pyresparser

收录理由

简历格式五花八门，想从中抽出干净的结构化数据往往很费劲。pyresparser 提供了一条直接的路径：它能读取 PDF 和 DOCX 文件，返回一个包含姓名、邮箱、电话、技能、学位、公司以及大致工作年限等关键信息的字典。底层借助 spaCy 和 nltk 做实体识别与文本清洗，抽取过程依赖真正的自然语言处理，而非简单的模式匹配。你可以对单个文件调用 ResumeParser，也可以用命令行工具批量处理整个目录并获取结果。因为是纯 Python 实现，依赖说明清晰，很容易嵌入到现有后端；默认的技能表可以定制，也能添加自定义正则规则来适配特殊需求。需要留意的是，它的定位是提取简历中的常见字段，并非全面的职业规划工具，在大规模使用前最好先拿自己的文档实测一番。