如何用一个简单 API 采集 Google Jobs 结果

招聘数据变化很快。新的职位会出现，旧职位会消失，公司会调整职位名称，同一个岗位也可能同时出现在多个招聘平台。

对招聘平台、HR 分析工具、求职平台、劳动力市场仪表盘和 AI 招聘 agent 来说，手动查看 Google Jobs 远远不够。你需要一种可重复的方法，把职位结果采集成结构化数据。

使用 TalorData SERP API，开发者可以通过一套 API workflow 采集 Google Jobs 结果，并将搜索结果转成可用于数据库、仪表盘、警示和 AI workflow 的 JSON。TalorData 提供结构化搜索结果数据，支持 JSON / HTML 输出和地理定位 SERP 数据。

基本流程如下：

职位搜索 query
↓
TalorData SERP API
↓
结构化 Google Jobs 结果
↓
标准化职位记录
↓
存储、分析、警示或传入 AI agent

为什么要采集 Google Jobs 结果？

Google Jobs 结果可以帮助团队了解不同职位、地区、行业和公司的真实招聘动态。

这类数据可以用于：

• 求职搜索产品
• 招聘仪表盘
• 竞争对手招聘监控
• 劳动力市场研究报告
• 技能需求分析工具
• AI 招聘助手
• 职位数据补充流程

价值不只是采集职位链接，而是把职位搜索结果转成产品可以重复使用的招聘数据。

可以采集哪些数据？

一条有用的 Google Jobs 记录不应只有职位名称。

常见字段包括：

标准化后的职位数据可以像这样：

{
  "query": "software engineer jobs in New York",
  "title": "Software Engineer",
  "company_name": "ExampleTech",
  "location": "New York, NY",
  "source": "LinkedIn",
  "description": "Build backend services and internal tools.",
  "posted_at": "3 days ago",
  "schedule_type": "Full-time",
  "apply_link": "https://www.example.com/apply",
  "job_id": "example-job-id",
  "collected_at": "2026-07-17T09:00:00Z"
}

这种格式比原始搜索页更容易存储、筛选、比较和接入后续流程。

步骤 1：从聚焦的职位 Query 开始

Query 决定你要采集哪个招聘市场。

太宽泛：

jobs

更好：

data analyst jobs in Austin

更具体：

entry level data analyst jobs in Austin remote

常见 query 模式：

每条结果都应保存原始 query，否则职位记录会失去上下文。

步骤 2：加入地点和语言

招聘数据高度依赖地点。

同样的 query，在 New York、London、Singapore 或 Toronto 可能返回完全不同的招聘市场。为了让数据稳定可比较，请求中应包含 location 和 language。

请求形态可以像这样：

{
  "engine": "google_jobs",
  "query": "software engineer jobs in New York",
  "location": "United States",
  "language": "en",
  "output": "json"
}

实际 endpoint 和参数名称应以 TalorData API 文档为准。核心原则是：每次搜索都应该可重现。

步骤 3：标准化 JSON 响应

API 返回职位结果后，应将其标准化成一致 schema。

Python 示例：

from typing import Any

def normalize_google_jobs(response: dict[str, Any], query: str) -> list[dict[str, Any]]:
    raw_jobs = (
        response.get("jobs_results")
        or response.get("job_results")
        or response.get("results")
        or []
    )

    jobs = []

    for item in raw_jobs:
        apply_options = item.get("apply_options") or []
        first_apply_link = ""

        if apply_options and isinstance(apply_options, list):
            first_apply_link = apply_options[0].get("link", "")

        detected = item.get("detected_extensions") or {}

        jobs.append({
            "query": query,
            "title": item.get("title"),
            "company_name": item.get("company_name"),
            "location": item.get("location"),
            "source": item.get("via"),
            "description": item.get("description"),
            "posted_at": detected.get("posted_at"),
            "schedule_type": detected.get("schedule_type"),
            "apply_link": first_apply_link,
            "job_id": item.get("job_id"),
        })

    return jobs

Parser 应保持简单、清楚、容易更新。搜索结果格式可能变化，简单 parser 更容易维护。

步骤 4：保存职位结果快照

如果你在做招聘市场产品，不要只保存最新结果。

应保存快照。

实用数据表可以包含：

快照可以回答：

• 哪些公司招聘最频繁？
• 哪些职位在特定城市增长？
• 哪些技能反复出现？
• 哪些招聘平台最常出现？
• 哪些职位消失了？
• 招聘市场变化有多快？

这才是从职位搜索数据走向劳动力市场情报的关键。

步骤 5：去重职位列表

职位经常跨平台重复出现。

同一个岗位可能同时出现在公司官网、LinkedIn、Indeed 和其他招聘平台。

常见去重信号包括：

不要盲目删除所有重复。某些重复来源本身可以反映公司使用哪些招聘渠道。

步骤 6：用于 AI 招聘 Workflow

结构化 Google Jobs 数据很适合 AI 招聘和劳动力市场分析。

示例：

用户询问 data analyst 招聘需求
↓
Workflow 采集 Google Jobs 结果
↓
结果被标准化和筛选
↓
AI 摘要公司、地点、技能和职位趋势
↓
报告包含来源链接和职位 metadata

可支持：

AI 不应该凭空生成职位。它应基于当前结构化职位结果工作。

TalorData SERP API 帮助开发者采集结构化搜索数据，而不需要自己维护 scraping infrastructure。团队可以用它请求 Google Jobs 结果，获取结构化数据，标准化职位记录，并接入招聘产品、仪表盘、警示、报告或 AI agents。开始免费测试Google Jobs SERP API>>

流程如下：

定义职位 query
↓
设置地点和语言
↓
调用 TalorData SERP API
↓
获取结构化 Google Jobs JSON
↓
标准化并去重
↓
保存快照
↓
建立仪表盘、报告、警示或 AI workflow

这适合招聘团队、HR 数据产品、求职平台、市场情报工具和 AI 招聘系统。

结语

用一个 API 采集 Google Jobs 结果，本质是把职位搜索转成可重复使用的数据。

核心流程很清楚：

撰写聚焦职位 query。
设置地点和语言。
请求 Google Jobs 结果。
提取 title、company、location、description、source 和 apply links。
标准化 JSON。
去重职位。
保存快照。
用于招聘工具、仪表盘、报告或 AI workflow。

对开发招聘产品的团队来说，手动搜索不是 workflow。结构化 Google Jobs 数据才是。