maimai-cat 0.1.3

A Python API wrapper for maimai (脉脉) platform, supporting talent search, profile retrieval, group management, bookmarking, and recruitment workflow automation.

maimai_cat

maimai_cat 是脉脉（maimai）平台的 Python API 封装工具库，提供候选人搜索、详情查询、分组管理、星标、点评、联系记录、项目关联、备注、统计数据、标签、动态及求职意向等完整功能，帮助招聘团队高效管理人才资源。

---

功能特性

• 候选人搜索：按关键词搜索候选人，支持分页，结果可打印或保存到本地
• 候选人详情：获取基本简历信息（姓名、公司、职位、教育经历等）
• 点评列表：查看其他人对候选人的点评内容
• 联系记录：获取团队成员与候选人的历史联系记录
• 项目关联：查询候选人所在的招聘项目列表
• 同事备注：获取团队成员对候选人的备注信息
• 统计数据：查看候选人的查看次数、沟通次数等综合指标
• 个人标签：获取候选人的平台标签信息
• 动态记录：获取候选人的查看记录与消息动态
• 求职意向：查询候选人的看机会状态与期望岗位
• 分组管理：创建、查询、删除分组，将候选人添加到指定分组
• 星标管理：对候选人进行星标或取消星标
• 好友申请：向目标用户发送脉脉好友申请
• 搜索自动保存：关键词全量搜索自动翻页，按 UID 保存候选人为 JSON 文件
• 自定义姓氏批量搜索：支持自定义姓氏列表进行「公司 + 姓氏」组合批量搜索

---

安装和环境配置

安装

pip install maimai-cat

前置条件：导出脉脉 Cookie

maimai_cat 通过 Cookie 完成身份认证，使用前需导出你的脉脉登录 Cookie：

1. 在 Chrome 浏览器中登录 maimai.cn
2. 安装 Chrome 扩展 EditThisCookie
3. 打开脉脉任意页面，点击 EditThisCookie 图标，选择 导出 → 导出为 JSON 格式
4. 将导出的内容保存为 cookies.json 文件，放置在你的脚本同级目录

注意：Cookie 具有时效性，若请求返回未登录错误，请重新导出 Cookie。

---

使用示例

初始化

from maimai.api import MaimaiAPI

# 默认读取同目录下的 cookies.json
api = MaimaiAPI().connect()

如果 cookies.json 不在脚本同级目录，可在 LoginManager 中指定路径（或子类传入）：

# 目前通过直接修改 cookies_file 路径实现
from maimai.api import MaimaiAPI, Group, User, Search

group = Group(cookies_file="/path/to/cookies.json")

---

候选人搜索

# 企业版关键词搜索，page 从 0 开始，最大 30 页
result = api.search.enterprise_search("LLM", page=0)
api.pretty_print(result)

# 搜索并在控制台格式化打印每位候选人信息
api.search.extract_search_result(api.search.enterprise_search("Google", page=0))

# 搜索并将每位候选人数据保存为 JSON 文件到 ./profile_data 目录
api.search.save_search_result(api.search.enterprise_search("Google", page=0), folder="./profile_data")

# 公开版搜索（返回联系人列表）
contacts = api.search.public_search(keyword="张三", page=1)
print(contacts)

# 公开版搜索并保存到本地文件夹
api.search.public_search_save(keyword="张三", page=1, folder="./public_search")

# 查询公开版关键词搜索结果总数
total = api.search.public_search_total(keyword="LLM")
print(f"搜索总条数: {total}")

---

候选人详情

uid = 41962985
trackable_token = "xxxxxx"
# 获取候选人基本简历（姓名、公司、职位、教育经历等）
api.pretty_print(api.user.read(uid,trackable_token))

# 获取其他人对该候选人的点评列表
api.pretty_print(api.user.get_comments(uid))

# 获取团队成员与该候选人的联系记录
api.pretty_print(api.user.get_contact_status(uid))

# 获取候选人所在的招聘项目列表
api.pretty_print(api.user.get_projects(uid))

# 获取团队成员对该候选人的备注（page 从 0 开始，size 每页条数）
api.pretty_print(api.user.get_remarks(uid, page=0, size=5))

# 获取候选人综合统计数据（查看次数、沟通次数等）
api.pretty_print(api.user.get_stats(uid))

# 获取候选人的个人标签列表
api.pretty_print(api.user.get_tags(uid))

# 获取候选人的查看记录与消息动态
api.pretty_print(api.user.get_dynamic(uid))

# 获取候选人的求职意向（看机会状态、期望岗位等）
api.pretty_print(api.user.get_job_preference(uid, page=0, size=20))

---

分组管理

# 创建新分组
api.pretty_print(api.group.create("LLM"))

# 查询所有分组列表（默认返回最多 100 个）
api.pretty_print(api.group.read())

# 将候选人添加到指定分组（user_group_ids 为分组 ID 列表）
uid = 123456
group_id = 123456
api.pretty_print(api.group.add_user_to_group(uid=uid, user_group_ids=[group_id]))

# 删除指定分组
api.pretty_print(api.group.delete(group_id=123456))

---

星标管理

uid = 123456
# 星标候选人
api.pretty_print(api.group.star(uid))

# 取消星标
api.pretty_print(api.group.unstar(uid))

---

好友申请

# 向指定用户发送好友申请
uid = 123456
api.pretty_print(api.message.add_friend(uid))

---

Demo：关键词全量搜索（自动翻页）

search_keyword_all_pages 自动从第 0 页开始遍历所有结果页，每页等待指定秒数后翻页，结果格式化打印到控制台。

from maimai.api import MaimaiAPI
from maimai.demo.search_demo import search_keyword_all_pages

api = MaimaiAPI().connect()

# 搜索「大模型 训练」，每页间隔 5 秒，结果保存到 ./results 目录
# 预期输出：逐页打印候选人姓名、公司、职位等信息
# 当所有页面遍历完毕后打印「已遍历所有页面，搜索完成」
search_keyword_all_pages(api, keyword="大模型 算法", delay=5, folder="./results")

参数说明：

参数	类型	默认值	说明
api	MaimaiAPI	—	已初始化的 API 实例
keyword	str	—	搜索关键词
delay	int	5	翻页间隔秒数，建议 ≥ 3
folder	str	""	结果保存目录，为空则不保存

---

Demo：公司 + 百家姓批量搜索（断点续传）

company_family_search 通过「公司名 + 百家姓」穷举组合搜索目标公司员工，支持断点续传，不重复请求已完成的关键词。

from maimai.api import MaimaiAPI
from maimai.demo.search_demo import company_family_search

api = MaimaiAPI().connect()

# 搜索字节跳动员工，结果保存到 ./google 目录
# 断点日志记录到 google_log.txt，每次请求随机等待 3~8 秒
# 预期输出：[搜索] Goolge 赵 第 1 页 → 保存 {uid}.json
# 若中断后重新运行，已处理的关键词会自动跳过
company_family_search(
    api,
    company_name="Google",
    folder="./google",
    log_file="google_log.txt",
    delay_range=(3, 8),
)

# 搜索某公司员工（使用默认参数）
company_family_search(api, company_name="Google", folder="./google")

# 使用自定义姓氏列表搜索
company_family_search(
    api,
    company_name="google",
    family_names=["张", "王", "李"],
    folder="./google",
)

参数说明：

参数	类型	默认值	说明
api	MaimaiAPI	—	已初始化的 API 实例
company_name	str	"Google"	目标公司名称
folder	str	"./search_result"	搜索结果保存目录
log_file	str	"log.txt"	断点续传日志文件路径
delay_range	tuple	(3, 8)	每次请求随机等待区间（秒）
family_names	list	None	自定义姓氏列表，未传入时使用默认百家姓

---

Demo：从本地文件夹批量获取完整简历

fetch_profiles_from_folder 读取 company_family_search 生成的本地 JSON 文件，按公司名过滤后，批量调用 API 获取完整简历并保存，自动跳过已下载的文件。

from maimai.api import MaimaiAPI
from maimai.demo.profile_demo import fetch_profiles_from_folder

api = MaimaiAPI().connect()

# 从 ./google 文件夹读取，仅处理公司字段包含「Google」的用户
# 完整简历保存到 ./google_profiles，每次请求间隔 3 秒
# 预期输出：[匹配] 姓名: 张三 | 公司: Google | UID: 12345678
#           [保存] 12345678.json 保存成功（共保存 N 份）
fetch_profiles_from_folder(
    api,
    folder_path="./google",
    save_folder="./google_profiles",
    company_filter="Google",
    delay=3,
)

# 不设置 company_filter，处理文件夹中全部用户
fetch_profiles_from_folder(
    api,
    folder_path="./google",
    save_folder="./google_profiles",
)

参数说明：

参数	类型	默认值	说明
api	MaimaiAPI	—	已初始化的 API 实例
folder_path	str	—	本地搜索结果 JSON 文件所在目录
save_folder	str	"./profiles"	完整简历保存目录
company_filter	str	""	公司名过滤关键词，为空则处理全部
delay	int	3	每次请求间隔秒数，建议 ≥ 2

---

Demo：通过分组名称添加候选人到分组

add_user_to_group_by_name 先通过分组名称自动查找对应的分组 ID，再将指定候选人添加到该分组中，无需手动记录 group_id。

from maimai.api import MaimaiAPI
from maimai.demo.group_demo import add_user_to_group_by_name

api = MaimaiAPI().connect()

# 将 UID 为 123456 的候选人添加到「核心人才库」分组
# 预期输出：
#   [查找] 正在搜索分组: '核心人才库'
#   [成功] 找到分组 '核心人才库'，ID: 123456
#   [操作] 正在将 UID 123456 添加到分组 123456 ...
#   [成功] UID 123456 已添加到分组 '核心人才库'
result = add_user_to_group_by_name(
    api,
    group_name="核心人才库",
    uid=123456,
)
api.pretty_print(result)

# 适用于分组数量较多的账号，可调整最大遍历页数
result = add_user_to_group_by_name(
    api,
    group_name="LLM 团队",
    uid=789012,
    max_pages=20,
    page_size=100,
)
api.pretty_print(result)

参数说明：

参数	类型	默认值	说明
api	MaimaiAPI	—	已初始化的 API 实例
group_name	str	—	目标分组名称
uid	int	—	候选人用户 ID
max_pages	int	10	查找分组时最大遍历页数
page_size	int	100	查找分组时每页返回条数

---

API 接口说明

api.user — 候选人相关

方法	参数	说明
read(to_uid)	to_uid: int	获取候选人基本简历信息
get_comments(user_id)	user_id: int	获取其他人对候选人的点评列表
get_contact_status(to_uid)	to_uid: int	获取团队成员与候选人的联系记录
get_projects(to_uid)	to_uid: int	获取候选人关联的招聘项目列表
get_remarks(to_uid, page, size)	to_uid: int, page: int=0, size: int=5	获取团队成员对候选人的备注列表
get_stats(to_uids)	to_uids: int	获取候选人综合统计数据
get_tags(tagu)	tagu: int	获取候选人的个人标签信息
get_dynamic(to_uids)	to_uids: int	获取候选人的查看记录与消息动态
get_job_preference(to_uid, page, size)	to_uid: int, page: int=0, size: int=20	获取候选人的求职意向

api.group — 分组管理

方法	参数	说明
create(name)	name: str	创建新分组
read(page, size)	page: int=0, size: int=100	查询分组列表
delete(group_id)	group_id: int	删除指定分组
add_user_to_group(uid, user_group_ids)	uid: int, user_group_ids: list	将候选人添加到分组
star(uid)	uid: int	星标候选人
unstar(uid)	uid: int	取消星标候选人

api.search — 搜索相关

方法	参数	说明
enterprise_search(keyword, page, **kwargs)	keyword: str, page: int=0	企业版关键词搜索
public_search(keyword, page, user)	keyword: str, page: int=1	公开版搜索接口
public_search_save(keyword, page, user, folder)	keyword: str, folder: str	公开版搜索并保存结果到本地
public_search_total(keyword, page, user)	keyword: str	查询公开版搜索结果总条数
keyword(keyword, page, **kwargs)	—	enterprise_search 的别名（兼容旧代码）
search_api(keyword, page, user)	—	public_search 的别名（兼容旧代码）
search_api_save_file(keyword, page, user, folder)	—	public_search_save 的别名（兼容旧代码）
search_api_total_page(keyword, page, user)	—	public_search_total 的别名（兼容旧代码）
extract_search_result(json_data)	json_data: dict	在控制台格式化打印搜索结果
save_search_result(json_data, folder)	json_data: dict, folder: str	将搜索结果保存为本地 JSON 文件

api.message — 消息与好友

方法	参数	说明
add_friend(to_uids)	to_uids: int|str	向目标用户发送好友申请

---

免责声明

1. 本工具仅供学习交流使用，不作为任何商业用途。
2. 禁止用于任何未经授权的数据爬取、抓取行为，请严格遵守脉脉平台的用户协议及相关法律法规。
3. 使用者需自行承担所有法律责任，因使用本工具产生的任何后果与开发者无关。
4. 开发者不对任何不当使用造成的后果负责，包括但不限于账号封禁、数据泄露、法律纠纷等。

---

贡献指南与许可证

贡献指南

欢迎提交 Issue 或 Pull Request。贡献代码时请确保：

1. 代码符合 Python PEP 8 规范
2. 新增方法须包含完整的中文 docstring（参数类型、返回值说明）
3. 提交前在本地完成基本功能测试

许可证

本项目基于 MIT License 开源，允许自由使用、修改和分发。