实时抓取动态 · LinkedIn1.24M req/min流式传输
200linkedin.com/school/mitIN187ms
200linkedin.com/company/googleUS126ms
200linkedin.com/company/openaiSG151ms
200linkedin.com/in/williamhgatesGB190ms
301linkedin.com/in/reidhoffmanBR54ms
200linkedin.com/in/reidhoffmanCA109ms
200linkedin.com/in/reidhoffmanDE67ms
200linkedin.com/in/reidhoffmanBR186ms
200linkedin.com/in/kaitlyn-owenCA174ms
200linkedin.com/school/stanford-universityAU56ms
200linkedin.com/in/kaitlyn-owenES156ms
200linkedin.com/company/openaiNL209ms
200linkedin.com/company/stripeCA156ms
301linkedin.com/company/microsoftIN43ms
200linkedin.com/company/microsoftCA133ms
200linkedin.com/school/mitSG162ms
200linkedin.com/company/openaiNL170ms
200linkedin.com/in/satyanadellaFR101ms
200linkedin.com/school/mitAU85ms
200linkedin.com/school/stanford-universityNL49ms
301linkedin.com/school/stanford-universityDE46ms
200linkedin.com/jobs/search/?keywords=data+engineerBR207ms
200linkedin.com/feed/update/urn:li:activity:7019384756120394752JP130ms
200linkedin.com/feed/update/urn:li:activity:7019384756120394752CA133ms
200linkedin.com/in/kaitlyn-owenBR103ms
200linkedin.com/in/reidhoffmanCA99ms
200linkedin.com/school/mitIN187ms
200linkedin.com/company/googleUS126ms
200linkedin.com/company/openaiSG151ms
200linkedin.com/in/williamhgatesGB190ms
301linkedin.com/in/reidhoffmanBR54ms
200linkedin.com/in/reidhoffmanCA109ms
200linkedin.com/in/reidhoffmanDE67ms
200linkedin.com/in/reidhoffmanBR186ms
200linkedin.com/in/kaitlyn-owenCA174ms
200linkedin.com/school/stanford-universityAU56ms
200linkedin.com/in/kaitlyn-owenES156ms
200linkedin.com/company/openaiNL209ms
200linkedin.com/company/stripeCA156ms
301linkedin.com/company/microsoftIN43ms
200linkedin.com/company/microsoftCA133ms
200linkedin.com/school/mitSG162ms
200linkedin.com/company/openaiNL170ms
200linkedin.com/in/satyanadellaFR101ms
200linkedin.com/school/mitAU85ms
200linkedin.com/school/stanford-universityNL49ms
301linkedin.com/school/stanford-universityDE46ms
200linkedin.com/jobs/search/?keywords=data+engineerBR207ms
200linkedin.com/feed/update/urn:li:activity:7019384756120394752JP130ms
200linkedin.com/feed/update/urn:li:activity:7019384756120394752CA133ms
200linkedin.com/in/kaitlyn-owenBR103ms
200linkedin.com/in/reidhoffmanCA99ms
01 实时演示
任意 LinkedIn URL 输入。结构化 JSON 输出。
三款 LinkedIn 抓取工具，实时逐字输入。切换标签页，或悬停以暂停阅读。
几分钟内运行你的第一个请求。最多 10,000 次免费请求，无需信用卡。免费开始
02 抓取工具
LinkedIn 的每个部分，都可解析。
三款托管的 LinkedIn 抓取工具共用同一个 API、同一个令牌和同一个住宅代理网络。将其中任意一个指向公开 URL，即可获得类型化的 JSON，而非原始 HTML。
linkedin-profile
个人资料
将公开个人资料解析为 title、headline、location、 experience、 education、certifications、languages、summary、recommendations 和 peopleAlsoViewed。
linkedin-company
公司主页
将公司主页读取为 title、headline、 followersCount、员工数 headcount、description、basicInfo、locations、近期动态，以及在存在时的融资或股票信息。
linkedin-feed
动态帖子
将公开的动态更新转为 posts 数组，每条帖子包含 text、images、videos、datetime、userName、reactionCount 和 commentsCount。
03 输出
干净的字段，而非原始 HTML。
一次对 linkedin-profile 的调用返回类型化的 JSON。以下是单个公开个人资料的结构。
{
"title": "Kaitlyn Owen",
"headline": "Senior Data Engineer at Acme",
"location": "San Francisco, California",
"profileUrl": "linkedin.com/in/kaitlyn-owen",
"positionInfo": { "company": "Acme" },
"educationInfo": { "school": "Stanford" },
"experience": { "experienceTotal": 5 },
"education": [ "..." ],
"certifications": [ "..." ],
"languages": [ { "title": "English", "level": "Native" } ],
"recommendations": [ "..." ],
"peopleAlsoViewed": [ "..." ]
}
身份
title · string headline · string location · string
当前职位
positionInfo · object educationInfo · object profileUrl · string
工作经历
experience · object education · array
技能与资质
certifications · array languages · array summary · array
社会认可
recommendations · array peopleAlsoViewed · array similarProfiles · array
04 工作原理
从 URL 到 JSON，一次调用完成。
每个 LinkedIn 请求都经过同样的路径。你发送一个 URL，我们负责中间的一切。
01
发送 URL
带上你的令牌和一个抓取工具，传入任意公开的 LinkedIn 个人资料、公司或动态 URL。
02
轮换代理
选用能干净触达 LinkedIn 的住宅 IP 和地区，取自 30 个地区的 140M 个 IP。
03
渲染页面
真实浏览器加载个人资料、公司或动态页面，使 experience、updates 和 posts 等动态加载的部分被完整捕获。
04
清除反爬
LinkedIn 的登录墙和机器人检测会被自动处理，因此你读到的正是未登录访客所见的内容。无需登录，无需破解，LinkedIn 变更时也无需维护。
05
返回 JSON
页面被解析为类型化字段并作为 JSON 返回，或者返回原始 HTML，如果你更愿意自行解析。
05 应用场景
各团队用 LinkedIn 数据构建什么。
USE / 01销售
线索丰富与潜客开发
用公开个人资料中的 title、headline、location 和当前公司丰富线索，以评分和分配潜客。
USE / 02招聘
人才搜寻与筛选
利用 experience、education、certifications 和 languages 搜寻候选人，并基于真实信号进行初筛。
USE / 03市场
公司与竞品情报
在各公司主页上追踪 followersCount、headcount、locations 和动态，以监测竞争对手和市场。
USE / 04融资
投资与项目源
从公司主页拉取融资轮次、投资者和股票数据，以发现标的并观察投资组合。
USE / 05社交
动态与内容监测
读取带 reactionCount 和 commentsCount 的公开动态帖子，以追踪品牌声量、营销活动和互动情况。
USE / 06AI
训练数据与智能体
通过同一个 API 将干净的 LinkedIn JSON 输入模型、RAG 流水线和研究智能体。
06 须知
抓取 LinkedIn 时值得了解的事项。
仅限公开数据
这些抓取工具读取的是未登录访客所见的内容。你无需提供登录、cookie 或会话，因此你只会采集 LinkedIn 在未认证情况下展示的公开数据。
选对抓取工具
个人资料、公司和动态是三种不同的页面。对 /in/ URL 使用 linkedin-profile，对 /company/ URL 使用 linkedin-company，对 /feed/update/ URL 使用 linkedin-feed。
个人资料返回深层结构
个人资料不只是一个 headline。linkedin-profile 返回嵌套的 experience、education、certifications、languages、summary 和 recommendations，而不仅是页面顶部。
公司信号深入丰富
linkedin-company 返回 followersCount 和员工数 headcount，以及在公司获得融资或上市时的融资轮次、投资者、股票代码和价格。
07 为什么选 Crawlbase
为大规模抓取 LinkedIn 而生。
LinkedIn 抓取工具运行在为 46,000+ 付费客户和 70,000+ 开发者提供服务的同一网络上。无需购买代理，无需运行浏览器，LinkedIn 变更时也无需打补丁。
99%
平均请求成功率
140M
住宅 IP，另加 98M 数据中心 IP
30
用于精准本地数据的地区
20/s
默认每秒请求数，可按需提高
一个令牌，面向 Python、Node 和 Ruby 的官方 SDK，底层是 99.99% 正常运行时间的网络。
08 FAQ
LinkedIn 抓取相关问题。
带上你的令牌和 scraper=linkedin-profile，将公开个人资料 URL 发送到 Crawlbase Crawling API。Crawlbase 会处理代理、渲染和登录墙，并返回包含 title、headline、location、experience、education、certifications、languages 和 recommendations 的干净 JSON。
三款托管抓取工具覆盖 LinkedIn：linkedin-profile 用于个人，linkedin-company 用于公司主页，linkedin-feed 用于公开帖子。
不需要。这些抓取工具读取的是未登录访客所见的内容。你无需提供凭据或 cookie。Crawlbase 只读取 LinkedIn 在未登录情况下展示的公开数据。
Crawlbase 将每个请求通过遍布 30 个地区的轮换住宅 IP 路由，渲染 JavaScript，并自动清除 LinkedIn 的登录墙和机器人检测。你无需管理代理或破解 CAPTCHA，LinkedIn 变更其反爬设置时也没有需要维护的东西。
可以。linkedin-company 返回公司名称、行业、followersCount、员工数 headcount、locations、basicInfo、近期动态，以及在存在时的融资或股票数据。
是的。每款 LinkedIn 抓取工具都返回已解析的类型化 JSON，包括 experience 和 education 等深层嵌套部分。如果你更愿意自行解析，也可以请求原始 HTML。
你可以用最多 10,000 次请求免费开始，无需信用卡。付费方案随用量扩展，同一个令牌可用于每一款 Crawlbase 抓取工具和 Crawling API。