站長(zhǎng)資訊網(wǎng)本篇文章給大家?guī)?lái)了關(guān)于python的相關(guān)知識(shí)，其中主要介紹了關(guān)于簡(jiǎn)歷篩選的相關(guān)問(wèn)題，包括了定義 ReadDoc 類用以讀取 word 文件以及定義 search_word 函數(shù)用以篩選的相關(guān)內(nèi)容，下面一起來(lái)看一下，希望對(duì)大家有幫助。
推薦學(xué)習(xí)：python視頻教程
簡(jiǎn)歷篩選
簡(jiǎn)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(jiǎn)歷（比如 Python、Java）
實(shí)現(xiàn)思路：
批量讀取每一個(gè) word 文件（通過(guò) glob 獲取 word 信息），將他們的所有可讀內(nèi)容獲取，并通過(guò)關(guān)鍵字方式篩選，拿到目標(biāo)簡(jiǎn)歷地址。
這里有個(gè)需要注意的地方就是，并不是所有的 "簡(jiǎn)歷" 都是以段落的形式呈現(xiàn)的，比如從 "獵聘" 網(wǎng)下載下來(lái)的簡(jiǎn)歷就是 "表格形式" 的，而 "boss" 上下載的簡(jiǎn)歷就是 "段落形式" 的，這里再進(jìn)行讀取的時(shí)候需要注意下，我們做的演示腳本練習(xí)就是 "表格形式" 的。
這里的話，我們就可以專門定義一個(gè) "ReadDoc" 的類，里面定義兩個(gè)函數(shù)，分別用于讀取 "段落" 和 "表格" 。
實(shí)操案例腳本如下：
# coding:utf-8from docx import Documentclass ReadDoc(object): # 定義一個(gè) ReadDoc ，用以讀取 word 文件 def __init__(self, path): # 構(gòu)造函數(shù)默認(rèn)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(jìn)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(gè) "," 隔開(kāi) self.table_text += _cell_str + 'n' # 讀取的表格內(nèi)容進(jìn)行換行 print(self.table_text)if __name__ == '__main__': path = glob.os.path.join(glob.os.getcwd(), 'test_file/簡(jiǎn)歷1.docx') doc = ReadDoc(path) print(doc)
看一下 ReadDoc 類的運(yùn)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(jiǎn)歷
OK，上文已經(jīng)成功讀取了簡(jiǎn)歷的 word 文檔，接下來(lái)我們要將讀取到的內(nèi)容通過(guò)帥選關(guān)鍵字信息的方式，過(guò)濾出包含有關(guān)鍵字的簡(jiǎn)歷。
實(shí)操案例腳本如下：
# coding:utf-8import globfrom docx import Documentclass ReadDoc(object): # 定義一個(gè) ReadDoc ，用以讀取 word 文件 def __init__(self, path): # 構(gòu)造函數(shù)默認(rèn)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(jìn)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(gè) "," 隔開(kāi) self.table_text += _cell_str + 'n' # 讀取的表格內(nèi)容進(jìn)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(jiǎn)歷；傳入 path 與 targets（targets 為列表） result = glob.glob(path) final_result = [] # 定義一個(gè)空列表，用以后續(xù)存儲(chǔ)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(shí)例化該文件對(duì)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_resultif __name__ == '__main__': path = glob.os.path.join(glob.os.getcwd(), '*') result = search_word(path, ['python', 'golang', 'react', '埋點(diǎn)']) # 埋點(diǎn)是為了演示效果，故意在 "簡(jiǎn)歷1.docx" 加上的 print(result)
運(yùn)行結(jié)果如下：
推薦學(xué)習(xí)：python視頻教程
