Kıyaslama

En İyi LinkedIn Scraper'ları

ile

Güncellenme tarihi: 10 Haz 2026

Karşılaştırdık en iyi LinkedIn scraper araçlarını gönderi, profil ve iş ilanları genelinde 9.000 istek kullanarak. Bu rehber iki ana alanı kapsar:

En iyi LinkedIn veri scraper'larının karşılaştırması
LinkedIn gönderilerini, profillerini, şirketlerini ve işlerini çekmek için Python eğitimi

Satıcı

Odak

Bright Data

Özel, büyük ölçekli ve düşük maliyetli API çözümü

Apify

Pazar lideri geniş scraping API'leri yelpazesi (topluluk odaklı yaklaşım)

Linked Helper

Bireysel kullanıcılar için masaüstü uygulaması

LinkedIn scraper API karşılaştırması

LinkedIn scraper'lar	Tür	Amaç	Aylık başlangıç fiyatı	Ücretsiz deneme
Bright Data	Proxy tabanlı	Veri toplama platformu	$1.5 / 1K istek	Ücretsiz 5k kayıt/ay
Apify	Cookie tabanlı Proxy tabanlı	Veri toplama platformu	$30	3 gün
Nimbleway	Proxy tabanlı	Veri toplama platformu	$150	7 gün
Dripify	Proxy tabanlı	LinkedIn otomasyon platformu	$39	7 gün
Linked Helper	Proxy tabanlı	LinkedIn otomasyon platformu	$15	14 gün
PhantomBuster	Cookie tabanlı	LinkedIn otomasyon platformu	69€	14 gün
Snov.io	Tarayıcı uzantısı	LinkedIn otomasyon platformu	$39	50 kredi, 100 e-posta alıcısı
FindThatLead	Tarayıcı uzantısı	LinkedIn otomasyon platformu	49€	50 kredi

LinkedIn veri çekme kıyaslama sonuçları

Bu grafik, her 15 dakikada bir yapılan canlı testlere dayanarak LinkedIn scraper API'lerinin günlük başarı oranlarını karşılaştırır:

API ve proxy tabanlı LinkedIn scraper'lar

Proxy tabanlı LinkedIn scraper'lar, LinkedIn verilerini ölçekli olarak çekmek için IP adresleri ve sunucular dahil kendi proxy altyapılarını kullanır. Bu API'ler, istekleri yönetilen bir proxy ağı üzerinden gönderir.

Bu, yüksek hacimli, güvenilir LinkedIn veri çekme için doğru yaklaşımdır çünkü:

Hızlı: Scraper verileri çekerken birden fazla profile dayandığı için daha hızlı kazıyabilir.
Güvenilir: Hedef web sitesi bir profili veya IP adresini yasaklarsa sağlayıcı işlemlere devam etmek için başka birine geçer.
Güvenli: Kazıma işlemini sipariş eden kişinin kendi hesabını kullanması gerekmez, bu nedenle profilinizin yasaklanma riski yoktur.

Bright Data

Bright Data, herkese açık LinkedIn sayfalarından yapılandırılmış veri çekmek için tasarlanmış özel bir LinkedIn Web Scraper API'si sunar. API paketi; her biri doğruluk ve uyumluluk için optimize edilmiş Profiles API, Post API ve Company API içerir. Platform ayrıca belirli LinkedIn kullanım senaryolarına göre uyarlanmış LinkedIn dataset'leri sunar.

Özellikler:

Keşif: Belirli bir anahtar kelime kullanarak (ad ve soyad, tarih filtreleri veya iş konumu gibi) LinkedIn'den veri alabilirsiniz.
Gerçek zamanlı veri çekme: Kullanıcıların LinkedIn'de bulunan en güncel bilgileri almasını sağlar.
Yerleşik proxy desteği: LinkedIn API'leri yerleşik proxy desteği içerir.

Ölçekli LinkedIn verileri alın, API25 koduyla %25 indirim

Web Sitesini Ziyaret Et

Apify

Apify, LinkedIn'de web kazıma için uyarlanmış bir dizi önceden oluşturulmuş Actor'lar sunar. Popüler LinkedIn scraping araçları arasında Job Scraper, Sales Navigator Scraper, Company Scraper, Profile Scraper, Post Scraper ve Ads Scraper bulunur.

Özellikler:

Özelleştirilebilir Actor'lar (Önceden Oluşturulmuş Web Scraper'lar): Topluluk geliştiricileri tarafından oluşturulmuş, her biri belirli scraping ihtiyaçlarına uyarlanabilen bir LinkedIn scraper'ları pazarı.
Otomasyon: Birden fazla Actor'ı bağlayın veya API'ler aracılığıyla harici araçlarla entegre edin. Her Actor, MCP sunucusuna bağlantıları destekler; böylece kullanıcılar çeşitli scraping Actor'larını yönetebilir ve iletişim kurabilir.

Apify'in LinkedIn scraper'ını deneyin (3 gün ücretsiz)

Web Sitesini Ziyaret Et

Nimble

ScraperAPI, LinkedIn veri çekme için özel destek içeren yönetilen bir proxy ve web scraping altyapısıdır. Önceden oluşturulmuş bir LinkedIn dataset'i sağlamak yerine, IP rotasyonu, CAPTCHA çözme ve üst bilgi yönetimi dahil scraping sürecini yönetir.

Özellikler

Eşzamanlı istek desteği: dakikada binlerce isteği ölçeklendirin.
LinkedIn'e özel şablonlar profiller, şirketler ve iş sayfaları için.

Cookie tabanlı araçlar veri çekmek için tarayıcı cookie'nizi kullanır. Düşük hacimli, kritik olmayan veri toplama için kullanılırlar; özellikle kullanıcılar bu otomasyon araçlarının müşterisiyse ek maliyet doğurmaz.

Bu otomasyon araçlarının sosyal ağlarda görevleri gerçekleştirmek için sizin adınıza “hareket etmesi” gerekir:

LinkedIn, oturum açtığınızda bir oturum cookie'si ayarlar.
Bu cookie'yi araca iletirsiniz.
Araç, veri toplamak ve bağlantı istekleri gibi eylemleri gerçekleştirmek için cookie'yi kullanır.

Bu yaklaşım şöyledir:

Yavaş: İnsan davranışını taklit ettiğinden, kendi altyapısını kullanan araçlara göre kazıma daha yavaştır. Büyük ölçekli veri çekme görevleri için uygun değildirler.
Riskli: LinkedIn şüpheli etkinlik tespit ederse geçici kısıtlamalar veya LinkedIn'den kalıcı yasakla karşılaşabilirsiniz.

Phantombuster

PhantomBuster, platformdaki herkese açık verileri kazımak için bir LinkedIn profil scraper'ı ve şirket scraper'ı sunar.

Özellikler:

Güncel LinkedIn verileri: LinkedIn scraping aracını günlük veri çekmek için tekrar çalışacak şekilde ayarlayabilirsiniz.
Firefox ve Chrome uzantısı: LinkedIn veri çıkarıcı bir uzantı olarak mevcuttur.
Bulut tabanlı: Uzak sunucularda çalışır; kullanıcıların yerel kaynakları kullanmadan LinkedIn'den veri çekmesine olanak tanır.

Linked Helper

Linked Helper, LinkedIn scraping işlevi de içeren masaüstü tabanlı bir LinkedIn otomasyon platformudur. Araç varsayılan olarak proxy gerektirmez ancak kullanıcıların her LinkedIn hesabı için manuel olarak proxy'ler ayarlamasına olanak tanır.

Özellikler:

Otomatik Profil Bağlama: LinkedIn profillerini ziyaret eder ve kişiselleştirilmiş mesajlar gönderir.
Veri Kazıma: LinkedIn profillerinden ve Sales Navigator'dan veri toplamak için bir veri çıkarıcı sunar. Toplanan verileri CSV biçiminde alabilirsiniz.
Yerleşik CRM: Tüm kişiler Linked Helper içindeki entegre bir CRM'de saklanır. Harici bir CRM kullanıyorsanız bu CRM'lere veri gönderebilirsiniz.

Dripify

Dripify, satış profesyonellerinin platformdaki görevleri otomatikleştirmesine yardımcı olan bir LinkedIn otomasyon aracıdır. Kullanıcıların LinkedIn lead verilerine erişmesini ve bunları CSV dosyasına aktarmasını sağlayan bir LinkedIn scraper'ı sunarlar.

Özellikler:

Yerel IP adresi: Kullanıcının yerel bölgesinden benzersiz bir IP adresi sağlar; kullanıcıların farklı coğrafi bölgelerde bulunuyormuş gibi web sitelerine erişmesine olanak tanır.
İnsan davranışı simülasyonu: LinkedIn ile etkileşimde gerçek bir kullanıcının eylemlerini taklit eder. İstekler arasına rastgele zaman gecikmeleri ekler ve gerçek bir kullanıcı gibi görünmenize yardımcı olmak için bağlantı veya düğme tıklamalarını simüle eder.

E-posta bulucu ve uzantı araçları

Bunlar tarayıcı içinde çalışır ve tam ölçekli kazımadan çok e-posta ve lead yakalamayı hedefler. Küçük görevler için uygundur; tarayıcı veya sayfa düzeni değişirse bozulur.

Snov.io

Snov.io, erişim döngüsü boyunca çözümler sunan bir Chrome uzantılı satış etkileşim platformudur. Snov.io'nun LinkedIn Email Finder, LinkedIn profili veya arama sonuçları sayfasından e-posta adreslerini mekanik olarak çıkarır.

Snov.io'nun özel bir LinkedIn scraping aracı olmadığına dikkat etmek önemlidir; e-posta adreslerini kazıyabilir. LinkedIn People Search sayfalarından ve LinkedIn Sales Navigator arama sonuçlarından toplu olarak e-posta toplayabilirsiniz.

PhantomBuster, Linked Helper ve Dripify gibi LinkedIn otomasyon sağlayıcıları önceden oluşturulmuş komut dosyaları sağlar. Kuruluşunuz LinkedIn otomasyonuna ihtiyaç duyuyor ancak bir e-posta çözümüne sahip değilse Snov.io yeterli olabilir. Ücretsiz plan (50 kredi) cömerttir.

Özellikler:

Email Finder: Ad, şirket ve alan adı girdilerine dayanarak e-posta adreslerini keşfeder. Snov.io ayrıca potansiyel müşteriler oluşturmak için Chrome uzantıları sunar (“click-and-collect”). LinkedIn ve Google arama motorlarından e-posta çıkarabilirsiniz.
Email Verifier: 7 katmanlı e-posta doğrulama aracı sunar; adresleri %98 doğrulukla doğrular. Doğrulamanın kredi tükettiğini unutmayın; doğrulama başına bir kredi.

findthatlead

FindThatLead, bulut tabanlı bir B2B lead oluşturma ve e-posta doğrulama platformudur. Platform, kullanıcıların LinkedIn profillerinden ve web sitelerinden e-posta adreslerini çıkarmasını sağlayan bir Chrome uzantısı sunar. Bu ücretsiz bir çözüm değildir ve kendi FindThatLead hesabınızdan kredi gerektirir.

Özellikler:

Email Finder & Verifier: Ad, e-posta adresi ve iş unvanı gibi ek bilgiler içeren LinkedIn ve diğer web sitelerinden e-posta alabilirsiniz.
Email Sender & Drip Campaigns: Email Sender, her alıcı için mesajları kişiselleştirmenize olanak tanıyan ücretsiz bir araçtır.

Fiyatlandırma:

Başlangıç fiyatı (aylık): $49 (2000 e-posta kredisi)
Deneme: 50 e-posta kredisi, Chrome uzantısı dahil.

Evaboot

Evaboot, doğrudan LinkedIn Sales Navigator'dan lead verilerini dışa aktaran Chrome tabanlı bir otomasyon aracıdır. Proxy'ler üzerinden kazıma yapmak yerine, görünür lead verilerini toplamak ve temizlemek için kendi Sales Navigator oturumunuzu kullanır. Ancak büyük ölçekli kazıma veya otomatik planlama için uygun değildir.

Özellikler

Yerel Sales Navigator entegrasyonu: Sales Navigator arama sonuçlarından adları, iş unvanlarını, şirket adlarını, sektörleri ve konumları çeker.
Veri temizleme: Yinelenenleri, bozuk bağlantıları ve eksik profilleri otomatik olarak kaldırır.

Fiyatlandırma:

7 günlük ücretsiz deneme ile ayda $49'dan başlar.
Küçük ekipler için ihracat başına ödeme seçenekleri sunar.

Ekibimiz, iş süreçlerinizden birini yapay zeka ajanlarıyla ücretsiz olarak otomatikleştirsin.

Bir süreci otomatikleştir

Python eğitimi: bir scraper API ile LinkedIn'i kazıyın

Her örnek aynı modeli izler: hedef LinkedIn URL'sini Bright Data'nın LinkedIn Scraper API'sine gönderir ve karşılığında yapılandırılmış veri (JSON veya CSV) alırsınız.

Önkoşullar

Başlamak için birkaç kurulum adımı gerekir:

Python 3.x sisteminizde kurulu olmalı
requests kütüphanesi (pip install requests)
Bright Data hesabı ve LinkedIn dataset'i etkinleştirilmiş olmalı

LinkedIn gönderilerini nasıl kazıyabilirsiniz

Adım 1: Kazıma işini tetikleyin

Kazıma sürecini başlatmak için LinkedIn gönderi URL'sini Bright Data API endpoint'ine gönderin. Aynı model bu rehberin ilerleyen bölümlerinde profil, iş ve şirket kazıma için de geçerlidir.

1import requests
2import json
3import os
4
5# Hidden secrets read from environment variables
6url = os.environ.get("BRIGHTDATA_TRIGGER_ENDPOINT", "BRIGHT_DATA_TRIGGER_ENDPOINT")
7API_KEY = os.environ.get("BRIGHTDATA_API_KEY", "YOUR_API_KEY_HERE")
8DATASET_ID = os.environ.get("BRIGHTDATA_DATASET_ID", "YOUR_DATASET_ID")
9
10headers = {
11    "Authorization": "Bearer " + API_KEY,
12    "Content-Type": "application/json",
13}
14
15params = {
16    "dataset_id": DATASET_ID,
17    "include_errors": "true",
18}
19
20linkedin_urls = [
21    "https://www.linkedin.com/posts/example-post-1",
22    "https://www.linkedin.com_posts/example-post-2",
23    "https://www.linkedin.com/posts/example-post-3",
24]
25
26data = [{"url": url} for url in linkedin_urls]
27
28response = requests.post(url, headers=headers, params=params, json=data)
29
30try:
31    result = response.json()
32    print(json.dumps(result, indent=4))
33except json.JSONDecodeError:
34    print("Could not get valid JSON response:", response.text)

Bu Python scripti, kazıma işini başlatmak için Bright Data LinkedIn Scraper API'sine bir POST isteği gönderir. API anahtarımızı kullanarak kimlik doğrular ve dataset ID'sini belirtiriz. “

Her LinkedIn gönderi URL'si bir JSON nesnesi olarak iletilir ve arka planda proxy rotasyonu, CAPTCHA çözme ve istek doğrulamayı yöneten API'ye gönderilir. API, kazınan LinkedIn verilerini almak için daha sonra kullanacağınız benzersiz bir snapshot ID'si döndürür.

Adım 2: Kazınan verileri alın

Tetikleme işinin döndürdüğü snapshot ID'sini kullanın. Secret'lar ve endpoint'ler env değişkenlerinden okunur.

1# retrieve_snapshot.py
2import requests
3import time
4import json
5import os
6
7snapshot_id = os.environ.get("BRIGHTDATA_SNAPSHOT_ID", "YOUR_SNAPSHOT_ID")
8url = f"{os.environ.get('BRIGHTDATA_SNAPSHOT_ENDPOINT', 'BRIGHT_DATA_SNAPSHOT_ENDPOINT')}/{snapshot_id}"
9headers = {
10    "Authorization": "Bearer " + os.environ.get("BRIGHTDATA_API_KEY", "YOUR_API_KEY_HERE")
11}
12
13while True:
14    response = requests.get(url, headers=headers)
15    raw_text = response.text.strip()
16
17    try:
18        data = json.loads(raw_text)
19    except json.JSONDecodeError:
20        print("Multiple JSON objects detected. Processing line by line...")
21        for line in raw_text.splitlines():
22            try:
23                item = json.loads(line)
24                post_text = item.get("post_text", "[Not available]")
25                num_likes = item.get("num_likes", "[Not available]")
26                num_comments = item.get("num_comments", "[Not available]")
27
28                print("Post Text:", post_text)
29                print("Likes:", num_likes)
30                print("Comments:", num_comments)
31                print("-" * 40)
32            except Exception as e:
33                print("Skipped invalid line:", e)
34        break
35
36    status = data.get("status")
37
38    if status == "building":
39        print("Data is being processed... Waiting.")
40        time.sleep(5)
41        continue
42    elif status == "done":
43        print("Data is ready!")
44        for item in data.get("items", []):
45            print("Post Text:", item.get("post_text", "[Not available]"))
46            print("Likes:", item.get("num_likes", "[Not available]"))
47            print("Comments:", item.get("num_comments", "[Not available]"))
48            print("-" * 40)
49        break
50    else:
51        print("Unexpected status:", status)
52        break

Bu script, tetikleme işinin döndürdüğü snapshot ID'sini kullanarak kazınan LinkedIn verilerini alır. Kazıma işlemi tamamlanana kadar iş durumunu kontrol etmek için Bright Data API'sini yoklar.

API yanıtı, tek bir JSON nesnesi (durum bilgisiyle) veya NDJSON biçiminde birden fazla JSON nesnesi olabilir. NDJSON yanıtları için her satırı ayrıştırın ve gönderi kayıtlarını çıkarın; tek JSON yanıtları için durum alanını kontrol edin: “building” ise birkaç saniye bekleyin ve “done” olana kadar yeniden deneyin. Bittiğinde yapılandırılmış LinkedIn gönderi verilerini çıkarıp görüntüleyebilirsiniz.

Python ile LinkedIn iş ilanlarını nasıl kazıyabilirsiniz

Python ve LinkedIn Scraper API'sini kullanarak LinkedIn iş ilanlarını nasıl kazıyacağınızı öğrenin. Unvanlar, şirketler, konumlar, yayınlanma tarihleri ve iş açıklamaları dahil yapılandırılmış iş verilerini doğrudan LinkedIn iş URL'lerinden çıkarabilirsiniz.

Bu yaklaşım iş ilanı panoları, işe alım analitiği veya maaş araştırma araçları oluşturmak için idealdir.

Adım 1: Kazıma işini tetikleyin

Aşağıdaki script, bir LinkedIn iş kazıma görevini başlatmak için Bright Data'nın API'sine bir POST isteği gönderir. Her iş URL'si, proxy rotasyonunu ve LinkedIn'in bot korumasını otomatik olarak yöneten LinkedIn_jobs dataset'ine iletilir.

1# trigger_jobs.py
2import requests
3import json
4import os
5
6# Hidden secrets read from environment variables
7url = os.environ.get("BRIGHTDATA_TRIGGER_ENDPOINT", "BRIGHT_DATA_TRIGGER_ENDPOINT")
8API_KEY = os.environ.get("BRIGHTDATA_API_KEY", "YOUR_API_KEY_HERE")
9DATASET_ID = os.environ.get("BRIGHTDATA_DATASET_ID", "YOUR_DATASET_ID")
10
11headers = {
12    "Authorization": "Bearer " + API_KEY,
13    "Content-Type": "application/json",
14}
15
16params = {
17    "dataset_id": DATASET_ID,
18    "include_errors": "true",
19    "type": "discover_new",
20    "discover_by": "keyword",
21}
22
23data = [
24    {
25        "location": "New York",
26        "keyword": "software engineer",
27        "country": "US",
28        "job_type": "Full-time",
29        "remote": "Hybrid",
30        "company": "",
31        "location_radius": ""
32    },
33    {
34        "location": "New York",
35        "keyword": "data analyst",
36        "country": "US",
37        "job_type": "Full-time",
38        "remote": "Remote",
39        "company": "",
40        "location_radius": ""
41    },
42]
43
44response = requests.post(url, headers=headers, params=params, json=data)
45result = response.json()
46print(f"Snapshot ID: {result['snapshot_id']}")

Bu script, Bright Data API'sine bir POST isteği göndererek LinkedIn iş kazıma sürecini başlatır. API anahtarımızı kullanarak kimlik doğrular ve LinkedIn Jobs dataset ID'sini belirtiriz.

Arama kriterleri kazınacak rolleri tanımlar. Örneğin, hibrit pozisyonlardaki yazılım mühendisleri veya New York genelindeki uzaktan rollerdeki veri analistleri.

API, kazıma tamamlandığında sonuçları almak için kullanılabilecek bir snapshot ID'si döndürür. Tüm kazıma görevleri Bright Data'nın bulut altyapısında çalıştığından, Python scriptinizi kapatsanız bile süreç devam eder.

Adım 2: Bekleyin ve sonuçları alın

Kazımanın tamamlanması için 5-10 dakika bekleyin, ardından verileri almak için bu scripti kullanın:

1# retrieve_jobs.py
2import requests
3import json
4import os
5
6snapshot_id = os.environ.get("BRIGHTDATA_SNAPSHOT_ID", "YOUR_SNAPSHOT_ID")
7
8url = f"{os.environ.get('BRIGHTDATA_SNAPSHOT_ENDPOINT', 'BRIGHT_DATA_SNAPSHOT_ENDPOINT')}/{snapshot_id}?format=json"
9headers = {
10    "Authorization": "Bearer " + os.environ.get("BRIGHTDATA_API_KEY", "YOUR_API_KEY_HERE")
11}
12
13response = requests.get(url, headers=headers)
14
15if response.status_code == 200:
16    lines = response.text.strip().splitlines()
17    first_line = json.loads(lines[0])
18
19    print(f"✓ Total jobs found: {len(first_line)}\n")
20    print("First 10 job listings:\n")
21    print("="*80)
22
23    for idx, job in enumerate(first_line[:10], 1):
24        if isinstance(job, dict):
25            print(f"\n[{idx}]")
26            print(f" Position: {job.get('job_title', 'N/A')}")
27            print(f" Company:  {job.get('company_name', 'N/A')}")
28            print(f" Location: {job.get('job_location', 'N/A')}")
29            print(f" Job Type: {job.get('job_employment_type', 'N/A')}")
30            print(f" Seniority: {job.get('job_seniority_level', 'N/A')}")
31            print(f" Link:     {job.get('url', 'N/A')}")
32            print("-"*80)
33
34    print(f"\n✓ First 10 displayed (total {len(first_line)} records available)")
35else:
36    print(f"Error: {response.status_code}")

LinkedIn iş kazıma süreci tamamlandığında, tetikleme işinin döndürdüğü snapshot ID'sini kullanarak yapılandırılmış verileri alırız. Yanıt genellikle her satırın ayrı bir iş ilanını temsil ettiği NDJSON biçimindedir.

Her girdiyi ayrıştırır ve iş unvanı, şirket adı, konum, istihdam türü ve yayınlanma tarihi dahil temel bilgileri çıkarırız. Tek JSON yanıtları için script, durum alanını kontrol eder ve “done” olana kadar bekler; böylece tüm LinkedIn iş verilerinin tam olarak işlendiğinden emin olur. Script ayrıca eksik alanları zarifçe ele almak için varsayılan değerlerle .get() kullanır.

LinkedIn profil sayfalarını nasıl kazıyabilirsiniz

LinkedIn profillerini çeşitli meşru kullanım senaryoları için kazımak isteyebilirsiniz. Örneğin, belirli bir şirketin çalışanlarını analiz etmek, bir işe alım veritabanını zenginleştirmek veya bir ağ etkinliğinden toplanan LinkedIn profil URL listesini işlemek.

Adım 1: Kazıma işini tetikleyin

1# trigger_profiles.py
2import requests
3import json
4import os
5
6# Hidden secrets read from environment variables
7api_url = os.environ.get("BRIGHTDATA_TRIGGER_ENDPOINT", "BRIGHT_DATA_TRIGGER_ENDPOINT")
8API_KEY = os.environ.get("BRIGHTDATA_API_KEY", "YOUR_API_KEY_HERE")
9DATASET_ID = os.environ.get("BRIGHTDATA_DATASET_ID", "YOUR_DATASET_ID")
10
11headers = {
12    "Authorization": "Bearer " + API_KEY,
13    "Content-Type": "application/json",
14}
15
16params = {
17    "dataset_id": DATASET_ID,  # Get this from your Bright Data dashboard
18    "include_errors": "true",
19}
20
21profile_urls = [
22    "https://www.linkedin.com/in/example-profile-1/",
23    "https://www.linkedin.com/in/example-profile-2/",
24    "https://www.linkedin.com/in/example-profile-3/"
25]
26
27data = [{"url": profile_url} for profile_url in profile_urls]
28
29response = requests.post(api_url, headers=headers, params=params, json=data)
30
31try:
32    result = response.json()
33    print(json.dumps(result, indent=4))
34except json.JSONDecodeError:
35    print("Could not get valid JSON response:")
36    print(response.text)

Bu script, belirtilen LinkedIn profillerini kazımaya başlamak için Bright Data'nın API'sine bir POST isteği gönderir. API token'ımızla kimlik doğrular ve dataset ID'sini sağlarız (Bright Data panelinde LinkedIn People dataset'i altında bulunur).

Profil URL'leri sözlük nesneleri olarak biçimlendirilir ve verileri daha sonra almak için bir snapshot ID'si döndüren API'ye gönderilir. try-except bloğu yanıtı işler ve snapshot ID'sini veya hataları görüntüler.

Adım 2: Kazınan LinkedIn profil verilerini alın

İş bitene kadar LinkedIn Scraper API'sini yoklamak için Adım 1'de döndürülen snapshot ID'sini kullanın, ardından yanıtı ayrıştırın.

1import requests
2import time
3import json
4
5snapshot_id = "YOUR_SNAPSHOT_ID"
6url = f"BRIGHT_DATA_SNAPSHOT_ENDPOINT/{snapshot_id}"
7
8headers = {
9    "Authorization": "Bearer YOUR_API_KEY_HERE"
10}
11
12while True:
13    response = requests.get(url, headers=headers)
14    raw_text = response.text.strip()
15
16    print(f"Status Code: {response.status_code}\n")
17
18    if response.status_code != 200:
19        print("Error:", raw_text)
20        break
21
22    try:
23        data = json.loads(raw_text)
24    except json.JSONDecodeError:
25        print("Processing JSONL format (multiple JSON objects)...\n")
26
27        for line in raw_text.splitlines():
28            line = line.strip()
29            if not line:
30                continue
31
32            try:
33                item = json.loads(line)
34
35                profile_id = item.get("id", "[Not available]")
36                name = item.get("name", "[Not available]")
37                country_code = item.get("country_code", "[Not available]")
38                about = item.get("about", "[Not available]")
39                experience = item.get("experience", []) or []
40                current_company = item.get("current_company", {}) or {}
41
42                print("=" * 60)
43                print(f"ID: {profile_id}")
44                print(f"Name: {name}")
45                print(f"Country Code: {country_code}")
46
47                if about and about != "[Not available]":
48                    print(f"About: {about[:150]}..." if len(about) > 150 else f"About: {about}")
49                else:
50                    print("About: [Not available]")
51
52                if current_company:
53                    company_name = current_company.get("name", "[Not available]")
54                    company_title = current_company.get("title", "[Not available]")
55                    print(f"Current Company: {company_name}")
56                    if company_title != "[Not available]":
57                        print(f" Title: {company_title}")
58
59                print(f"Total Experience: {len(experience)} positions")
60
61                if experience and len(experience) > 0:
62                    print("\nExperience:")
63                    for idx, exp in enumerate(experience[:3], 1):
64                        exp_title = exp.get("title", "N/A")
65                        exp_company = exp.get("company_name", "N/A")
66                        print(f" {idx}. {exp_title} at {exp_company}")
67
68            except json.JSONDecodeError as e:
69                print(f"JSON parse error: {e}")
70            except Exception as e:
71                print(f"Error processing line: {e}")
72
73        print("\n" + "=" * 60)
74        print("All profiles processed successfully!")
75        break
76
77    status = data.get("status")
78
79    if status in ["building", "running"]:
80        print(f"Status: {status} - Waiting 5 seconds...")
81        time.sleep(5)
82        continue
83
84    elif status in ["ready", "done"]:
85        print("Data is ready! Processing items...\n")
86
87        for item in data.get("items", []):
88            profile_id = item.get("id", "[Not available]")
89            name = item.get("name", "[Not available]")
90            country_code = item.get("country_code", "[Not available]")
91            about = item.get("about", "[Not available]")
92            experience = item.get("experience", []) or []
93            current_company = item.get("current_company", {}) or {}
94
95            print("=" * 60)
96            print(f"ID: {profile_id}")
97            print(f"Name: {name}")
98            print(f"Country Code: {country_code}")
99            print(f"About: {about[:100]}..." if about != "[Not available]" else "About: [Not available]")
100            print(f"Current Company: {current_company.get('name', '[Not available]')}")
101            print(f"Total Experience: {len(experience)} positions")
102
103        break
104
105    else:
106        print(f"Unexpected status: {status}")
107        break

API, NDJSON (satır başına bir JSON nesnesi) veya durum alanına sahip tek bir JSON nesnesi döndürebilir. Script her ikisini de işler: durumu kontrol eder (“building”, “running”, “ready”, “done”), gerektiğinde bekler ve yapılandırılmış LinkedIn profil verilerini kullanılabilir olduğunda yazdırır.

LinkedIn şirket verilerini nasıl kazıyabilirsiniz

Adlar, sektörler, boyutlar, konumlar ve çalışan sayıları dahil herkese açık şirket verilerini çekmek için bir LinkedIn şirket scraper'ı kullanabilirsiniz. Şirket URL'leriniz yoksa bunları site:linkedin.com/company/ [industry or keyword]. gibi bir Google Search API sorgusuyla oluşturabilirsiniz.

Adım 1: Kazıma işini tetikleyin

1# trigger_companies.py
2import requests
3import json
4import os
5
6# Hidden secrets read from environment variables
7url = os.environ.get("BRIGHTDATA_TRIGGER_ENDPOINT", "BRIGHT_DATA_TRIGGER_ENDPOINT")
8API_KEY = os.environ.get("BRIGHTDATA_API_KEY", "YOUR_API_KEY_HERE")
9DATASET_ID = os.environ.get("BRIGHTDATA_DATASET_ID", "YOUR_DATASET_ID")
10
11headers = {
12    "Authorization": "Bearer " + API_KEY,
13    "Content-Type": "application/json",
14}
15
16params = {
17    "dataset_id": DATASET_ID,  # Get this from your Bright Data dashboard
18    "include_errors": "true",
19}
20
21company_urls = [
22    "https://www.linkedin.com/company/example-company-1",
23    "https://www.linkedin.com/company/example-company-2",
24    "https://www.linkedin.com/company/example-company-3",
25]
26
27data = [{"url": company_url} for company_url in company_urls]
28
29response = requests.post(url, headers=headers, params=params, json=data)
30
31print("Status Code:", response.status_code)
32print("\nResponse:")
33
34try:
35    result = response.json()
36    print(json.dumps(result, indent=4))
37except json.JSONDecodeError:
38    print("Could not get valid JSON response:")
39    print(response.text)

API token'ımızı kullanarak kimlik doğrular ve Bright Data panelinden dataset ID'sini dahil ederiz. LinkedIn şirket URL'leri gerekli JSON biçimine dönüştürülür ve işlenmek üzere API'ye gönderilir.

İstek kabul edildiğinde, API kazınan şirket verilerini almak için daha sonra kullanacağımız bir snapshot ID'si döndürür. Temel hata işleme, scriptin snapshot ID'sini görüntülemesini veya hata ayıklama için istek sorunlarını günlüğe kaydetmesini sağlar.

Adım 2: Kazınan verileri alın

Kazıma işi tetiklendikten sonra, durumu kontrol etmek ve verileri almak için snapshot ID'sini kullanın.

1# retrieve_companies.py
2import requests
3import time
4import json
5import os
6
7snapshot_id = os.environ.get("BRIGHTDATA_SNAPSHOT_ID", "YOUR_SNAPSHOT_ID")
8url = f"{os.environ.get('BRIGHTDATA_SNAPSHOT_ENDPOINT', 'BRIGHT_DATA_SNAPSHOT_ENDPOINT')}/{snapshot_id}"
9headers = {
10    "Authorization": "Bearer " + os.environ.get("BRIGHTDATA_API_KEY", "YOUR_API_KEY_HERE")
11}
12
13while True:
14    response = requests.get(url, headers=headers)
15    raw_text = response.text.strip()
16
17    print(f"Status Code: {response.status_code}\n")
18
19    if response.status_code != 200:
20        print("Error:", raw_text)
21        break
22
23    try:
24        data = json.loads(raw_text)
25    except json.JSONDecodeError:
26        print("Processing JSONL format (multiple JSON objects)...\n")
27
28        for line in raw_text.splitlines():
29            line = line.strip()
30            if not line:
31                continue
32
33            try:
34                item = json.loads(line)
35
36                company_id = item.get("id", "[Not available]")
37                name = item.get("name", "[Not available]")
38                website = item.get("website", "[Not available]")
39                country_code = item.get("country_code", "[Not available]")
40                company_size = item.get("company_size", "[Not available]")
41                employees_in_linkedin = item.get("employees_in_linkedin", "[Not available]")
42                followers = item.get("followers", "[Not available]")
43                about = item.get("about", "[Not available]")
44                specialties = item.get("specialties", "[Not available]")
45                organization_type = item.get("organization_type", "[Not available]")
46
47                print("=" * 60)
48                print(f"ID: {company_id}")
49                print(f"Name: {name}")
50                print(f"Website: {website}")
51                print(f"Country: {country_code}")
52                print(f"Company Size: {company_size}")
53                print(f"Employees on LinkedIn: {employees_in_linkedin}")
54                print(f"Followers: {followers}")
55                print(f"Organization Type: {organization_type}")
56                if specialties and specialties != "[Not available]":
57                    print(f"Specialties: {specialties}")
58                if about and about != "[Not available]":
59                    print(f"About: {about[:150]}..." if len(about) > 150 else f"About: {about}")
60
61            except json.JSONDecodeError as e:
62                print(f"⚠ JSON parse error: {e}")
63            except Exception as e:
64                print(f"⚠ Error processing line: {e}")
65
66        print("\n" + "=" * 60)
67        print("✓ All companies processed successfully!")
68        break
69
70    status = data.get("status")
71
72    if status in ["building", "running"]:
73        print(f"Status: {status} - Waiting 5 seconds...")
74        time.sleep(5)
75        continue
76    elif status in ["ready", "done"]:
77        print("Data is ready! Processing items...\n")
78        for item in data.get("items", []):
79            company_id = item.get("id", "[Not available]")
80            name = item.get("name", "[Not available]")
81            website = item.get("website", "[Not available]")
82            country_code = item.get("country_code", "[Not available]")
83            company_size = item.get("company_size", "[Not available]")
84            employees_in_linkedin = item.get("employees_in_linkedin", "[Not available]")
85            followers = item.get("followers", "[Not available]")
86            about = item.get("about", "[Not available]")
87            specialties = item.get("specialties", "[Not available]")
88            organization_type = item.get("organization_type", "[Not available]")
89
90            print("=" * 60)
91            print(f"ID: {company_id}")
92            print(f"Name: {name}")
93            print(f"Website: {website}")
94            print(f"Country: {country_code}")
95            print(f"Company Size: {company_size}")
96            print(f"Employees on LinkedIn: {employees_in_linkedin}")
97            print(f"Followers: {followers}")
98            print(f"Organization Type: {organization_type}")
99            print(f"About: {about[:100]}..." if about != "[Not available]" else "About: [Not available]")
100
101        break
102    else:
103        print(f"Unexpected status: {status}")
104        break

Bu script, önceki adımdaki snapshot ID'sini kullanarak kazınan şirket verilerini getirir. API'sini sürekli olarak yoklar ve birden fazla yanıt biçimini destekler.

İlk olarak, hataları tespit etmek için HTTP durum kodunu doğrular. Ardından, iki biçimde gelebilen yanıtı ayrıştırmaya çalışır: JSONL (satır sonuyla ayrılmış JSON nesneleri) veya durum bilgisi içeren standart bir JSON nesnesi.

2026'da LinkedIn scraping yasal mı?

IAB YZ Accountability for Publishers Act düzenlemeleri sıkılaştırdı. Artık LinkedIn gibi platformlar, yapay zeka eğitimi veya büyük ölçekli kullanım için veri toplarken robots.txt dosyalarındaki no-crawling kurallarını göz ardı eden herkese karşı yasal işlem başlatabilir.

Herkese açık verilerin kazınması “hacking” olarak kabul edilmez, ancak robots.txt kurallarını ihlal ederse veya müdahaleci profil oluşturma için kullanılırsa ciddi yasal riskler taşır.

LinkedIn'in Hizmet Koşulları, izinsiz olarak platformuna otomatik erişimi yasaklar.¹
Ancak LinkedIn sayfalarından (oturum açma arkasında olmayan) herkese açık bilgilerin toplanması belirli yargı bölgelerinde izin verilebilir.

Kıyaslamalarımızı ve veri odaklı içgörülerimizi kaçırmayın. Düğme Google'ı açar; AIMultiple'ı seçmeniz, Google arama sonuçlarında AIMultiple'ı daha sık görmek istediğinizi onaylar.

Tercih edilen kaynak olarak ekle

LinkedIn scraper kıyaslama metodolojisi

Kıyaslama, veri alma tutarlılığını ve gecikmeyi ölçmek için önceden tanımlanmış LinkedIn profillerine ve şirket sayfalarına düzenli olarak istekler gönderir. Sabit aralıklarla toplam 100 profil URL'si ve 100 şirket URL'si istenir ve sonuçlar günlük olarak toplanır.

LinkedIn'den hız sınırlamasını en aza indirirken düzenli örnekleme sağlamak için istekler 60 saniyelik zaman aşımıyla her 15 dakikada bir çalışır.

Yanıt “linkedin_id”, “headline”, “company_name” veya “industry” gibi LinkedIn'e özgü alanlar içeriyorsa istek başarılı kabul edilir. Başarı iki adımda doğrulanır:

İlk olarak bu tanımlayıcılar taranarak,
Ardından doğrudan eşleşme bulunamazsa kısmen biçimlendirilmiş içerik yeniden kontrol edilir. Bu ikili süreç, küçük düzen veya biçimlendirme değişikliklerinden kaynaklanan yanlış negatifleri azaltır.

Kıyaslamamızda, LinkedIn'den veri çekmek için açıkça tasarlanmış aşağıdaki özel API'leri kullandık. Daha fazla bilgi için scraping API'leri kıyaslama metodolojisine bakın.

Sayfa türü	Bright Data	Apify
LinkedIn gönderisi	LinkedIn posts-collect by URL	supreme_coder/linkedin-post*
LinkedIn profili	LinkedIn people-collect by URL	dev_fusion/Linkedin-Profile-Scraper

* referans için listelenmiştir, ancak LinkedIn scraping kıyaslamamızda kullanılmamıştır.

SSS'ler

LinkedIn scraper, LinkedIn profillerinden, iş ilanlarından veya şirket sayfalarından herkese açık bilgileri otomatik olarak çeken bir araç veya scripttir. Bu araçlar genellikle API'ler veya otomatik scriptler aracılığıyla adlar, unvanlar, şirket adları ve konumlar gibi LinkedIn verilerini taramak için tasarlanmıştır.

Profil adları, şirket adları, iş unvanları, sektörler ve gönderi metni gibi herkese açık verileri kazıyabilirsiniz. Özel veya hassas bilgileri (ör. e-postalar veya telefon numaraları) toplamaktan kaçının ve her zaman LinkedIn'in hizmet koşullarına ve etik web scraping yönergelerine uyun.

Bu benchmarkı kaynak gösterin

Yayınlayacağınız yere uygun formatı seçin. Bağlantılı sürümü CMS'inize yapıştırmak, geri bağlantıyı korur.

Sedat Dogan and Gulbahar Karatas (2026) - "En İyi LinkedIn Scraper'ları". AIMultiple.com adresinde çevrimiçi yayımlanmıştır. Erişim tarihi: 10 Haziran 2026, kaynak: https://aimultiple.com/linkedin-scrapers [Çevrimiçi Kaynak]

Dogan, S., & Karatas, G. (2026, 10 Haziran). En İyi LinkedIn Scraper'ları. AIMultiple. https://aimultiple.com/linkedin-scrapers

@misc{dogan2026,
  author = {Dogan, Sedat and Karatas, Gulbahar},
  title  = {{En İyi LinkedIn Scraper'ları}},
  year   = {2026},
  month  = jun,
  howpublished    = {\url{https://aimultiple.com/linkedin-scrapers}},
  note   = {AIMultiple. Erişim tarihi: 10 Haziran 2026}
}

Referans Linkleri

User Agreement | LinkedIn

Sedat Dogan

CTO

Takip Et

Sedat, yazılım geliştirme, web veri toplama ve siber güvenlik alanlarında deneyime sahip bir teknoloji ve bilgi güvenliği lideridir. Sedat: - Programlama dilleri ve sunucu mimarileri konusunda geniş uzmanlığa sahip, 20 yıllık beyaz şapkalı hacker ve geliştirme uzmanı deneyimine sahiptir. - Ödeme altyapısı gibi yüksek trafikli ve kritik öneme sahip teknoloji operasyonlarına sahip şirketlerin üst düzey yöneticilerine ve yönetim kurulu üyelerine danışmanlık yapmaktadır. - Teknik uzmanlığının yanı sıra kapsamlı iş zekasına da sahiptir.

Tam Profili Görüntüle

Araştıran

Gulbahar Karatas

Sektör Analisti

Takip Et

Gülbahar, web veri toplama, web verisi uygulamaları ve uygulama güvenliğine odaklanan bir AIMultiple sektör analistidir.

Tam Profili Görüntüle

Yorum yapan ilk kişi olun

E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir. Yorumlar orijinal dilinde bırakılır.

LinkedIn scraper API karşılaştırması

LinkedIn veri çekme kıyaslama sonuçları

API ve proxy tabanlı LinkedIn scraper'lar

Cookie tabanlı LinkedIn otomasyon araçları

E-posta bulucu ve uzantı araçları

Python eğitimi: bir scraper API ile LinkedIn'i kazıyın

2026'da LinkedIn scraping yasal mı?

LinkedIn scraper kıyaslama metodolojisi

SSS'ler

Bu benchmarkı kaynak gösterin

Etik normlar ve sürecimiz doğrultusunda tarafsızlığı esas alıyoruz. AIMultiple'ın Web Veri Kazıma alanındaki kıyaslama hizmetlerinin aboneleri arasında Bright Data, Apify yer alır.

Sıradaki Okunma

Vekil Türleri

Açık Dünya Değerlendirmesi

13 Ağu

En İyi LinkedIn Scraper'ları

LinkedIn scraper API karşılaştırması

LinkedIn veri çekme kıyaslama sonuçları

API ve proxy tabanlı LinkedIn scraper'lar

Bright Data

Özellikler:

Apify

Özellikler:

Nimble

Cookie tabanlı LinkedIn otomasyon araçları

Phantombuster

Özellikler:

Linked Helper

Özellikler:

Dripify

Özellikler:

E-posta bulucu ve uzantı araçları

Snov.io

Özellikler:

findthatlead

Özellikler:

Fiyatlandırma:

Evaboot

Python eğitimi: bir scraper API ile LinkedIn'i kazıyın

LinkedIn gönderilerini nasıl kazıyabilirsiniz

Adım 1: Kazıma işini tetikleyin

Adım 2: Kazınan verileri alın

Python ile LinkedIn iş ilanlarını nasıl kazıyabilirsiniz

Adım 1: Kazıma işini tetikleyin

Adım 2: Bekleyin ve sonuçları alın

LinkedIn profil sayfalarını nasıl kazıyabilirsiniz

Adım 1: Kazıma işini tetikleyin

Adım 2: Kazınan LinkedIn profil verilerini alın

LinkedIn şirket verilerini nasıl kazıyabilirsiniz

Adım 1: Kazıma işini tetikleyin

Adım 2: Kazınan verileri alın

2026'da LinkedIn scraping yasal mı?

LinkedIn scraper kıyaslama metodolojisi

SSS'ler

LinkedIn scraper nedir?

Hangi LinkedIn verilerini kazıyabilirsiniz?

Bu benchmarkı kaynak gösterin

Atıflı bağlantıHTML; blog yazıları, LinkedIn makaleleri ve bültenler için. Tavsiye edilir.

APA 7. baskıAPA 7. baskı stiline uyan akademik makaleler ve analist raporları için.

BibTeXLaTeX belgeleri ve akademik referans yöneticileri için.

Referans Linkleri

Yorum yapan ilk kişi olun

Sıradaki Okunma

En İyi Arama Motoru Proxy'leri: Benchmark

En İyi Indeed Dataset Sağlayıcıları

Decodo İncelemesi: Fiyatlandırma, Hız ve Başarı Oranları

DataImpulse Proxy Hizmetleri: Özellikler ve Fiyatlandırma

Web Kazıma Yasal mı? Yasalar ve En İyi Uygulamalar

IP Adresinizi Nasıl Gizlersiniz: 6 Yöntem Karşılaştırıldı

Bright Data

Apify

Nimble

Phantombuster

Linked Helper

findthatlead