importante de las ofertas ya se publica en canales temáticos y bots, y no solo en los portales de empleo clásicos.

Qué significa esto

La historia es un ejemplo pequeño pero revelador de cómo candidatos y desarrolladores resuelven por su cuenta la fragmentación de la información en el mercado laboral, sin esperar a que los grandes actores lancen un agregador único. Mientras no exista una solución universal de ese tipo en el mercado, proyectos open source de nicho como este seguirán cubriendo ese vacío para usuarios concretos.