Indeedをスクレイピングする方法：2025年版労働市場データ取得ガイド

from playwright.sync_api import sync_playwright

def run():
    with sync_playwright() as p:
        # テスト中に検出を避けるため、ブラウザを UI ありで起動することが有効な場合もあります
        browser = p.chromium.launch(headless=True)
        page = browser.new_page()
        
        # Indeed に移動し、コンテンツがレンダリングされるのを待機
        page.goto('https://www.indeed.com/jobs?q=data+analyst')
        page.wait_for_selector('.job_seen_beacon')
        
        # CSS セレクターを使用してデータを抽出
        jobs = page.query_selector_all('.job_seen_beacon')
        for job in jobs:
            title = job.query_selector('h2').inner_text()
            company = job.query_selector('[data-testid="company-name"]').inner_text()
            print({'title': title, 'company': company})
            
        browser.close()

run()

import scrapy

class IndeedJobSpider(scrapy.Spider):
    name = 'indeed_spider'
    start_urls = ['https://www.indeed.com/jobs?q=engineer']

    def parse(self, response):
        # CSSセレクターを使用して求人カードをループ処理
        for job in response.css('.job_seen_beacon'):
            yield {
                'title': job.css('h2 span::text').get(),
                'company': job.css('span[data-testid="company-name"]::text').get(),
                'location': job.css('[data-testid="text-location"]::text').get(),
            }

        # ページネーション: 「次へ」ページへのリンクをたどる
        next_page = response.css('a[data-testid="pagination-page-next"]::attr(href)').get()
        if next_page:
            yield response.follow(next_page, self.parse)

const puppeteer = require('puppeteer');

(async () => {
    const browser = await puppeteer.launch({ headless: true });
    const page = await browser.newPage();
    
    // 即時の 403 エラーを避けるために User-Agent の設定が不可欠です
    await page.setUserAgent('Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36');
    
    await page.goto('https://www.indeed.com/jobs?q=marketing');
    await page.waitForSelector('.job_seen_beacon');
    
    const results = await page.evaluate(() => {
        return Array.from(document.querySelectorAll('.job_seen_beacon')).map(el => ({
            title: el.querySelector('h2').innerText,
            company: el.querySelector('[data-testid="company-name"]').innerText
        }));
    });
    
    console.log(results);
    await browser.close();
})();