影刀RPA實操指南招聘網(wǎng)站簡歷下載與人才庫歸檔HR朋友找我吐槽的場景你肯定眼熟每天幾十份簡歷散落在瀏覽器下載文件夾文件名五花八門想找某個候選人要翻半天人才庫臺賬還是手工復制粘貼維護的。我給她搭了一個影刀RPA流程簡歷自動下載、按崗位自動歸檔、臺賬自動更新全鏈路無人值守。這篇把這套流程完整拆開講。招聘網(wǎng)站的具體頁面結構各不相同我不貼某個網(wǎng)站的具體選擇器但整套循環(huán)列表—下載附件—重命名歸檔—寫臺賬的骨架和方法論是通用的換任何招聘平臺都成立。安裝準備客戶端、插件和賬號登錄態(tài)裝影刀RPA客戶端首次啟動裝瀏覽器插件Chrome或Edge這是網(wǎng)頁指令能跑的前提。招聘網(wǎng)站大多需要登錄才能看到簡歷列表和下載按鈕所以流程第一步的工程問題是登錄態(tài)保持。我的做法是用影刀RPA自帶的瀏覽器環(huán)境保存Cookie流程開始時先判斷元素是否存在檢查頁面右上角的頭像元素存在說明登錄態(tài)有效直接干活不存在就停下來輸出日志提醒人工登錄絕不把賬號密碼寫進流程里自動登錄招聘平臺的驗證碼和風控會教你做人。列表定位XPath抓簡歷行與候選人信息簡歷列表頁的操作對象是每一行簡歷。自動捕獲通常能抓到第一行但列表是相似元素組要用獲取相似元素列表(web)一次性拿到所有行再用循環(huán)相似元素(web)逐行處理。這里有個經(jīng)典報錯把相似元素組直接丟給點擊元素(web)會報錯因為元素組像一捆鉛筆必須循環(huán)里一根根拿出來用官方FAQ的原話就是鉛筆比喻我當時在這卡了一小時。手動寫XPath定位列表行比自動捕獲更抗改版# 捕獲元素簡歷列表中所有行容器假設行class含resume-item //*[contains(class,resume-item)] # 捕獲元素每行里的候選人姓名行內(nèi)第一個強調文本 //*[contains(class,resume-item)]//*[contains(class,name)] # 捕獲元素每行里的下載簡歷按鈕按文本匹配不受class改版影響 //*[contains(text(),下載簡歷)] # 參照物定位通過姓名找到同一行內(nèi)的下載按鈕兄弟層級回溯 //*[contains(class,name)]/ancestor::*[contains(class,resume-item)]//*[contains(text(),下載)]XPath和CSS怎么選還是老規(guī)則class規(guī)整用CSS快按文本和層級回溯用XPath穩(wěn)。招聘網(wǎng)站前端改版頻繁用文本匹配contains(text(),‘下載’)做定位錨點比綁定class存活率高得多這是我改版最少翻車的寫法。循環(huán)與翻頁不確定總頁數(shù)的處理流程控制骨架最外層是翻頁循環(huán)內(nèi)層ForEach或循環(huán)相似元素處理當前頁每一行。招聘網(wǎng)站一般不顯示總頁數(shù)翻頁判斷我用下一頁按鈕的disabled狀態(tài)循環(huán)內(nèi)先獲取下一頁按鈕的class屬性文本里包含disabled就break退出循環(huán)否則點它翻下一頁。這套邏輯也是官方FAQ推薦給不確定總頁數(shù)場景的標準解法。每一行內(nèi)的處理順序是獲取元素文本內(nèi)容抓姓名和崗位 → 判斷元素是否存在檢查附件或下載簡歷入口 → 有就點下載沒有就在臺賬記無附件跳過。判斷一定要做有些候選人只留了站內(nèi)聯(lián)系方式?jīng)]傳附件直接點下載會報錯中斷整個批次。下載落盤下載文件指令的三個必踩坑下載環(huán)節(jié)用下載文件指令或處理下載對話框指令里選擇觸發(fā)下載的元素指定保存文件夾指令會等文件下載完成并返回文件路徑變量。官方FAQ里專門有篇下載問題排查我按踩坑頻率排個序瀏覽器開著下載前詢問每個文件的保存位置指令等不到對話框報等待對話框出現(xiàn)超時去瀏覽器下載設置關掉這個開關裝完插件第一次跑就先查這個自定義擴展名不完整簡歷多為pdf或docx擴展名必須寫全寫了個p出來的文件打不開報等待下載完成超時網(wǎng)絡慢或文件大把指令里的超時時間從默認值調大或者在下載指令前加等待元素出現(xiàn)確保按鈕就緒下載完成后指令保存的文件路徑變量要立刻接到下一步重命名用千萬別重新拼路徑猜文件在哪。歸檔規(guī)則重命名與按崗位分文件夾下載下來的原始文件名基本不可用我的歸檔規(guī)則是崗位_姓名_日期.pdf崗位從列表頁抓的文本里提取日期用當天日期。流程結構創(chuàng)建文件夾指令按崗位建子目錄父目錄不存在會自動創(chuàng)建官方指令說明里寫明了這點然后移動文件到對應目錄。重命名要處理特殊字符候選人姓名里可能有空格、生僻字甚至帶引號的英文名我統(tǒng)一在重命名前清洗只保留中文、字母、數(shù)字其余替換成下劃線。文件名還有個隱蔽坑是重名同一天同崗位可能下到同名文件移動前先判斷目標文件是否存在存在就在文件名尾部追加下載時間戳。臺賬更新Excel讀寫與去重人才庫臺賬一張Excel列結構日期、崗位、姓名、工作年限、附件路徑、處理狀態(tài)。用讀取區(qū)域把整個臺賬讀成列表循環(huán)處理簡歷時把每條記錄追加進列表最后寫入?yún)^(qū)域一次性寫回比逐行寫快一個數(shù)量級。去重邏輯我放一個Python塊# 輸入exist_list是臺賬里已有的姓名崗位集合new_name/new_post是當前候選人# 輸出is_dup標記是否重復keyf{new_name}_{new_post}ifkeyinexist_list:# 集合查找判斷姓名崗位組合是否已存在is_dupTrue# 重復跳過下載只更新臺賬的日期字段else:is_dupFalseexist_list.add(key)# 新人加入集合防止本批次內(nèi)部重復用集合而不是列表做查重幾百條數(shù)據(jù)時性能差異就出來了。工作年限這類文本里的數(shù)字如5年經(jīng)驗提取5用正則或文本切片處理別讓帶文字的字符串直接進Excel數(shù)字列。多平臺適配兩套招聘站的差異點這套流程我在兩類平臺跑過。第一類是BOSS直聘式的聊天流平臺簡歷附件藏在聊天詳情頁入口深流程要多一層點開對話→等待元素出現(xiàn)詳情區(qū)→判斷附件存在→下載第二類是前程無憂式的列表流平臺列表頁直接有簡歷預覽和下載按鈕結構簡單但每頁條數(shù)多重點在翻頁和去重。兩套平臺共用同一套子流程只換定位表達式和頁面流轉參數(shù)。順帶一提這套列表循環(huán)附件下載歸檔的骨架我還在電商場景復用過淘寶/天貓店鋪的商品詳情圖批量歸檔、拼多多商家后臺的結算單下載邏輯完全同構。骨架復用是RPA工程化的核心收益一次搭好多處套殼。系統(tǒng)聯(lián)動飛書日報與定時任務流程收尾接飛書群通知今日新增簡歷N份其中技術崗N份重復N份無附件N份。HR在群里每天早上9點看到日報人才庫永遠是昨天的最新狀態(tài)。定時任務在客戶端計劃里配置我設的工作日上午8點半跑趕在HR上班前完成。夜間無人值守有三個前提機器不鎖屏不休眠、瀏覽器登錄態(tài)有效前面說的Cookie方案、整個流程套Try-Catch——Catch塊里輸出日志加截圖再接一條飛書告警掛了立刻有人知道。工程化拆分三個子流程與命名規(guī)范流程拆成三個子流程01_登錄檢查與翻頁遍歷、02_單份簡歷下載歸檔參數(shù)傳入行元素返回歸檔路徑、03_臺賬更新與通知。主流程只剩調度。子流程間用輸入輸出參數(shù)傳數(shù)據(jù)命名帶編號前綴注釋寫在每個子流程開頭兩行。調試方法整批跑掛時別重跑全流程在02子流程里右鍵加斷點單步執(zhí)行變量面板盯著文件路徑變量的值變化路徑類問題十秒定位。版本管理上每次給HR改完歸檔規(guī)則舊版本文件夾留存再改招聘流程改壞了影響的是真實候選人數(shù)據(jù)回滾能力必須有。易錯速查簡歷下載流程8個高頻坑現(xiàn)象原因處理點擊元素(web)報錯把相似元素組當單個元素用循環(huán)相似元素里逐個操作等待下載對話框超時瀏覽器開了下載前詢問關閉該瀏覽器開關下載文件打不開擴展名不完整寫全pdf/docx翻頁死循環(huán)未判斷disabled獲取class含disabled就退出部分行報錯中斷無附件仍點下載先判斷元素是否存在附件臺賬出現(xiàn)重復記錄無查重邏輯集合查重姓名崗位歸檔文件名亂碼未清洗特殊字符重命名前過濾非法字符夜跑靜默失敗無異常通知Catch接日志截圖加飛書再補三條網(wǎng)頁側高頻項簡歷詳情在新標簽頁打開時要用獲取已打開的網(wǎng)頁對象重新拿對象否則指令里舊對象必然報找不到元素列表懶加載的站點滾動一屏后用獲取相似元素列表比對數(shù)量數(shù)量沒變就是到底了iframe嵌套的附件區(qū)先切進iframe再捕獲元素。延伸閱讀與模板資源官方文檔里下載文件“處理下載對話框”獲取相似元素列表三篇指令文檔建議精讀下載排查FAQ收藏備用。這套流程的完整模板含翻頁判斷、查重Python塊、歸檔規(guī)則我整理在作者的代碼倉庫 home.linyan.cloud臺賬表頭和歸檔命名規(guī)則也一并附上替換定位表達式就能跑自己的平臺。#影刀RPA #RPA自動化 #簡歷下載 #文件歸檔 #Excel臺賬作者林焱