📌 Projeto de Raspagem de Vagas no LinkedIn

📖 Visão Geral

Este projeto é um conjunto de scripts em R para realizar a raspagem de dados de vagas no LinkedIn. Ele coleta, processa e armazena informações sobre oportunidades de emprego na área de Data Science e afins, além de gerar relatórios automatizados e gráficos de tendências.

🛠 Tecnologias Utilizadas

• R
• Chromote (Automação do Navegador)
• rvest (Web Scraping)
• tidyverse (Manipulação de Dados)
• gmailr (Envio de E-mails)
• jsonlite (Exportação de Dados)
• ggplot2 (Visualização de Dados)

📂 Estrutura do Projeto

📦 projeto-linkedin-jobs
├── 📄 V0.R            # Primeira versão da raspagem (sem localização)
├── 📄 V1.R            # Adiciona busca específica no Brasil
├── 📄 V2.R            # Inclui filtro de vagas 100% remotas
├── 📄 V3_json.R       # Exportação dos dados em formato JSON
├── 📄 V4.R            # Adiciona filtro de período e coleta de descrições
├── 📄 V5.1.R          # Mensagens coloridas e otimizações de execução
├── 📄 V5.2.R          # Análise estatística das tecnologias mais requisitadas
├── 📄 README.md       # Documentação do projeto

🚀 Funcionalidades Principais

• Coleta de Vagas: Raspagem automática de vagas relacionadas a Data Science.
• Filtragem Inteligente: Identificação de vagas 100% remotas.
• Extração de Descrição: Captura da descrição detalhada das vagas.
• Geração de Relatórios: Exportação dos resultados em JSON e CSV.
• Envio Automático por E-mail: Relatório diário enviado por e-mail.
• Análise de Tecnologias: Identificação das ferramentas mais demandadas no mercado.

📌 Como Executar

1. Instale as dependências:

   install.packages(c("chromote", "rvest", "dplyr", "stringr", "tidyverse", "parsedate", "gmailr", "knitr", "kableExtra", "jsonlite", "ggplot2", "readr", "lubridate", "crayon"))

2. Configure o Gmail API (para envio de e-mails, opcional).
3. Execute um dos scripts:

   source("V5.2.R")

4. Visualize os resultados no arquivo gerado vagas_linkedin.csv ou vagas_remotas.json.

📊 Exemplo de Output

Um gráfico das ferramentas mais mencionadas nas vagas:

📌 Próximos Passos

• Melhorar a performance da raspagem.
• Adicionar suporte a mais países e regiões.
• Implementar Machine Learning para classificar vagas automaticamente.