Kıyaslama

En İyi LinkedIn Scraper'ları

ile

Güncellenme tarihi: 2 Eyl 2026

Kıyasladık en iyi LinkedIn scraper araçlarını, gönderiler, profiller 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

Büyük ölçekli ve düşük maliyetli özel API çözümü

Apify

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

Linked Helper

Bireysel kullanıcılar için masaüstü uygulaması

LinkedIn scraper API karşılaştırması

LinkedIn scraper'ları	Tür	Amaç	Aylık başlangıç fiyatı	Ücretsiz deneme
Bright Data	Proxy tabanlı	Veri toplama platformu	$1,5 / 1K istek	Aylık ücretsiz 5k kayıt
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 eklentisi	LinkedIn otomasyon platformu	$39	50 kredi, 100 e-posta alıcısı
FindThatLead	Tarayıcı eklentisi	LinkedIn otomasyon platformu	49€	50 kredi

LinkedIn scraping benchmark sonuçları

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

API ve proxy tabanlı LinkedIn scraper'ları

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

Bu, yüksek hacimli, güvenilir LinkedIn scraping için doğru yaklaşımdır çünkü:

Hızlı: Scraper, verileri çekerken birden fazla profile dayandığı için daha hızlı çekebilir
Güvenilir: Hedef web sitesi bir profili veya IP adresini yasaklarsa, sağlayıcı operasyonlara devam etmek için başka birine geçer.
Güvenli: Scraping siparişi veren 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 sağlar. API paketi; her biri doğruluk ve uyumluluk için optimize edilmiş Profiles API, Post API ve Company API'yi içerir. Platform ayrıca belirli LinkedIn kullanım durumlarına göre uyarlanmış LinkedIn dataset'leri sunar.

Özellikler:

Keşif: Ad, soyad, tarih filtreleri veya iş konumu gibi belirli bir anahtar kelime kullanarak LinkedIn'den veri alabilirsiniz.
Gerçek zamanlı scraping: Kullanıcıların LinkedIn'de mevcut en güncel bilgilere erişmesini sağlar.
Yerleşik proxy desteği: LinkedIn API'leri yerleşik proxy desteği içerir.

Apify

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

Özellikler:

Özelleştirilebilir Actor'ler (Önceden Oluşturulmuş Web Scraper'lar): Topluluk geliştiricileri tarafından oluşturulmuş, her biri belirli scraping ihtiyaçlarına uyarlanabilen bir LinkedIn scraper'ları pazarı.
Otomasyon: Birden fazla Actor'ü bağlayın veya API'ler aracılığıyla harici araçlarla entegre edin. Her Actor, kullanıcıların çeşitli scraping Actor'lerini yönetmesini ve iletişim kurmasını sağlayan MCP sunucusuna bağlantıları destekler.

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 başlık yönetimi dahil olmak üzere scraping sürecini yönetir.

Özellikler

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

Cookie tabanlı araçlar, veri çekmek için tarayıcı cookie'nizi kullanır. Bunlar, özellikle kullanıcılar bu otomasyon araçlarının müşterisiyse ve ek maliyet doğurmayacaksa, düşük hacimli, kritik olmayan veri toplama için kullanılır.

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:

Yavaş: İnsan davranışını taklit ettiği için scraping, kendi altyapılarını kullanan araçlara göre daha yavaştır. Büyük ölçekli veri çekme görevleri için uygun değildirler.
Riskli: LinkedIn şüpheli etkinlik tespit ederse, geçici kısıtlamalarla veya LinkedIn'den kalıcı olarak yasaklanmayla karşılaşabilirsiniz.

Phantombuster

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

Özellikler:

Güncel LinkedIn verisi: LinkedIn scraping aracını, her gün veri çekmek üzere tekrar başlatılacak şekilde ayarlayabilirsiniz.
Firefox ve Chrome eklentisi: LinkedIn veri çıkarıcı bir eklenti olarak mevcuttur.
Bulut tabanlı: Uzak sunucularda çalışır ve kullanıcıların yerel kaynakları kullanmadan LinkedIn'den veri çekmesini sağlar.

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 ayarlamasına olanak tanır.

Özellikler:

Otomatik Profil Bağlantısı: LinkedIn profillerini ziyaret eder ve kişiselleştirilmiş mesajlar gönderir.
Veri Scraping: LinkedIn profillerinden ve Sales Navigator'dan veri toplamak için bir veri çıkarıcı sunar. Toplanan verileri CSV formatında 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 bir CSV dosyasına aktarmasını sağlayan bir LinkedIn scraper'ı sunarlar.

Özellikler:

Yerel IP adresi: Kullanıcının yerel bölgesinden benzersiz bir IP adresi sağlar; böylece kullanıcılar web sitelerine farklı coğrafi bölgelerde bulunuyormuş gibi erişebilir.
İnsan davranışı simülasyonu: LinkedIn ile etkileşim kurarken gerçek bir kullanıcının eylemlerini taklit eder. İstekler arasında rastgele zaman gecikmeleri ekler ve daha çok gerçek bir kullanıcı gibi görünmenize yardımcı olmak için bağlantılara veya düğmelere kullanıcı tıklamalarını simüle eder.

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

Bir süreci otomatikleştir

E-posta bulucu ve eklenti araçları

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

Snov.io

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

Snov.io'nun özel bir LinkedIn scraping aracı olmadığını belirtmek önemlidir; e-posta adreslerini çekebilir. 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 sunar. Kuruluşunuz LinkedIn otomasyonu gerektiriyor ancak bir e-posta çözümü yoksa, Snov.io yeterli olabilir. ücretsiz planı (50 kredi) cömerttir.

Özellikler:

Email Finder: Ad, şirket ve alan adı girdilerine dayanarak e-posta adreslerini keşfeder. Snov.io ayrıca lead üretimi için Chrome eklentileri sunar ("tıkla ve topla"). LinkedIn ve Google arama motorlarından e-posta çıkarabilirsiniz.
Email Verifier: 7 aşamalı e-posta doğrulama aracı sunar; adresleri %98 doğrulukla doğrular. Doğrulamanın kredi tükettiğini unutmayın; doğrulama başına bir kredi.

findthatlead

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

Özellikler:

Email Finder & Verifier: LinkedIn ve diğer web sitelerinden; adınız, e-posta adresiniz ve iş unvanınız gibi ek bilgiler içeren e-postalar 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 eklentisi dahil.

Evaboot

Evaboot, LinkedIn Sales Navigator'dan doğrudan lead verilerini dışa aktaran Chrome tabanlı bir otomasyon aracıdır. Proxy'ler aracılığıyla scraping yapmak yerine, görünür lead verilerini toplamak ve temizlemek için kendi Sales Navigator oturumunu kullanır. Ancak büyük ölçekli scraping 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 $49/ay'dan başlar.
Küçük ekipler için kullanım başına ödeme seçenekleri sunar.

Python eğitimi: bir scraper API'si ile LinkedIn'i çekin

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.

Ön Koşullar

Başlamak için birkaç kurulum adımına ihtiyacınız var:

Sisteminizde Python 3.x kurulu olmalıdır
requests kütüphanesi (pip install requests)
Bright Data hesabı, LinkedIn dataset etkinleştirilmiş olarak

LinkedIn gönderileri nasıl çekilir

Adım 1: Scraping işini tetikleyin

Scraping sürecini başlatmak için Bright Data API endpoint'ine bir LinkedIn gönderi URL'si gönderin. Aynı yöntem, bu rehberin ilerleyen bölümlerinde profil, iş ve şirket scraping 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 betiği, scraping işini başlatmak için Bright Data LinkedIn Scraper API'sine bir POST isteği gönderir. API anahtarımızı kullanarak kimlik doğrulaması yapar 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, daha sonra çekilen LinkedIn verilerini almak için kullanacağınız benzersiz bir snapshot ID'si döndürür.

Adım 2: Çekilen verileri alın

Tetikleme işi tarafından döndürülen snapshot ID'sini kullanın. Sırlar 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 betik, tetikleme işi tarafından döndürülen snapshot ID'sini kullanarak çekilen LinkedIn verilerini alır. Scraping süreci tamamlanana kadar iş durumunu kontrol etmek için Bright Data API'sini yoklar.

API yanıtı, tek bir JSON nesnesi (durumlu) veya NDJSON formatında birden çok 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. Tamamlandığında, yapılandırılmış LinkedIn gönderi verilerini çıkarıp görüntüleyebilirsiniz.

Python ile LinkedIn işleri nasıl çekilir

Python ve LinkedIn Scraper API'sini kullanarak LinkedIn iş ilanlarını nasıl çekeceğinizi öğrenin. Başlıklar, şirketler, konumlar, yayınlanma tarihleri ve iş açıklamaları dahil olmak üzere 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: Scraping işini tetikleyin

Aşağıdaki betik, bir LinkedIn iş scraping görevini başlatmak için Bright Data'nın API'sine bir POST isteği gönderir. Her iş URL'si, proxy rotasyonunu ve LinkedIn'in anti-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 betik, Bright Data API'sine bir POST isteği göndererek LinkedIn iş scraping sürecini başlatır. API anahtarımızı kullanarak kimlik doğrulaması yapar ve LinkedIn Jobs dataset ID'sini belirtir.

Arama kriterleri, hangi rollerin çekileceğini tanımlar. Örneğin, hibrit pozisyonlardaki yazılım mühendisleri veya New York genelindeki uzak rollerdeki veri analistleri.

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

Adım 2: Bekleyin ve sonuçları alın

Scraping tamamlanana kadar 5-10 dakika bekleyin, ardından verileri almak için bu betiği 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 scraping süreci tamamlandığında, tetikleme işi tarafından döndürülen snapshot ID'sini kullanarak yapılandırılmış verileri alırız. Yanıt genellikle NDJSON formatındadır; her satır ayrı bir iş ilanını temsil eder.

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

LinkedIn profil sayfaları nasıl çekilir

LinkedIn profillerini çeşitli meşru kullanım durumları için çekmek isteyebilirsiniz. Örneğin, belirli bir şirketteki çalışanları analiz etmek, bir işe alım veritabanını zenginleştirmek veya bir ağ etkinliğinden toplanan LinkedIn profil URL'leri listesini işlemek.

Adım 1: Scraping 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 betik, belirtilen LinkedIn profillerini çekmeye başlamak için Bright Data'nın API'sine bir POST isteği gönderir. API token'ımızla kimlik doğrulaması yapar ve dataset ID'sini sağlarız (Bright Data panonuzda LinkedIn People dataset altında bulunur).

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

Adım 2: Çekilen 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 (her satırda bir JSON nesnesi) veya durum alanlı tek bir JSON nesnesi döndürebilir. Betiğiniz her ikisini de işler: durumu kontrol eder ("building", "running", "ready", "done"), gerektiğinde bekler ve hazır olduğunda yapılandırılmış LinkedIn profil verilerini yazdırır.

LinkedIn şirket verileri nasıl çekilir

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

Adım 1: Scraping 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 doğrulaması yapar ve Bright Data panosundan dataset ID'sini ekleriz. LinkedIn şirket URL'leri gerekli JSON formatına dönüştürülür ve işlenmek üzere API'ye gönderilir.

İstek kabul edildikten sonra, API daha sonra çekilen şirket verilerini almak için kullanacağımız bir snapshot ID döndürür. Temel hata işleme, betiğin ya snapshot ID'sini görüntülemesini ya da hata ayıklama için istekle ilgili sorunları günlüğe kaydetmesini sağlar.

Adım 2: Çekilen verileri alın

Scraping 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 betik, önceki adımdaki snapshot ID'sini kullanarak çekilen şirket verilerini getirir. API'yi sürekli olarak yoklar ve birden çok yanıt formatını destekler.

İlk olarak, hataları tespit etmek için HTTP durum kodunu doğrular. Ardından yanıtı ayrıştırmaya çalışır; yanıt iki formatta gelebilir: JSONL (satır sonu ayrılmış JSON nesneleri) veya durum bilgisi içeren standart bir JSON nesnesi.

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

2026'da LinkedIn scraping yasal mı?

IAB Yapay Zeka Yayıncılar için Hesap Verebilirlik Yasası düzenlemeleri sıkılaştırdı. Artık LinkedIn gibi platformlar, AI eğitimi veya büyük ölçekli kullanım için veri toplarken robots.txt dosyalarındaki tarama yasağı kurallarını göz ardı eden herkese karşı yasal işlem başlatabilir.

Herkese açık scraping, "hackleme" olarak değerlendirilmez, ancak robots.txt kurallarını ihlal ederse veya müdahaleci profil oluşturma için kullanılırsa artık ciddi yasal riskler taşır.

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

LinkedIn scraper benchmark metodolojisi

Benchmark, veri alma tutarlılığını ve gecikmeyi ölçmek için önceden tanımlanmış LinkedIn profillerine ve şirket sayfalarına periyodik 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 örneklemeyi sağlamak için istekler her 15 dakikada bir 60 saniyelik zaman aşımıyla çalışır.

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

Önce bu tanımlayıcıları tarayarak,
Ardından doğrudan eşleşme bulunamazsa kısmen biçimlendirilmiş içerik için yeniden kontrol ederek. Bu ikili süreç, küçük düzen veya biçimlendirme değişikliklerinin neden olduğu yanlış negatifleri azaltır.

Benchmark'ımızda, LinkedIn'den veri çekmek için özel olarak tasarlanmış aşağıdaki özel API'leri kullandık. Daha fazla bilgi için, scraping API'leri benchmark metodolojisine bakın.

Sayfa türü	Bright Data	Apify
LinkedIn gönderisi	URL ile LinkedIn gönderi toplama	supreme_coder/linkedin-post*
LinkedIn profili	URL ile LinkedIn kişi toplama	dev_fusion/Linkedin-Profile-Scraper

* referans için listelenmiştir, ancak LinkedIn scraping benchmark'ımızda kullanılmamıştır.

SSS'ler

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

Profil adları, şirket adları, iş unvanları, sektörler ve gönderi metni gibi herkese açık görünür verileri çekebilirsiniz. Özel veya hassas bilgileri (ör. e-postalar veya telefon numaraları) toplamaktan kaçının ve her zaman LinkedIn'in hizmet şartlarına 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 Nazlı Şipi (2026) - "En İyi LinkedIn Scraper'ları". AIMultiple.com adresinde çevrimiçi yayımlanmıştır. Erişim tarihi: 2 Eylül 2026, kaynak: https://aimultiple.com/linkedin-scrapers [Çevrimiçi Kaynak]

Dogan, S., & Şipi, N. (2026, 2 Eylül). En İyi LinkedIn Scraper'ları. AIMultiple. https://aimultiple.com/linkedin-scrapers

@misc{dogan2026,
  author = {Dogan, Sedat and Şipi, Nazlı},
  title  = {{En İyi LinkedIn Scraper'ları}},
  year   = {2026},
  month  = sep,
  howpublished    = {\url{https://aimultiple.com/linkedin-scrapers}},
  note   = {AIMultiple. Erişim tarihi: 2 Eylül 2026}
}

Tüm verileri indir

10 veri noktasının sonuçları ve zaman damgaları. Bu makalede kullanılan verileri, 2 CSV dosyası içeren ZIP dosyası olarak indirin.

Son güncelleme: 17 Ağustos 2026

İndir

Değişiklik günlüğü

18 güncelleme

20262 Eyl
LinkedIn'den hangi verilerin kazınabileceğini sayfa türüne göre ayrıntılandıran bir bölüm eklendi.
2 Eyl
LinkedIn scraper karşılaştırma metodolojisi, 1.000 gönderi URL'sinde dört sağlayıcı testiyle değiştirildi.
10 Haz
Proxycurl kaydı, proxy tabanlı LinkedIn kazıyıcıları bölümünden kaldırıldı.
9 Şub
Girişe Apify ve Bright Data'yı karşılaştıran bir bölüm eklendi.
202525 Kas
“LinkedIn kazıyıcı API'leri karşılaştırma sonuçları” bölümüne bir grafik eklendi.
24 Eki
Makaleye Evaboot ve Python kodu örnekleri eklendi.
4 Ağu
NetNut B2B Veri Kazıyıcı API'si LinkedIn kazıyıcıları listesine eklendi.
24 Nis
Güncellendi 'En İyi LinkedIn kazıma araçları' bölümü.
2 Nis
Fiyatlandırma bölümüne Apify ürünü eklendi: En iyi LinkedIn kazıma araçları.
27 Şub
Benchmark Metodolojisi bölümü kaldırıldı.
17 Şub
Zyte, LinkedIn kazıma araçları listesinden çıkarıldı.
9 Oca
LinkedIn kazıma araçları listesine Zyte eklendi.
2 Oca
Makaleye LinkedIn verilerinin üç iş kullanım durumu eklendi.
202412 Ara
“En iyi 6 LinkedIn kazıma aracı” bölümü kaldırıldı.
10 Eki
Benchmark Metodolojisi bölümü kaldırıldı.
10 Eki
Bir Karşılaştırma Metodolojisi bölümü eklendi.
23 Eyl
Özet tablosundaki Bright Data açıklamasını güncelledi.
23 Eyl
Metodoloji bölümü, karşılaştırmalı değerlendirilen kazıyıcılar ve test parametreleri hakkında detaylarla genişletildi.

Referans Linkleri

User Agreement | LinkedIn

Sedat Dogan

CTO

Takip Et

Sedat, yazılım geliştirme, ağ altyapısı ve siber güvenlik alanlarında 20 yıllık deneyime sahip bir teknoloji ve bilgi güvenliği lideridir. Sedat:
- Programlama dilleri ve sunucu mimarileri konusunda kapsamlı uzmanlığa sahip, 20 yıllık deneyime sahip bir beyaz şapkalı hacker ve geliştirme gurusudur.
- Erken aşama teknoloji şirketlerine yatırım yapan bir VC'de ve 125.000 işletmeye hizmet veren bölgesel bir dijital ödeme platformu olan Ödeal'da yönetim kurulu danışmanıdır.
- Yedi ulusal seçimin teknoloji altyapısını ve siber güvenliğini yönetmiş ve Twitter dahil küresel teknoloji liderleri tarafından siber güvenlik Onur Listesi'nde tanınmıştır.

Tam Profili Görüntüle

Araştıran

Nazlı Şipi

Yapay Zeka Araştırmacısı

Nazlı, AIMultiple'da veri analistidir. Çeşitli sektörlerde veri analizi konusunda önceden deneyime sahiptir; burada karmaşık dataset'leri eyleme dönüştürülebilir içgörülere dönüştürme üzerine çalışmıştır.

Tam Profili Görüntüle

Yorum yapan ilk kişi olun

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

LinkedIn scraper API karşılaştırması

LinkedIn scraping benchmark sonuçları

API ve proxy tabanlı LinkedIn scraper'ları

Cookie tabanlı LinkedIn otomasyon araçları

E-posta bulucu ve eklenti araçları

Python eğitimi: bir scraper API'si ile LinkedIn'i çekin

2026'da LinkedIn scraping yasal mı?

LinkedIn scraper benchmark metodolojisi

SSS'ler

Bu benchmarkı kaynak gösterin

Değişiklik günlüğü

Etik normlar ve sürecimiz doğrultusunda tarafsızlığı esas alıyoruz. Bu sayfada AIMultiple'ın kıyaslama hizmetlerinin abonelerinden hiçbiri anılmamaktadır.

Sıradaki Okunma

Web Veri Kazıma

Kıyaslama

27 Ağu

En İyi LinkedIn Scraper'ları

LinkedIn scraper API karşılaştırması

LinkedIn scraping benchmark sonuçları

API ve proxy tabanlı LinkedIn scraper'ları

Bright Data

Özellikler:

Apify

Özellikler:

Nimble

Cookie tabanlı LinkedIn otomasyon araçları

Phantombuster

Özellikler:

Linked Helper

Özellikler:

Dripify

Özellikler:

E-posta bulucu ve eklenti araçları

Snov.io

Özellikler:

findthatlead

Özellikler:

Fiyatlandırma:

Evaboot

Python eğitimi: bir scraper API'si ile LinkedIn'i çekin

LinkedIn gönderileri nasıl çekilir

Adım 1: Scraping işini tetikleyin

Adım 2: Çekilen verileri alın

Python ile LinkedIn işleri nasıl çekilir

Adım 1: Scraping işini tetikleyin

Adım 2: Bekleyin ve sonuçları alın

LinkedIn profil sayfaları nasıl çekilir

Adım 1: Scraping işini tetikleyin

Adım 2: Çekilen LinkedIn profil verilerini alın

LinkedIn şirket verileri nasıl çekilir

Adım 1: Scraping işini tetikleyin

Adım 2: Çekilen verileri alın

2026'da LinkedIn scraping yasal mı?

LinkedIn scraper benchmark metodolojisi

SSS'ler

LinkedIn scraper nedir?

Hangi LinkedIn verilerini çekebilirsiniz?

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

Etsy Scrapers: Benchmarked Top 4 APIs

En İyi 5 Home Depot Scraper'ı Kıyaslandı ve Karşılaştırıldı

En İyi 5 İş İlanı Toplama API'si Karşılaştırması

AI Halüsinasyon Tespit Araçları: W&B Weave & Comet

LLM Gözlemlenebilirlik Araçları: Weights & Biases, Langsmith

LLM Kullanım Durumlarına Göre Gecikme Karşılaştırması

Bright Data

Apify

Nimble

Phantombuster

Linked Helper

findthatlead