Python自动化实践之筛选简历

# coding:utf-8from docx import Documentclass ReadDoc(object):              # 定义一个 ReadDoc ，用以读取 word 文件    def __init__(self, path):       # 构造函数默认传入读取 word 文件的路径        self.doc = Document(path)        self.p_text = ''        self.table_text = ''        self.get_para()        self.get_table()    def get_para(self):             # 定义 get_para 函数用以读取 word 文件的段落        for p in self.doc.paragraphs:            self.p_text += p.text + ''    # 读取的段落内容进行换行        print(self.p_text)    def get_table(self):            # 定义 get_table 函数循环读取表格内容        for table in self.doc.tables:            for row in table.rows:                _cell_str = ''      # 获取每一行的完整信息                for cell in row.cells:                    _cell_str += cell.text + ','    # 每一行加一个 "," 隔开                self.table_text += _cell_str + ''     # 读取的表格内容进行换行        print(self.table_text)if __name__ == '__main__':    path = glob.os.path.join(glob.os.getcwd(), 'test_file/简历1.docx')    doc = ReadDoc(path)    print(doc)

# coding:utf-8import globfrom docx import Documentclass ReadDoc(object):              # 定义一个 ReadDoc ，用以读取 word 文件    def __init__(self, path):       # 构造函数默认传入读取 word 文件的路径        self.doc = Document(path)        self.p_text = ''        self.table_text = ''        self.get_para()        self.get_table()    def get_para(self):             # 定义 get_para 函数用以读取 word 文件的段落        for p in self.doc.paragraphs:            self.p_text += p.text + ''    # 读取的段落内容进行换行        # print(self.p_text)        # 调试打印输出 word 文件的段落内容    def get_table(self):            # 定义 get_table 函数循环读取表格内容        for table in self.doc.tables:            for row in table.rows:                _cell_str = ''      # 获取每一行的完整信息                for cell in row.cells:                    _cell_str += cell.text + ','    # 每一行加一个 "," 隔开                self.table_text += _cell_str + ''     # 读取的表格内容进行换行        # print(self.table_text)    # 调试打印输出 word 文件的表格内容def search_word(path, targets):     # 定义 search_word 用以筛选符合内容的简历；传入 path 与 targets（targets 为列表）    result = glob.glob(path)    final_result = []               # 定义一个空列表，用以后续存储文件的信息    for i in result:             # for 循环获取 result 内容        isuse = True                # 是否可用        if glob.os.path.isfile(i):       # 判断是否是文件            if i.endswith('.docx'):      # 判断文件后缀是否是 "docx" ，若是，则利用 ReadDoc类 实例化该文件对象                doc = ReadDoc(i)                p_text = doc.p_text         # 获取 word 文件内容                table_text = doc.table_text                all_text = p_text + table_text                for target in targets:      # for 循环判断关键字信息内容是否存在                    if target not in all_text:                        isuse = False                        break                if not isuse:                    continue                final_result.append(i)    return final_resultif __name__ == '__main__':    path = glob.os.path.join(glob.os.getcwd(), '*')    result = search_word(path, ['python', 'golang', 'react', '埋点'])      # 埋点是为了演示效果，故意在 "简历1.docx" 加上的    print(result)