今天为大家分享一个真实的案例。
今天接到人力资源部同事的需求,想把他人投递的PDF简历资料里的关键信息数据,提取到excel表中汇总。
目标资料背景:是由求职者自行编制的简历材料,投递到人力资源部。由于其数据格式的不确定,对数据信息的采集带来了一定困难。
我的解答思路是:先从PDF文档中抓取文字信息保存到word文档中,然后再从word文档中读取文字信息保存到excel中。
1 2 3 4 5 6 7 8 9 10 11 12 13 | import pdfplumber from docx import Document with pdfplumber. open ( '1_5的简历1632532336.pdf' ) as rpdf: first_page = rpdf.pages[ 0 ] print (first_page.extract_text()) doc = Document() rpdfword = first_page.extract_text() pages = doc.add_paragraph(rpdfword) doc.save( '测试2.docx' ) |
结果如下:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 | #导入所需库 from docx import Document import xlwings as xw #写数据 def excel_write(a,path,sheetname,write_cols,write_rows): app = xw.App(visible = False ,add_book = False ) app.display_alerts = False app.screen_updating = False wb = app.books. open (path) sht = wb.sheets[sheetname] weizhi = [] try : i = 0 while i! = len (write_cols): j = 0 while j! = len (write_rows): weizhi.append(write_cols[i] + str (write_rows[j])) j + = 1 i + = 1 k = 0 while k! = len (a): sht. range (weizhi[k]).value = a[k].text print (weizhi[k]) k + = 1 finally : wb.save() wb.close() app.kill() if __name__ = = "__main__" : #打开word文档 document = Document(u "测试2.docx" ) #获取所有段落 all_paragraphs = document.paragraphs print ( len (all_paragraphs)) excel_path = r '报名人员信息统计表(模板).xls' SheetName = r 'Sheet1' wcols = [ 'c' , 'd' , 'i' , 'h' , 'e' , 'f' , 'j' , 'L' ] #新读取一个简历要换一行 wrow = [ 3 ] excel_write(all_paragraphs,excel_path,SheetName,wcols,wrow) |
结果如下:
在读取word中文字时,需要注意调配相应关键信息字符信息,必要时可以删除非关键信息。
到此这篇关于Python实现提取PDF简历信息并存入Excel的文章就介绍到这了,更多相关Python提取PDF信息内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
联系客服