Python Word文件自動化實戰(zhàn)之簡歷篩選

更新時間：2022年05月12日 11:20:02 作者：渴望力量的哈士奇

本文將利用Python自動化做一個具有實操性的小練習，即通過讀取簡歷來篩選出符合招聘條件的簡歷。文中的示例代碼講解詳細，感興趣的小伙伴可以跟隨小編一起學習一下

簡歷篩選

簡歷相關(guān)信息如下：

定義 ReadDoc 類用以讀取 word 文件

已知條件：

想要查找包含指定關(guān)鍵字的簡歷（比如 Python、Java）

實現(xiàn)思路：

批量讀取每一個 word 文件（通過 glob 獲取 word 信息），將他們的所有可讀內(nèi)容獲取，并通過關(guān)鍵字方式篩選，拿到目標簡歷地址。

這里有個需要注意的地方就是，并不是所有的 "簡歷" 都是以段落的形式呈現(xiàn)的，比如從 "獵聘" 網(wǎng)下載下來的簡歷就是 "表格形式" 的，而 "boss" 上下載的簡歷就是 "段落形式" 的，這里再進行讀取的時候需要注意下，我們做的演示腳本練習就是 "表格形式" 的。

這里的話，我們就可以專門定義一個 "ReadDoc" 的類，里面定義兩個函數(shù)，分別用于讀取 "段落" 和 "表格" 。

實操案例腳本如下：

# coding:utf-8

from docx import Document

class ReadDoc(object):              # 定義一個 ReadDoc ，用以讀取 word 文件
    def __init__(self, path):       # 構(gòu)造函數(shù)默認傳入讀取 word 文件的路徑
        self.doc = Document(path)
        self.p_text = ''
        self.table_text = ''

        self.get_para()
        self.get_table()

    def get_para(self):             # 定義 get_para 函數(shù)用以讀取 word 文件的段落
        for p in self.doc.paragraphs:
            self.p_text += p.text + '\n'    # 讀取的段落內(nèi)容進行換行
        print(self.p_text)

    def get_table(self):            # 定義 get_table 函數(shù)循環(huán)讀取表格內(nèi)容
        for table in self.doc.tables:
            for row in table.rows:
                _cell_str = ''      # 獲取每一行的完整信息
                for cell in row.cells:
                    _cell_str += cell.text + ','    # 每一行加一個 "," 隔開
                self.table_text += _cell_str + '\n'     # 讀取的表格內(nèi)容進行換行
        print(self.table_text)

if __name__ == '__main__':
    path = glob.os.path.join(glob.os.getcwd(), 'test_file/簡歷1.docx')
    doc = ReadDoc(path)
    print(doc)

看一下 ReadDoc 類的運行結(jié)果

定義 search_word 函數(shù)用以篩選 word 文件內(nèi)容符合想要的簡歷

OK，上文已經(jīng)成功讀取了簡歷的 word 文檔，接下來我們要將讀取到的內(nèi)容通過帥選關(guān)鍵字信息的方式，過濾出包含有關(guān)鍵字的簡歷。

實操案例腳本如下：

# coding:utf-8

import glob

from docx import Document

class ReadDoc(object):              # 定義一個 ReadDoc ，用以讀取 word 文件
    def __init__(self, path):       # 構(gòu)造函數(shù)默認傳入讀取 word 文件的路徑
        self.doc = Document(path)
        self.p_text = ''
        self.table_text = ''

        self.get_para()
        self.get_table()

    def get_para(self):             # 定義 get_para 函數(shù)用以讀取 word 文件的段落
        for p in self.doc.paragraphs:
            self.p_text += p.text + '\n'    # 讀取的段落內(nèi)容進行換行
        # print(self.p_text)        # 調(diào)試打印輸出 word 文件的段落內(nèi)容

    def get_table(self):            # 定義 get_table 函數(shù)循環(huán)讀取表格內(nèi)容
        for table in self.doc.tables:
            for row in table.rows:
                _cell_str = ''      # 獲取每一行的完整信息
                for cell in row.cells:
                    _cell_str += cell.text + ','    # 每一行加一個 "," 隔開
                self.table_text += _cell_str + '\n'     # 讀取的表格內(nèi)容進行換行
        # print(self.table_text)    # 調(diào)試打印輸出 word 文件的表格內(nèi)容


def search_word(path, targets):     # 定義 search_word 用以篩選符合內(nèi)容的簡歷；傳入 path 與 targets（targets 為列表）
    result = glob.glob(path)
    final_result = []               # 定義一個空列表，用以后續(xù)存儲文件的信息

    for i in result:             # for 循環(huán)獲取 result 內(nèi)容

        isuse = True                # 是否可用

        if glob.os.path.isfile(i):       # 判斷是否是文件
            if i.endswith('.docx'):      # 判斷文件后綴是否是 "docx" ，若是，則利用 ReadDoc類 實例化該文件對象
                doc = ReadDoc(i)
                p_text = doc.p_text         # 獲取 word 文件內(nèi)容
                table_text = doc.table_text
                all_text = p_text + table_text

                for target in targets:      # for 循環(huán)判斷關(guān)鍵字信息內(nèi)容是否存在
                    if target not in all_text:
                        isuse = False
                        break

                if not isuse:
                    continue
                final_result.append(i)
    return final_result

if __name__ == '__main__':
    path = glob.os.path.join(glob.os.getcwd(), '*')
    result = search_word(path, ['python', 'golang', 'react', '埋點'])      # 埋點是為了演示效果，故意在 "簡歷1.docx" 加上的
    print(result)

運行結(jié)果如下：