如何用 Python 抓取 Glassdoor：職缺、薪資與評論

如果你的 Glassdoor 爬蟲在 2022 年跑得好好的，現在卻只會回傳 403，那你不是唯一一個遇到這種狀況的人。從論壇到社群，到處都看得到同樣的問題：「有人知道為什麼這個爬蟲現在不能用了嗎？」

簡單講：Glassdoor 已經整個變了。Recruit Holdings 在 2025 年 7 月把 Glassdoor 整併進 Indeed，並裁撤了 ，同時也把反機器人防護全面升級到連最基本的 Selenium 和 requests 型爬蟲，都會在第一個 HTML 位元組載入前就被擋下來。到了 2026 年 2 月，Glassdoor 的登入流程也已經全面改由 Indeed Login 處理——所以任何還在照抄 Glassdoor 舊登入表單的教學，從架構上就已經失效。與此同時，這個平台仍保有超過 ，涵蓋 。這些資料對 HR 基準分析、競爭情報、業務開發都很有價值——前提是你要先拿得到。本指南是經過這些變動後仍然可用的版本，並且一次涵蓋 Glassdoor 的三種資料類型（職缺、評論與薪資）。我會用可運作的 2025 程式碼帶你走一遍 Python 做法，清楚說明到底是什麼在擋你、又該怎麼突破，最後也會示範一個不寫程式的替代方案，適合想省掉工程細節的人。

為什麼 2025 年還要用 Python 抓 Glassdoor？

Glassdoor 不只是求職網站，它也是網路上最完整的雇主情報資料庫之一——大約有 會使用它，每月也有約 5,500 萬不重複訪客。這些頁面背後的資料，其實支撐著不少部門的重要決策。

以下是不同團隊實際怎麼用 Glassdoor 資料：

當美國勞工統計局在 2025 年 10 月政府停擺期間無法發布職缺數據時，Glassdoor 自家經濟研究團隊直接。這也說明了，現在機構級分析師有多重視這類資料。

Python 之所以還是首選語言，關鍵在於它的生態系真的很完整——Playwright 可做瀏覽器自動化、parsel/lxml 可做解析、curl_cffi 能繞過 TLS 指紋辨識，再加上龐大的社群一直在分享可用做法。問題不在 Python；問題在於 Glassdoor 現在真的難抓很多。

如果你想要一個不用寫程式的 Glassdoor 資料擷取替代方案，Thunderbit 可以幫你抓取職缺、評論與薪資頁面，而且不用自己建立和維護 Python 技術棧。

你到底能抓到哪些 Glassdoor 資料？

多數教學只會講職缺清單。但根據我追蹤過的論壇串、GitHub issue 與 Reddit 提問，使用者最想要的其實是沒人教的兩種資料：評論與薪資。以下是三大類資料可擷取內容的完整整理。

職缺清單

這是最容易取得的資料類型。你可以抓到：職稱、公司名稱、地點、薪資估計、公司評分、刊登日期、Easy Apply 標記，以及職缺連結。職缺清單在未登入狀態下有部分可見，不過 Glassdoor 可能在翻了幾頁後跳出登入視窗。

公司評論

這部分最適合拿來做雇主品牌分析。可擷取欄位包括：整體評分、分項評分（工作與生活平衡、文化與價值觀、多元與包容、職涯機會、薪酬與福利、高階管理）、優點文字、缺點文字、評論者職稱、評論日期，以及在職狀態。完整評論內容需要登入，未登入時你只會看到摘要，完整的優缺點文字則會被擋住。

薪資資料

這是需求最高、同時也最令人頭痛的資料類型。你可以擷取：職稱、底薪區間、總薪酬區間、薪資回報數量，以及地點。不過薪資頁面完全需要登入，Glassdoor 有時還會再加上一個「貢獻資料才能解鎖」流程，要求你先提交自己的薪資才能看別人的。市面上沒有其他教學提供可用程式碼來處理這件事——我們會在本文補上。

哪些內容需要登入、哪些不需要

這張表可以幫你少踩坑，避免抓到一半才發現頁面其實是空的：

為什麼你舊的 Glassdoor 爬蟲大多已經壞掉？

我先直接講結論：如果你還在複製 2021～2023 年的教學程式，它現在幾乎不可能再跑。GitHub 上最熱門的舊版 Glassdoor Selenium 爬蟲之一（，約 1.4k stars）有 12 個以上未解決 issue，包含「Glassdoor 新 UI 設計」、「Cloudflare 反機器人防護」與「NoSuchElementException」。這個 repo 基本上已經停更。。，繞過難度則是 8/10。

以下是變動內容，以及舊程式為何失效：

也明確警告：「Glassdoor 以高阻擋率著稱，所以如果你在執行 Python 程式時看到 None，很可能代表你已經被擋了。」而 則講得更直接：「用 requests 或 httpx 發送簡單 HTTP 請求，會立刻被擋下來。」

接下來我會示範的對策——Patchright（Playwright 的隱匿版分支）、data-test 屬性 selector、輪換住宅代理、以及已驗證的持久化 session——就是專門拿來處理這些防線的。

Glassdoor API 與 Python 爬蟲：先選對方法

很多論壇都會問：「我是不是直接用 Glassdoor API 就好？」答案是：不行。

。開發者入口雖然名義上還在，但實際上會。而且它從來就沒有公開的評論 endpoint——MatthewChatham 的爬蟲之所以存在，正是因為「Glassdoor 沒有提供評論 API」。在 Indeed 的 Publisher API 架構下，也沒有針對評論或薪資的遷移方案。

誠實比較如下：

如果你需要的是評論或薪資資料——而大多數讀到這裡的人都是——那麼 Python 爬取或無程式碼工具就是你唯一實際可行的選項。

開始之前

• 難度： 中階（你應該對 Python 與終端機有基本熟悉度）
• 所需時間： 完整設定約 30～60 分鐘；之後每種資料類型約 10 分鐘
• 你需要準備：
  • Python 3.10+（建議 3.11 或 3.12）
  • 已安裝 Chrome 瀏覽器
  • 一個 Glassdoor 帳號（免費，抓薪資與評論需要）
  • 住宅代理輪換服務（如果你要抓超過少量頁面）
  • 選用：，如果你想走免程式碼路線

2025 年用 Python 抓 Glassdoor 的工具與函式庫

現在的工具選擇已經大幅改變。以下是目前真正能對付 Glassdoor 防護的方法。

為什麼 Patchright 是抓 Glassdoor 的最佳選擇

是 Playwright 的隱匿分支，修補了 Runtime.Enable 的 CDP 洩漏——這正是原生 Playwright 在受 Cloudflare 保護網站上會失敗的關鍵技術原因。它使用與 Playwright 完全相同的 API，所以如果你會 Playwright，就能直接上手 Patchright。最新版本 1.58.2（2026 年 3 月）目前仍持續維護中。

與其他方案相比：

• 原生 Playwright： 會因 Runtime.Enable 洩漏而在 Glassdoor 登入頁被偵測
• Selenium + undetected-chromedriver： undetected-chromedriver 的最後一次釋出是在 2024 年 2 月，基本上已經算是舊世代。 顯示它「在我們測試的每個網域都失敗」
• requests + BeautifulSoup： 無法渲染 JavaScript，且會立刻被 Cloudflare 的 TLS 指紋辨識擋下
• ： 如果頁面在初始 HTML 就送出 __NEXT_DATA__，它是走快速路徑的絕佳選擇（比瀏覽器快 10～20 倍），但無法處理登入或中間挑戰頁

支援函式庫

• parsel（1.11.0）或 lxml（6.0.4）：快速 HTML/XPath 解析
• csv 或 pandas：資料匯出
• asyncio：非同步抓取，加快分頁速度

代理：只能用住宅代理

Glassdoor 的 Cloudflare 層會特別針對資料中心 ASN 發起挑戰。。入門價格約為 （促銷價）或 的 3.00 美元/GB。若要生產環境使用，依量級預算每 GB 3～8 美元較合理。

不管代理品質多好，每次請求之間都要加上隨機延遲（至少 3～8 秒，長時間跑批建議 5～15 秒）。

第 1 步：設定 Python 環境

先建立專案資料夾並安裝推薦套件：

1mkdir glassdoor-scraper && cd glassdoor-scraper
2python3.11 -m venv .venv
3source .venv/bin/activate
4pip install --upgrade pip
5# 核心套件
6pip install patchright==1.58.2 parsel==1.11.0
7# 安裝瀏覽器二進位檔
8patchright install chromium
9# 選用：用於快速擷取 __NEXT_DATA__
10pip install "curl_cffi==0.15.0"

你應該會看到 Patchright 下載 Chromium 二進位檔。如果 patchright install chromium 失敗，請檢查磁碟空間是否足夠（約 300MB），以及你的 Python 版本是否為 3.10+。

第 2 步：啟動 Patchright 並前往 Glassdoor

以下是能順利對抗 Glassdoor Cloudflare 層的基礎啟動方式：

1from patchright.sync_api import sync_playwright
2import random, time
3with sync_playwright() as p:
4    browser = p.chromium.launch(
5        headless=False,          # headless 仍然比較容易被偵測
6        channel="chrome",        # 使用真正的 Chrome，而不是內建 Chromium
7    )
8    context = browser.new_context(
9        viewport={"width": 1440, "height": 900},
10        locale="en-US",
11        timezone_id="America/New_York",
12        user_agent=(
13            "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) "
14            "AppleWebKit/537.36 (KHTML, like Gecko) "
15            "Chrome/134.0.0.0 Safari/537.36"
16        ),
17    )
18    page = context.new_page()
19    page.goto(
20        "https://www.glassdoor.com/Job/new-york-data-engineer-jobs-"
21        "SRCH_IL.0,8_IC1132348_KO9,22.htm"
22    )
23    # 關閉登入覆蓋層——資料其實仍在 DOM 裡
24    page.add_style_tag(content="""
25        #HardsellOverlay, .LoginModal { display: none !important; }
26        body { overflow: auto !important; position: initial !important; }
27    """)
28    page.wait_for_selector("[data-test='jobListing']")
29    print("頁面載入完成——已看見職缺列表。")

這裡有幾個重點。channel="chrome" 會讓 Patchright 使用你本機安裝的 Chrome 二進位檔，而不是它自帶的 Chromium，這樣瀏覽器指紋會更像真實使用者。add_style_tag 這個技巧則是直接把 Glassdoor 的登入彈窗（#HardsellOverlay）隱藏掉，而不用真的去點任何按鈕。「所有內容其實都還在，只是被覆蓋層蓋住了」——HTML 裡本來就有資料，不管彈窗有沒有顯示。

你應該會看到 Chrome 視窗開啟、進入 Glassdoor 職缺搜尋頁，並在沒有登入彈窗阻擋的情況下顯示職缺卡片。

第 3 步：抓取 Glassdoor 職缺清單

找出穩定的 selector

Glassdoor 會在每次部署時重新隨機化 CSS class 名稱，所以 2023 年教學中的 .jobCard_xyz123 之類 selector，今天只會悄悄回傳空值。正確做法是改用 data-test 屬性，這是 Glassdoor 內部測試用的慣例標記，通常在發版間都相當穩定。

以下是職缺欄位的 selector 對照表：

擷取職缺資料

1from parsel import Selector
2import csv, random, time
3def scrape_jobs(page, max_pages=5):
4    all_jobs = []
5    for page_num in range(1, max_pages + 1):
6        html = page.content()
7        sel = Selector(text=html)
8        cards = sel.css('[data-test="jobListing"]')
9        if not cards:
10            print(f"第 {page_num} 頁：找不到卡片，可能被擋或 selector 已變更。")
11            break
12        for card in cards:
13            job = {
14                "title": card.css('[data-test="job-title"]::text').get("").strip(),
15                "company": card.css('[data-test="employer-name"]::text').get("").strip(),
16                "location": card.css('[data-test="emp-location"]::text').get("").strip(),
17                "salary": card.css('[data-test="detailSalary"]::text').get("").strip(),
18                "rating": card.css('[data-test="rating"]::text').get("").strip(),
19                "link": card.css('a[data-test="job-link"]::attr(href)').get(""),
20                "posted": card.css('[data-test="job-age"]::text').get("").strip(),
21            }
22            if job["link"] and not job["link"].startswith("http"):
23                job["link"] = "https://www.glassdoor.com" + job["link"]
24            all_jobs.append(job)
25        print(f"第 {page_num} 頁：已抓到 {len(cards)} 筆職缺")
26        # 分頁
27        next_btn = page.query_selector('[data-test="pagination-next"]')
28        if next_btn and page_num < max_pages:
29            next_btn.click()
30            time.sleep(random.uniform(3, 8))
31            page.wait_for_selector("[data-test='jobListing']")
32        else:
33            break
34    return all_jobs

存成 CSV

1def save_to_csv(jobs, filename="glassdoor_jobs.csv"):
2    if not jobs:
3        print("沒有可儲存的職缺資料。")
4        return
5    keys = jobs[0].keys()
6    with open(filename, "w", newline="", encoding="utf-8") as f:
7        writer = csv.DictWriter(f, fieldnames=keys)
8        writer.writeheader()
9        writer.writerows(jobs)
10    print(f"已將 {len(jobs)} 筆職缺儲存到 {filename}")

關於分頁上限要注意：不管總數多少，Glassdoor 搜尋結果大約只開放到 30 頁。如果你需要更完整的覆蓋範圍，應該用篩選器（地點、職務類型、薪資區間）把每次搜尋縮小，而不是硬要翻超過上限。

我實測抓 5 頁職缺（大約 75 筆）搭配隨機延遲，約花了 45 秒。若用人工複製貼上，同樣的工作至少要 20 分鐘。

第 4 步：抓取 Glassdoor 公司評論

這一段是其他教學幾乎都不會提供可運作程式碼的地方。評論正是雇主情報最有價值的來源——情緒傾向分析、文化信號、管理警訊都藏在這裡。

前往評論頁

評論網址格式如下：/Reviews/{Company}-Reviews-E{id}.htm。你可以先在 Glassdoor 搜尋公司，再從網址中找出雇主 ID。

1def navigate_to_reviews(page, company_reviews_url):
2    page.goto(company_reviews_url)
3    page.add_style_tag(content="""
4        #HardsellOverlay, .LoginModal { display: none !important; }
5        body { overflow: auto !important; position: initial !important; }
6    """)
7    page.wait_for_selector('[data-test="review"]', timeout=15000)

隱藏的 BFF Endpoint（最乾淨的做法）

我研究後最大的發現是：Glassdoor 評論其實有一個可正常運作的內部 JSON API，完全不需要解析 HTML。 有記錄這個 endpoint，而且它比直接從 DOM 抓資料可靠得多。

1import json, re, requests
2def get_review_ids(page):
3    """從評論頁 HTML 擷取 employerId 與 dynamicProfileId。"""
4    html = page.content()
5    sel = Selector(text=html)
6    script_text = sel.xpath(
7        "//script[contains(text(), 'profileId')]/text()"
8    ).get("")
9    employer_match = re.search(r'"employer"\s*:\s*(\{[^}]+\})', script_text)
10    if employer_match:
11        meta = json.loads(employer_match.group(1))
12        return meta.get("id"), meta.get("profileId")
13    return None, None
14def fetch_reviews_bff(page, employer_id, profile_id, max_pages=5):
15    """呼叫 Glassdoor 內部 BFF endpoint 取得結構化評論資料。"""
16    all_reviews = []
17    cookies = {c["name"]: c["value"] for c in page.context.cookies()}
18    for pg in range(1, max_pages + 1):
19        payload = {
20            "applyDefaultCriteria": True,
21            "employerId": employer_id,
22            "dynamicProfileId": profile_id,
23            "employmentStatuses": ["REGULAR", "PART_TIME"],
24            "language": "eng",
25            "onlyCurrentEmployees": False,
26            "page": pg,
27            "pageSize": 10,
28            "sort": "DATE",
29            "textSearch": "",
30        }
31        resp = requests.post(
32            "https://www.glassdoor.com/bff/employer-profile-mono/employer-reviews",
33            json=payload,
34            cookies=cookies,
35            headers={"Content-Type": "application/json"},
36        )
37        if resp.status_code != 200:
38            print(f"BFF 在第 {pg} 頁回傳 {resp.status_code}")
39            break
40        data = resp.json()
41        reviews = data.get("data", {}).get("employerReviews", {}).get("reviews", [])
42        total_pages = data.get("data", {}).get("employerReviews", {}).get("numberOfPages", 1)
43        for r in reviews:
44            all_reviews.append({
45                "title": r.get("summary", ""),
46                "rating": r.get("ratingOverall"),
47                "pros": r.get("pros", ""),
48                "cons": r.get("cons", ""),
49                "author_role": r.get("jobTitle", {}).get("text", ""),
50                "date": r.get("reviewDateTime", ""),
51                "recommend": r.get("isRecommend"),
52            })
53        print(f"評論第 {pg}/{total_pages} 頁：取得 {len(reviews)} 則評論")
54        if pg >= total_pages:
55            break
56        time.sleep(random.uniform(3, 6))
57    return all_reviews

這個 BFF endpoint 會直接回傳乾淨的 JSON，包含所有評論欄位——不用 HTML 解析，也不怕 CSS selector 壞掉。你需要的是已登入的 Playwright session cookie（第 6 步會說明），以及先從評論頁 HTML 中擷取 employerId 和 dynamicProfileId。

評論的 HTML 備援 selector

如果 BFF endpoint 改了，或你比較想走 DOM 解析，以下是穩定的 data-test selector：

第 5 步：抓取 Glassdoor 薪資資料

薪資頁面是完全鎖登入的。你必須先有已登入 session（第 6 步），這段程式才會回傳真實資料。

前往薪資頁

薪資網址格式為：/Salary/{Company}-Salaries-E{id}.htm，分頁格式則是 _P{n}.htm。

1def scrape_salaries(page, salary_url, max_pages=3):
2    all_salaries = []
3    for pg in range(1, max_pages + 1):
4        url = salary_url if pg == 1 else salary_url.replace(".htm", f"_P{pg}.htm")
5        page.goto(url)
6        page.add_style_tag(content="""
7            #HardsellOverlay { display: none !important; }
8            body { overflow: auto !important; position: initial !important; }
9        """)
10        time.sleep(random.uniform(3, 7))
11        html = page.content()
12        sel = Selector(text=html)
13        items = sel.css('[data-test="salary-item"]')
14        if not items:
15            print(f"薪資第 {pg} 頁：沒有資料，可能是登入限制或被封鎖。")
16            break
17        for item in items:
18            salary = {
19                "job_title": item.css('[class*="SalaryItem_jobTitle__"]::text').get("").strip(),
20                "salary_range": item.css('[class*="SalaryItem_salaryRange__"]::text').get("").strip(),
21                "count": item.css('[class*="SalaryItem_salaryCount__"]::text').get("").strip(),
22            }
23            all_salaries.append(salary)
24        print(f"薪資第 {pg} 頁：已抓到 {len(items)} 筆資料")
25    return all_salaries

請注意 [class*="SalaryItem_jobTitle__"] 這種前綴比對方式。Glassdoor 薪資頁使用 CSS module 的雜湊 class 名稱（例如 SalaryItem_jobTitle__XWGpT），其中 hash 後綴每次部署都會變。前綴通常穩定，但 hash 不會。千萬不要把完整 class 名稱寫死。

第 6 步：突破 Glassdoor 的登入牆

這是解鎖薪資資料與完整評論文字的關鍵。做法是：先在可見瀏覽器中手動登入一次，把已驗證 session 狀態存起來，之後每次抓取都直接重用。

儲存你的已登入 session

先執行這個腳本一次。它會打開 Chrome 視窗，前往 Glassdoor 登入頁（現在會重新導向到 Indeed Login），並等待你手動登入：

1import asyncio
2from pathlib import Path
3from patchright.async_api import async_playwright
4STATE_FILE = Path("glassdoor_state.json")
5async def login_and_save():
6    async with async_playwright() as p:
7        browser = await p.chromium.launch(headless=False, channel="chrome")
8        context = await browser.new_context(
9            viewport={"width": 1366, "height": 800},
10            locale="en-US",
11        )
12        page = await context.new_page()
13        await page.goto("https://www.glassdoor.com/profile/login_input.htm")
14        print("請在瀏覽器視窗中登入，登入完成後回到終端機按 Enter...")
15        input()
16        await context.storage_state(path=str(STATE_FILE))
17        print(f"已將 session 儲存到 {STATE_FILE}")
18        await browser.close()
19asyncio.run(login_and_save())

登入並按下 Enter 後，Patchright 會把 cookies 與 local storage 全部存到 glassdoor_state.json。這個檔案會包含你的 gdId、GSESSIONID、cf_clearance 和驗證 token。

在抓取時重用 session

之後每次抓取都載入這個儲存狀態，就不需要再手動登入：

1async def scrape_with_auth(target_url):
2    async with async_playwright() as p:
3        browser = await p.chromium.launch(headless=True, channel="chrome")
4        context = await browser.new_context(
5            storage_state="glassdoor_state.json"
6        )
7        page = await context.new_page()
8        await page.goto(target_url)
9        await page.add_style_tag(
10            content="#HardsellOverlay{display:none!important}"
11        )
12        await page.wait_for_load_state("networkidle")
13        html = await page.content()
14        await browser.close()
15        return html

這個已儲存的 session 通常可維持 20～30 分鐘的活躍使用時間，之後 Glassdoor 可能會再次要求驗證。若你要長時間跑批，建議加一個檢查：如果某頁理應有資料卻抓到 0 筆，就重新執行登入腳本更新 state 檔。

偵測與關閉登入彈窗

針對只是部分頁面被遮住的情況（例如職缺列表有資料，但上面蓋著 modal），前面提過的 CSS 注入方式就很有用：

1page.add_style_tag(content="""
2    #HardsellOverlay, .LoginModal { display: none !important; }
3    body { overflow: auto !important; position: initial !important; }
4""")

這只適用於 HTML 本身已經包含資料、只是被覆蓋層遮住的頁面。若是伺服器端直接鎖住的頁面（薪資、深層評論頁），那就只有第 6 步的已驗證 session 這條路。

讓你的 Glassdoor 爬蟲更穩定的技巧

Glassdoor 的前端會頻繁更新。以下做法能讓你的爬蟲更有韌性。

優先使用 data-test 屬性，而不是 class 名稱

Glassdoor 會隨機化 CSS class 名稱，但 data-test 屬性通常比較穩定。永遠優先使用 [data-test="jobListing"]，而不是 .jobCard_abc123。如果沒有 data-test（例如薪資欄位 class），就用前綴比對模式：[class*="SalaryItem_jobTitle__"]。

輪換代理並加入隨機延遲

請使用住宅代理輪換服務——資料中心 IP 幾乎會立刻被挑戰。每次頁面載入之間加入 3～8 秒的隨機延遲（長時間批次建議 5～15 秒）。如果可以，盡量避開美國商業時段，因為那時 Cloudflare 的行為偵測通常最嚴格。

監控是否壞掉

建議在爬蟲裡加一個簡單檢查：如果理論上應該有資料的頁面最後卻抓到 0 筆，先把它當成 selector 失效，而不是資料真的為空，並立即發出警示。每週跑一次小型測試爬取，提早發現破損——Glassdoor 會在沒有公告的情況下直接更新前端。

在可行時使用 __NEXT_DATA__ 快速路徑

Glassdoor 是一個 Next.js + Apollo GraphQL 應用。很多頁面會在 <script id="__NEXT_DATA__"> 裡放入完整的 GraphQL cache JSON。解析這段資料比直接抓 DOM 更穩定，而且：

1import json
2def extract_next_data(html):
3    sel = Selector(text=html)
4    raw = sel.css("script#__NEXT_DATA__::text").get()
5    if raw:
6        return json.loads(raw)["props"]["pageProps"].get("apolloCache", {})
7    return None

這會回傳結構化的 Apollo cache，裡面包含所有職缺、評論與薪資欄位——完全不需要 CSS selector。因為它就是支撐 Glassdoor React 前端的同一份資料，所以是目前最穩定的擷取方式。

不想寫程式？用 Thunderbit 抓 Glassdoor 也可以

不是每個讀這篇的人都是工程師。HR、招募、銷售營運分析師與市場研究人員同樣需要 Glassdoor 資料——而他們不該為了拿到資料，就得自己管理 Playwright context 和代理輪換。

是一款 AI 網頁爬蟲 Chrome 擴充功能，不需要寫一行程式，就能抓到同樣的職缺、評論與薪資資料。我確實是 Thunderbit 團隊的一員，所以先說清楚這點——但我把它放進來的原因，是它真的解決了 Glassdoor 抓取中最難的兩個問題。

Thunderbit 在 Glassdoor 上怎麼運作

流程只要兩步：

1. 在 Chrome 中打開任何 Glassdoor 頁面（職缺搜尋、公司評論、薪資頁）
2. 在 Thunderbit 側邊欄點選 AI 建議欄位，AI 會讀取頁面 DOM 並自動建議欄位（職稱、公司、評分、薪資區間、優點、缺點等）
3. 點選 開始爬取，資料就會被擷取成表格，不需要 CSS selector 或瀏覽器自動化程式碼

Thunderbit 內建了一個 ，一次執行就能抓出每家公司 23 個以上欄位。若是職缺、評論或薪資頁，通用的 AI 建議欄位流程也能處理任何 Glassdoor URL。

不寫程式也能處理登入牆

這正是 Thunderbit 在 Glassdoor 上的結構性優勢。瀏覽器模式直接在你自己的 Chrome 工作階段中執行——如果你已經在 Chrome 登入 Glassdoor，Thunderbit 會自動沿用那些 cookies。會擋住伺服器端爬蟲的薪資與評論登入牆，在這裡根本不成問題。沒有 cookie 管理、沒有持久化 context、沒有 session 程式碼。

用子頁面爬取補充資料

你可以先從列表頁開始（例如搜尋結果中的 30 家公司），讓 Thunderbit 先列出所有列項，再啟用去拜訪每家公司的評論或薪資頁，補齊完整描述、評論文字或薪資細節。

匯出到商務工具

不同於輸出 CSV 或 JSON 的 Python 腳本，Thunderbit 可以直接匯出到 Google Sheets、Airtable、Notion 或 Excel，而且所有方案都免費提供這項功能。對需要協作分析資料的團隊尤其實用。

Python vs. Thunderbit：什麼情境用哪個？

Thunderbit 的價格從免費方案開始（每月 6 頁），可獲得 3,000 credits。以每列 1 credit 計算（子頁面爬取每列 2 credits），大約足以支援每月 33 次、每次 30 家公司補充資料的任務。

抓 Glassdoor 合法嗎？

我簡短講重點。Glassdoor 的明確禁止自動化爬取：「未經我們明確書面許可，你不得使用任何 robot、spider、scraper……來存取本服務。」

不過，法律實務上比單一條款更複雜：

• （加州北區，2024 年 1 月）：法院認為，如果你從未登入，就不算同意該服務條款，而公開的未登入爬取不違反條款
• hiQ Labs v. LinkedIn（第九巡迴）：CFAA 不適用於對公開可存取資料的自動化蒐集——但假帳號與登入後爬取是另一回事
• Van Buren v. United States（美國最高法院，2021）：縮限了 CFAA 中「超越授權存取」的解釋

實務上的重點是：不登入就抓公開職缺，法律風險相對較低。若你是用已登入 session 進行抓取，等於你在註冊時已接受服務條款，而條款又明確禁止這類行為。這對 Python 腳本與 Thunderbit 的瀏覽器模式都同樣適用。

不管怎樣，這些倫理原則還是值得遵守：

• 速率限制要遠低於真人瀏覽速度
• 不要擷取或轉售可識別個人身分的評論者資訊
• 尊重 robots.txt 規範
• 只抓你實際需要的欄位

結論：哪種方法最適合你？

這篇指南已經涵蓋 Glassdoor 的三種資料類型——職缺、評論與薪資——並提供可運作的 2025 程式碼，能應對 Indeed Login 遷移、Cloudflare Bot Management，以及讓舊教學全部失效的 CSS module class 名稱輪換問題。

以下是決策框架：

Glassdoor 的防護只會持續演進。Selector 會失效，新挑戰也會出現。把這篇指南加到書籤吧——如果你想更深入了解網頁爬取工具與技巧，也可以參考我們的文章：、、以及。你也可以到 觀看實作教學。

常見問題

1. 不登入可以抓 Glassdoor 嗎？

可以，針對大多數職缺資料和頂層公司評分是可以的。但若要完整薪資拆解，或超過前幾頁的完整評論內容，就不行了。#HardsellOverlay 只是 CSS 覆蓋層——底層 HTML 仍保有第一頁資料——但更深層的內容則是被 Glassdoor 的「先給才拿」牆擋在伺服器端。

2. 2025 年抓 Glassdoor 最好用的 Python 函式庫是什麼？

Patchright（Playwright 的隱匿分支）是預設推薦。它修補了原生 Playwright 的 Runtime.Enable CDP 洩漏，而這正是 Cloudflare 會明確檢查的項目。對於在初始 HTML 就送出 __NEXT_DATA__ 的列表頁，搭配 impersonate="chrome124" 的 curl_cffi 速度可快 10～20 倍，但它無法處理需要登入的頁面。

3. 要怎麼避免抓 Glassdoor 時被封鎖？

使用 Patchright 或 rebrowser-playwright（不要用原生 Playwright 或 Selenium）。輪換住宅代理——資料中心 IP 幾乎會立刻被挑戰。每頁之間加入 3～8 秒的隨機延遲。保留 cookie（gdId、cf_clearance、GSESSIONID）跨請求使用。也要預期 session 大約 20～30 分鐘就會再次被要求驗證。

4. 有沒有可以取代爬蟲的 Glassdoor API？

實際上沒有。舊版 Partner API ，公開評論 endpoint 從未存在，而 Indeed 的 Publisher API 也沒有遷移方案。對評論與薪資資料來說，爬取或使用像 Thunderbit 這類無程式碼工具才是唯一實際可行的方法。

5. Glassdoor 爬蟲多久會壞一次？

很頻繁。Glassdoor 會在沒有公告的情況下部署前端變動，而且 CSS module class 名稱的 hash 每次發版都會輪換。最穩定的擷取策略是：(1) data-test 屬性 selector、(2) __NEXT_DATA__ JSON 區塊、(3) 內部 BFF 評論 endpoint。建議內建 0 結果檢查，並每週跑一次小型測試爬取，提早發現壞掉的地方。

延伸閱讀