Skip to content
TheChatArchiveThe Chat Archive
Geminigemini-2.5-pro-exp-03-25-grounding· GoogleHugging Face LMArena Search Arena 24K

necesito un script en python qeu dado la url…

From a Chatbot Arena battleThe same person sent this prompt to two anonymous models at once. Compare it with gpt-4o-search-preview’s answer.
  1. User

    necesito un script en python qeu dado la url https://www.linkedin.com/jobs/view/4217728775

    me cree este archivo.

    name file:

    [nombre_de_la_empresa][job title].md
    

    descripption

    ## url 
    en el formato markdown para urls ()[]
    ## title
    
    ## description
    
    exactamente igual como aparace en la propuesta (si es ingles dejarlo en ingles ) pero en formato markdown
    
    
  2. Gemini Assistant

    Okay, aquí tienes un script en Python que utiliza las bibliotecas requests y BeautifulSoup4 para intentar extraer la información de una página de empleo de LinkedIn y guardarla en un archivo Markdown con el formato que especificaste.

    Importante:

    1. Fragilidad: LinkedIn cambia la estructura de su HTML con frecuencia. Los selectores (clases CSS como 'top-card-layout__title', 'topcard__org-name-link', 'show-more-less-html__markup') usados en este script pueden dejar de funcionar en cualquier momento si LinkedIn actualiza su sitio. Tendrás que inspeccionar el HTML de la página de LinkedIn (usando las herramientas de desarrollador de tu navegador) y ajustar los selectores en el script si deja de funcionar.
    2. Términos de Servicio: El web scraping (extraer datos automáticamente de sitios web) puede ir en contra de los Términos de Servicio de LinkedIn. Úsalo con responsabilidad y a baja escala para evitar bloqueos. LinkedIn puede implementar medidas anti-scraping.
    3. Contenido Dinámico: A veces, LinkedIn carga partes de la página con JavaScript. Si requests no obtiene toda la información, podría ser necesario usar herramientas más complejas como Selenium, que controlan un navegador real. Este script usa el método más simple con requests.
    4. Formato Markdown: El script extraerá el texto de la descripción. Si la descripción original en LinkedIn tiene formato HTML (negritas, listas, etc.), este script básico lo convertirá a texto plano bajo la sección ## description. Convertir HTML a Markdown de forma precisa requeriría bibliotecas adicionales como html2text.

    Instalación de Bibliotecas:

    Si no las tienes instaladas, abre tu terminal o línea de comandos y ejecuta:

    pip install requests beautifulsoup4
    

    Script Python (scrape_linkedin.py):

    import requests
    from bs4 import BeautifulSoup
    import re
    import os
    
    def sanitize_filename(name):
        """Removes characters that are invalid for filenames."""
        # Remove invalid characters
        name = re.sub(r'[\\/*?:"<>|]', "", name)
        # Replace potential multiple spaces with a single one (optional)
        name = re.sub(r'\s+', ' ', name).strip()
        # You might want to replace spaces with underscores or remove them
        # name = name.replace(' ', '_')
        return name
    
    def scrape_linkedin_job(url):
        """
        Scrapes job details from a LinkedIn job posting URL and saves them to a Markdown file.
        """
        headers = {
            # Mimic a browser user-agent to potentially avoid basic blocks
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
        }
    
        try:
            print(f"Fetching URL: {url}")
            response = requests.get(url, headers=headers, timeout=15)
            response.raise_for_status() # Raise an exception for bad status codes (4xx or 5xx)
    
            print("Parsing HTML...")
            soup = BeautifulSoup(response.text, 'html.parser')
    
            # --- Extracting Information (Selectors might need updating!) ---
    
            # Job Title
            title_element = soup.find('h1', class_='top-card-layout__title')
            job_title = title_element.get_text(strip=True) if title_element else "Unknown_Job_Title"
            print(f"Found Title: {job_title}")
    
            # Company Name
            # Try finding the link first, then the text part
            company_link_element = soup.find('a', class_='topcard__org-name-link')
            if company_link_element:
                company_name = company_link_element.get_text(strip=True)
            else:
                # Fallback: Sometimes it's in a span within the subtitle container
                subtitle_element = soup.find('div', class_='topcard__flavor-row')
                company_span = subtitle_element.find('span', class_='topcard__flavor') if subtitle_element else None
                company_name = company_span.get_text(strip=True) if company_span else "Unknown_Company"
                # Further fallback if structure changes drastically
                if company_name == "Unknown_Company":
                     company_name_element = soup.find('span', class_='topcard__flavor') # Simpler selector attempt
                     company_name = company_name_element.get_text(strip=True) if company_name_element else "Unknown_Company"
    
    
            print(f"Found Company: {company_name}")
    
            # Job Description
            # Often inside a div with specific classes, structure might vary
            description_container = soup.find('div', class_='show-more-less-html__markup')
            # Sometimes it might be nested differently
            if not description_container:
                 description_container = soup.find('div', class_='description__text') # Another possible class
    
            job_description = "Description not found."
            if description_container:
                # get_text with separator preserves line breaks better than strip=True alone
                job_description = description_container.get_text(separator='\n', strip=True)
                print("Found Description (snippet):", job_description[:200] + "...")
            else:
                print("Warning: Could not find the job description container.")
    
    
            # --- Create Markdown File ---
    
            # Sanitize names for the filename
            safe_company_name = sanitize_filename(company_name)
            safe_job_title = sanitize_filename(job_title)
    
            # Create filename
            filename = f"{safe_company_name}_{safe_job_title}.md"
            # Ensure filename is not excessively long (optional)
            max_len = 150
            if len(filename) > max_len:
                 filename = filename[:max_len] + ".md"
    
    
            print(f"Preparing filename: {filename}")
    
            # Create Markdown content
            markdown_content = f"""## url
    [{url}]({url})
    
    ## title
    {job_title}
    
    ## description
    {job_description}
    """
            # Write to file
            try:
                with open(filename, 'w', encoding='utf-8') as f:
                    f.write(markdown_content)
                print(f"Successfully saved job details to: {os.path.abspath(filename)}")
            except OSError as e:
                print(f"Error writing file {filename}: {e}")
                # Attempt saving with a generic name if the original failed
                generic_filename = "linkedin_job_details.md"
                print(f"Attempting to save as {generic_filename} instead.")
                try:
                     with open(generic_filename, 'w', encoding='utf-8') as f:
                         f.write(markdown_content)
                     print(f"Successfully saved job details to: {os.path.abspath(generic_filename)}")
                except OSError as e2:
                     print(f"Failed to save file even with generic name: {e2}")
    
    
        except requests.exceptions.RequestException as e:
            print(f"Error during requests to {url}: {e}")
        except Exception as e:
            print(f"An unexpected error occurred: {e}")
    
    # --- Main Execution ---
    if __name__ == "__main__":
        job_url = "https://www.linkedin.com/jobs/view/4217728775" # The URL you provided
        # Example with a different URL (uncomment to test)
        # job_url = "https://www.linkedin.com/jobs/view/3916492901/"
    
        if job_url:
            scrape_linkedin_job(job_url)
        else:
            print("Please provide a LinkedIn job URL in the script.")
    

    Cómo usar el script:

    1. Guarda el código anterior en un archivo llamado scrape_linkedin.py.
    2. Abre tu terminal o línea de comandos.
    3. Navega hasta el directorio donde guardaste el archivo.
    4. Ejecuta el script usando Python: python scrape_linkedin.py
    5. Si todo va bien, el script imprimirá los pasos que está realizando y al final creará un archivo .md en el mismo directorio (por ejemplo, NombreDeLaEmpresa_TítuloDelPuesto.md) con el contenido extraído.

    Recuerda: si el script falla o no extrae la información correctamente, lo más probable es que necesites actualizar los selectores CSS (find('tag', class_='some-class')) dentro del script para que coincidan con la estructura HTML actual de la página de LinkedIn.

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.