Indsaml fjernjob-opslag fra We Work Remotely på få minutter med , en AI-drevet web scraper, der læser siden og omdanner jobopslag til strukturerede rækker. Du klikker på AI Suggest Columns, derefter Scrape, og Thunderbits AI organiserer titler, virksomheder, lokationer, tags, datoer og URL’er klar til eksport. Når du har brug for flere detaljer, kan du også bruge subpage scraping til at åbne hver jobside og udvide datasættet med fulde beskrivelser og ansøgningslinks.
🧑💻 Hvad er We Work Remotely Scraper
We Work Remotely Scraper er en AI Web Scraper, der hjælper dig med at udtrække jobopslag og jobdetaljer fra via Thunderbit Chrome-udvidelsen. I stedet for at kode eller bygge skrøbelige selectors åbner du den side, du vil hente data fra (fx oversigten over fjernjobs), klikker AI Suggest Columns og derefter Scrape for at få en pæn tabel, som du kan downloade eller sende videre til dine værktøjer.
Med Thunderbit kan du også:
- Håndtere paginering og lange lister
- Bruge Subpage Scraping til at åbne hvert jobopslag og hente fulde beskrivelser, krav og ansøgnings-URL’er
- Eksportere til Excel, Google Sheets, Airtable eller Notion med gratis eksportmuligheder
🗂️ Hvad kan du scrape med We Work Remotely
We Work Remotely er et populært samlingspunkt for fjernroller inden for engineering, product, design, marketing, customer support og meget mere. Med Thunderbits AI Web Scraper (https://thunderbit.com/) kan du opbygge en struktureret jobdatabase til sourcing, analyse, alerts og rapportering.
Scrape alle fjernjobs fra We Work Remotely
Dette use case handler om at scrape den primære joboversigt: . Det er ideelt, hvis du vil have bred dækning på tværs af kategorier og virksomheder – og derefter (valgfrit) berige hver række ved at scrape jobopslagets detaljeside.
Trin:
- Download og opret en konto.
- Gå til den ønskede side, fx: https://weworkremotely.com/remote-jobs
- Klik AI Suggest Columns, som foreslår kolonnenavne.
- Klik Scrape for at køre scrapingen, hente data og downloade filen.
Kolonnenavne
| Kolonne | Beskrivelse |
|---|---|
| 🧾 Jobtitel | Rollenavnet som vises i listen (fx “Senior Backend Engineer”). |
| 🏢 Virksomhed | Virksomhedens navn knyttet til jobopslaget. |
| 📍 Lokation / Region | Lokationskrav som “Worldwide”, “US only” eller regionale begrænsninger. |
| 🏷️ Tags / Kategori | Labels som Programming, Design, Marketing eller andre tags vist i oversigten. |
| 🗓️ Opslået dato | Datoen (eller relativ tid) for hvornår jobbet blev slået op, når det er tilgængeligt. |
| 🔗 Job-URL | Linket til jobopslagets detaljeside (nyttigt til subpage scraping). |
| 🖼️ URL til virksomhedslogo | Link til logo-billedet, når det vises i listen. |
| 🧩 Kort resumé | En kort tekst/snippet, der vises på oversigtssiden. |
Tip: Når du har scraped oversigten, kan du bruge Scrape Subpages til at besøge hver Job-URL og tilføje felter som fuld beskrivelse, krav, løn (hvis angivet) og ansøgningslink.
Scrape fjernjobs inden for programmering fra We Work Remotely
Dette use case fokuserer på en specifik kategoriside: . Det er smart, hvis du kun er interesseret i engineering-roller og vil have et mere “rent” datasæt uden efterfølgende filtrering.
Trin:
- Download og opret en konto.
- Gå til den ønskede side, fx: https://weworkremotely.com/categories/remote-programming-jobs
- Klik AI Suggest Columns, som foreslår kolonnenavne.
- Klik Scrape for at køre scrapingen, hente data og downloade filen.
Kolonnenavne
| Kolonne | Beskrivelse |
|---|---|
| 💻 Jobtitel | Programmeringsrollen som den vises på kategorisiden. |
| 🏢 Virksomhed | Den ansættende virksomhed. |
| 🌎 Lokation / Tidszone | Lokationskrav som land, region eller overlap i tidszone. |
| 🧠 Tech / Tags | Tags der kan indikere stack, senioritet eller jobtype, når de vises. |
| 🗓️ Opslået dato | Opslagsdato eller relativ tidsangivelse. |
| 🔗 Job-URL | Link til detaljesiden, så du kan berige data via subpage scraping. |
| 🧾 Kategori | Kategorinavnet (nyttigt hvis du kombinerer flere kategorier). |
| 📝 Noter (AI) | Valgfrit: tilføj en Field AI Prompt til at opsummere rollen eller klassificere den (fx Backend/Frontend/Full-stack). |
🎯 Hvorfor bruge We Work Remotely Tool
Når du scraper We Work Remotely, kan du omdanne en jobportal med høj aktivitet til et datasæt, du kan søge i, filtrere og bruge operationelt.
Typiske grunde til at teams scraper We Work Remotely:
- Rekruttering & talent sourcing: Byg en pipeline af virksomheder, der ansætter remote, følg nye opslag, og prioriter roller efter region, stack eller senioritet.
- Salg & partnerskaber: Find remote-first virksomheder i vækst og berig leads med job-signaler (ansættelser = budget og hast).
- Markedsanalyse: Følg ansættelsestrends efter kategori (programmering vs. design), lokationskrav og hyppighed over tid.
- Jobsøgere & karrierecoaches: Lav din egen jobtracker i Google Sheets eller Notion, fjern dubletter og hold øje med nye opslag.
- Ecommerce- og driftsteams, der ansætter teknisk talent: Hold en løbende liste over relevante engineering-roller i din niche.
Thunderbits styrke er, at det er bygget til forretningsworkflows: AI Web Scraper (https://thunderbit.com/) strukturerer data for dig, og Subpage Scraping beriger hver række uden at du skal bygge komplekse crawlers.
Hvis du vil have mere baggrund om moderne scraping-workflows, kan disse guides hjælpe:
🧩 Sådan bruger du We Work Remotely Chrome Extension
- Installer Thunderbit Chrome Extension: Hent den i og opret din konto på .
- Gå til en We Work Remotely-side: Åbn enten eller kategorien .
- Aktivér AI-drevet scraping: Klik AI Suggest Columns for at generere kolonnenavne, datatyper og valgfri Field AI Prompts. Du kan omdøbe kolonner eller tilføje nye som “Seniority” eller “Comp Range (if listed)”.
- Scrape og berig: Klik Scrape for at indsamle rækker. Brug derefter Scrape Subpages til at besøge hver job-URL og hente fulde beskrivelser, ansøgningslinks og andre detaljer.
Pro workflow: Eksportér til Google Sheets for samarbejde, eller Airtable/Notion hvis du vil have en let ATS-lignende database. Eksport er gratis.
💳 Priser for We Work Remotely
Thunderbit bruger et enkelt creditsystem:
- 1 credit = 1 outputrække (én jobrække i din resultattabel).
- Den AI-drevne scraping er inkluderet, og dataeksport er gratis (CSV/JSON, Excel, Google Sheets, Airtable, Notion).
Det kan du prøve gratis:
- Gratis plan: scrape 6 sider pr. måned.
- Gratis prøveperiode: scrape 10 sider gratis, hvilket er en god måde at teste både oversigt + subpage-berigelse på We Work Remotely.
Typisk pris pr. kørsel (eksempel):
- Hvis du scraper 5 oversigtssider og får 80 jobrækker i alt, er det 80 credits.
- Hvis du derefter beriger de 80 jobs med subpage scraping og tilføjer én beriget række pr. job, tæller det stadig typisk som outputrækker, så planlæg credits efter hvor mange jobrækker du vil ende med i din endelige tabel.
Betalte planer (månedligt og årligt) skalerer med dit volumen, og den årlige løsning er ofte mest omkostningseffektiv, hvis du scraper løbende. Se alle detaljer på .
| Niveau | Pris (månedligt) | Pris (årligt) | Samlet årlig pris | Credits (månedligt) | Credits (årligt) |
|---|---|---|---|---|---|
| Free | Gratis | Gratis | Gratis | 6 sider | N/A |
| Starter | $15 | $9 | $108 | 500 | 5.000 |
| Pro 1 | $38 | $16.5 | $199 | 3.000 | 30.000 |
| Pro 2 | $75 | $33.8 | $398 | 6.000 | 60.000 |
| Pro 3 | $125 | $68.4 | $796 | 10.000 | 120.000 |
| Pro 4 | $249 | $137.5 | $1.592 | 20.000 | 240.000 |
❓ FAQ
-
Hvad er den AI-drevne We Work Remotely Scraper?
Den AI-drevne We Work Remotely Scraper er et workflow i Thunderbit, der udtrækker jobopslag og jobdetaljer fra We Work Remotely og omdanner dem til en struktureret tabel. Du kan scrape oversigtssider og derefter berige hver række ved at besøge detaljesider via subpage scraping. -
Hvad er Thunderbit?
er en AI Web Scraper Chrome-udvidelse, der hjælper dig med at udtrække strukturerede data fra websites, PDF’er og billeder uden at kode. Den er lavet til forretningsbrugere, der vil have hurtig opsætning, stabil udtrækning og nem eksport til værktøjer som Google Sheets, Airtable og Notion. -
Skal jeg kunne kode for at scrape We Work Remotely?
Nej. Du klikker AI Suggest Columns, og Thunderbits AI foreslår felter at udtrække ud fra det, den ser på siden. Du kan justere kolonnerne i almindeligt sprog og derefter klikke Scrape. -
Kan Thunderbit også scrape jobbeskrivelser og ansøgningslinks?
Ja. Når du har scraped oversigtssiden, kan du bruge Subpage Scraping til at åbne hver jobs detaljeside og udtrække felter som fuld beskrivelse, ansvarsområder, krav og ansøgnings-URL. Det er især nyttigt, når oversigten kun viser titel og virksomhed. -
Hvordan fungerer paginering på We Work Remotely-sider?
Thunderbit understøtter paginerings-scraping både ved klik-baseret paginering og lange scroll-lister, afhængigt af hvordan sitet er bygget. Hvis joboversigten går over flere sider, kan du scrape flere sider i én kørsel og samle output i én tabel. -
Hvilke data kan jeg eksportere, og hvor kan jeg sende dem hen?
Du kan eksportere resultater til CSV/JSON, downloade til Excel eller sende direkte til Google Sheets, Airtable eller Notion. Eksport er gratis, så det er nemt at bygge en delt jobtracker eller en søgbar database. -
Hvad er forskellen på Cloud Scraping og Browser Scraping for jobportaler?
Cloud Scraping er typisk hurtigere og kan behandle mange sider i batches, hvilket passer godt til offentlige jobopslag. Browser Scraping kører i din Chrome-session og er bedre, når et site kræver login eller indhold afhænger af din lokale session. -
Hvor mange jobs kan jeg scrape med gratisplanen?
Gratisplanen måles i sider, ikke jobs: du kan scrape 6 sider pr. måned. Hvis hver side indeholder mange jobrækker, kan du stadig få et solidt datasæt – og du kan starte en gratis prøveperiode for at scrape 10 sider, mens du tester dit workflow. -
Er det okay at scrape We Work Remotely til rekruttering eller research?
Scraping af offentlige websider er almindeligt til research og business intelligence, men du bør altid følge gældende lovgivning, respektere privatliv og gennemgå sitets vilkår. Hvis du bygger et produktionsworkflow, så overvej en fornuftig scrape-frekvens og brug data ansvarligt.
📚 Læs mere
- Hent udvidelsen:
- Udforsk produkt og use cases:
- Læs flere tutorials:
- Praktiske guides:
Klar til at bygge et rent datasæt med fjernjobs fra We Work Remotely med AI Web Scraper (https://thunderbit.com/)? Installer Thunderbit, åbn den jobside du vil arbejde med, klik AI Suggest Columns, og derefter Scrape.