🧑‍💼 Job Scraper Chile

Actor de Apify que busca ofertas de trabajo en Chile. Disponible en 2 modos:

• portals (default): 12 portales públicos en paralelo — LinkedIn, Indeed, Talent.com, GetOnBoard, Computrabajo, Laborum, Trabajando.com, Glassdoor, Chumi, EmpleosTech, Empleos Públicos y Torre.ai.
• companies: scrapea las páginas de careers propios de 75 empresas TOP de Chile (modo directo a la empresa, sin pasar por agregadores).

✨ Características

• 🔍 Búsqueda unificada por keyword
• 🌎 Modo portals: 12 fuentes (HTML scraping + APIs)
• 🏢 Modo companies: 73 empresas TOP con sus careers pages
• 🛡️ Soporte de proxy de Apify integrado
• 🚦 Rate-limiting respetuoso (1-4 segundos según el portal)
• 🔄 Deduplicación automática de resultados
• 📊 Estadísticas guardadas en STATS
• 🇪🇸 Optimizado para Chile / LATAM

📥 Input

Campo	Tipo	Requerido	Default	Descripción
mode	string	❌	portals	portals o companies
keyword	string	✅	—	Palabra clave a buscar (ej: "desarrollador python")
country	string	❌	Chile	País donde buscar (modo portals)
city	string	❌	Santiago	Ciudad donde buscar (modo portals)
max_results	integer	❌	100	Máximo de resultados (1-500). En portals: por fuente. En companies: total.
sources	array	❌	las 12	Fuentes a usar (solo modo portals)
companies	array	❌	[]	Empresas específicas (solo modo companies). Vacío = las 75. Ej: ["Globant", "BCI"]
proxy_config	object	❌	{useApifyProxy: true}	Configuración de proxy

Ejemplo modo portals

{
  "mode": "portals",
  "keyword": "data engineer",
  "country": "Chile",
  "city": "Santiago",
  "max_results": 100,
  "sources": ["linkedin", "indeed", "talent", "getonboard", "computrabajo", "laborum", "trabajando", "glassdoor", "chumi", "empleostech", "empleospublicos", "torre"],
  "proxy_config": { "useApifyProxy": true }
}

Ejemplo modo companies (las 75 empresas)

{
  "mode": "companies",
  "keyword": "desarrollador",
  "max_results": 500,
  "proxy_config": { "useApifyProxy": true }
}

Ejemplo modo companies (subset)

{
  "mode": "companies",
  "keyword": "product manager",
  "max_results": 100,
  "companies": ["Globant", "BCI", "Mercado Libre", "Falabella Tecnologia", "Cornershop/Uber"]
}

📤 Output

Cada resultado en el dataset tiene este schema:

{
  "id": "string",
  "title": "string",
  "company_name": "string",
  "location": "string",
  "description": "string",
  "salary_min": "number|null",
  "salary_max": "number|null",
  "salary_currency": "CLP|USD|null",
  "posted_date": "YYYY-MM-DD|null",
  "source": "linkedin|indeed|talent|getonboard|computrabajo|laborum|trabajando|glassdoor|chumi|empleostech|empleospublicos|torre|companies",
  "url": "string",
  "job_type": "string|null",
  "is_remote": "boolean"
}

En modo companies, source será siempre "companies" y company_name el nombre de la empresa del catálogo.

🚀 Uso

Local

npm install
node src/main.js --test   # modo test (sin requests reales)

Apify Cloud

apify login
apify push

🛠️ Modo portals (12 fuentes)

Fuente	Método	Rate limit	Notas
LinkedIn	API guest /jobs-guest/jobs/api/seeMoreJobPostings/search	1 req / 2s	No requiere auth, descripción via /jobPosting/{id}
Indeed	CheerioCrawler sobre cl.indeed.com	1 req / 3s	HTML scraping, paginación por start=
Talent.com	CheerioCrawler sobre cl.talent.com	1 req / 2s	HTML scraping
GetOnBoard	API JSON https://www.getonbrd.com/api/v0/search/jobs	1 req / 1s	API pública, sin auth
Computrabajo	CheerioCrawler sobre cl.computrabajo.com	1 req / 3s	HTML scraping
Laborum	CheerioCrawler sobre www.laborum.cl	1 req / 3s	HTML scraping
Trabajando.com	CheerioCrawler sobre www.trabajando.cl	1 req / 3s	HTML scraping
Glassdoor	CheerioCrawler sobre www.glassdoor.com	1 req / 4s	HTML scraping, requiere proxy
Chumi	CheerioCrawler sobre chumi-it.com	1 req / 2s	HTML scraping, nicho IT
EmpleosTech	CheerioCrawler sobre empleostech.com	1 req / 2s	HTML scraping, nicho tech
Empleos Públicos	CheerioCrawler sobre www.empleospublicos.cl	1 req / 3s	HTML scraping, sector público Chile
Torre.ai	API JSON POST /opportunities/_search/	1 req / 2s	API pública

🛠️ Modo companies (73 empresas)

El modo companies itera por la lista de 73 empresas TOP y extrae, de su página de careers, los puestos que contengan al menos uno de los tokens del keyword. Procesa en batches de 5 empresas en paralelo con 1 req / 3s por empresa.

Incluye empresas de:

• Consultoras y servicios IT: Globant, NTT DATA, Accenture, Kibernum, Imagmaker, Modyo, Nisum, Endava, Sophos, TCS, Leniolabs, BairesDev, etc.
• Fintech/Startup: Fintual, Xepelin, Tenpo, Fintoc, Toku, Global66, Buk, Khipu, Cumplo, Betterfly, NotCo, Houm, Poliglota, etc.
• Bancos: Banco de Chile, BCI, Santander, BancoEstado, Itaú, Scotiabank, Falabella, BICE, Security, Coopeuch, Tanner
• Retail/Consumo: Falabella, Cencosud, Ripley, Walmart, SMU, Sodimac, LATAM, JetSMART, CCU, Embotelladora Andina, Agrosuper
• Telecom/Energía/Minería: Entel, Movistar, WOM, Enel, Copec, Codelco, CMPC
• Delivery/Mobility: Cornershop/Uber, PedidosYa
• Salud: Clínica Alemana, Banmédica, SURA, Examedi
• Otros: BC Tecnología, Continuum, Kunan, Magnet, Mediastream, Defontana, Mercado Libre, ComparaOnline, Relbase, The Live Green Co, Reversso

📦 Dependencias

• apify ^3.2.0 — SDK de Apify
• crawlee ^3.10.0 — Web scraping framework
• cheerio ^1.0.0 — HTML parser

📄 Licencia

MIT