Python提取PDF简历中的信息,写入Excel

用Python将PDF表格提取到文本、CSV和Excel文件中 本文展示了如何用Python将PDF表格提取到文本、CSV和Excel文件,以及将PDF文档转换为Excel工作簿。 阅读详情

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。

7ebbdd0a9266afe29100ac48aa0eefb5.png

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。

6ab1a264aa3ae89fae7df808e482fa1c.png

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. 将PDF文档中的文字读取到word中

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:

29a2761dd80b9900ae4c609f01fede3b.png

2. 将word中读到的文字输入到excel中

#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:

93eaf68e7f3ae803bfeeedc2df5d3ac9.png

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。

觉得还不错就给我一个小小的鼓励吧!
用Python代码批量提取PDF文件中的表格 本文演示如何使用Python提取PDF文档中的表格数据,并将其保存到文本文件或Excel文件。 阅读详情

相关推荐

python批量提取pdf内容并存入excel(excel可更新)

python批量提取pdf内容并存入excel(excel可更新)

qq_44789021的博客 5154

简历信息提取(一):PDFPlumber和PP-Structure

向AI转型的程序员都关注了这个号????????????0 引言信息抽取任务旨在从非结构化的自然语言文本中提取结构化信息。在本系列项目中,将讨论如何又好又快地实现一个简历信息提取任务。作为该系列文章的第一篇,我们将首先从数据处理着手,探讨Word、PDF格式文档信息提取的一些基本方法。数据集简介本文使用的简历数据集是脱敏之后的中文人才简历数据和标注数据。标注类别包括:姓名、出生年月、性别、电话、最高学历、籍贯、落户...

datayx的文章 2579

100天精通Python(进阶篇)——第42天:pdfplumber读取pdf(基础+代码实战写入Excel)

全网最细pdfplumber读取PDF写入Excel详细教程

努力让自己发光,对的人才能迎着光而来 22万+

python简历数据提取_pyresparser 一个简单的简历解析器,用于从简历中提取信息

pyresparserA simple resume parser used for extracting information from resumesBuilt with ❤︎ and☕ by Omkar Pathak FeaturesExtract nameExtract emailExtract mobile numbersExtract skillsExtract tot...

weixin_39950772的博客 1523

ResumeParser:一个简单的简历解析器,用于从简历中提取信息

简历解析器 一个简单的简历解析器,用于从简历/简历中提取信息 注意:这仅是吡草精的包装纸。 解析的实际源代码可以在这里找到: : 安装 pip install pyresparser 图形用户界面 Django使用 使用GUI轻松提取和解释 对于运行GUI,请执行: python resume_parser/manage.py makemigrations python resume_parser/manage.py migrate python resume_parser/manage.py runserver 访问127.0.0.1以查看GUI 在职的: 在Docker中运行应用 安装docker-compose 从项目的根执行以下命令 建立我们的形象 docker-compose build 启动我们的容器和服务 docker-compose up -d 在浏览器中访问l

pyresparser:一个简单的简历解析器,用于从简历中提取信息

除草剂 A simple resume parser used for extracting information from resumes 内置:red_heart:︎和 :hot_beverage: 通过 产品特点 提取名称 提取电子邮件 提取手机号码 提取技巧 提取总经验 提取大学名称 提取度 提取物名称 提取公司名称 安装 您可以使用以下方法安装该软件包 pip install pyresparser 对于NLP操作,我们使用spacy和nltk。 使用以下命令安装它们: # spaCy python -m spacy download en_core_web_sm # nltk python -m nltk.downloa

Python爬虫——爬取简历模板

以上就是爬取简历模板的全部过程,程序中只爬取了第一、二、三页,如果想获取更多的模板,可以修改for循环翻页中的数字。在程序中,为了分解每个步骤,把各个部分的代码分开写。可以尝试将各个步骤合并起来,比如,获取到模板详情页的URL之后,对该URL发起请求来获取模板的下载地址,再对下载地址发起请求来将文件保存到本地,需要多嵌套几层循环。该网站中还有其他模板,比如ppt、各种类型的图片等等。如果感兴趣可以继续去探索。

qq_44777595的博客 2296

Win10下AutoDock Vina批量对接:从零搭建自动化流程与实战解析

本文详细解析了在Windows 10系统下,如何从零开始搭建AutoDock Vina分子对接的批量自动化流程。通过创建结构化工作目录、准备PDBQT格式文件、编写批处理脚本,实现一键式虚拟筛选,大幅提升科研效率并避免人为错误。文章还涵盖了结果自动提取、可视化分析及流程进阶优化等实战技巧。

grass的博客 467

Python爬虫爬取简历模板

本片博客将带领大家运用xpath技术,从免费的简历网站一步步爬取数据。

qq_54346552的博客 3576

STM32F105双路CAN通讯无法进入接收中断问题及解决方法

STM32F105RBT6双路CAN通讯无法进入接收中断问题及解决方法

m0_62383223的博客 3444

交通银行金融科技后端开发实习生面试经验

笔试之路的第一个脚印。不足的地方:基本功不扎实,得补。先补sql(先整理出一篇sql语句做题的文章,争取下次笔试拿下这一块),编程题中的SQL写不出来感觉很丢人。然后补八股文,结合一些网上项目教程,来理解常用的一些八股文(比如各种锁)。

T__TSZ的博客 1749

基于Python的人工智能应用案例系列(18):SpaCy简历信息抽取

在本案例中,我们通过深入探索基于Python和SpaCy的自然语言处理技术,成功展示了如何从简历中提取关键信息,特别是技能的提取。这一过程不仅帮助我们提高了对简历文本结构的理解,也为如何自动化处理大规模文本数据提供了有效的方案。通过对数据集的预处理、实体识别模型的构建、技能模式的匹配、以及技能分布的可视化,我们能够高效地将杂乱的文本转化为具有分析价值的结构化数据。此外,这个案例展示了如何在数据科学和机器学习的背景下,合理利用现有的自然语言处理工具来实现复杂文本的解析与信息抽取。法律文书。

不想宅的冷同学 1599

Agent 长期记忆三代演进:从 RAG 到 Memory Graph,mem0 / Zep / LangMem / Letta 深度横评

文章摘要 2026年,Agent长期记忆技术迎来关键突破,OpenAI、Anthropic等厂商通过扩大上下文窗口和推出记忆工具,推动长期记忆从工程补丁发展为独立技术层。本文通过分析三代记忆架构演进(RAG→结构化Fact→MemoryGraph)和四大方案(mem0/Zep/LangMem/Letta)的8维度横评,揭示以下核心观点: 长上下文≠长期记忆:128K上下文如同RAM,仍需硬盘式记忆层筛选和结构化存储,避免“Context Rot”导致的准确率下降。 三代架构演进: Gen1(RAG):向量检

LDZKKJ的博客 1463

Python提取PDF中的信息,写入Excel

今天为大家分享一个真实的Python自动化办公案例。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。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。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。......

Python数据挖掘 2484

【LPDDR4 - 学习二】LPDDR4 介绍 ——LPDDR4 芯片引脚说明解析

本文系统解析了LPDDR4内存芯片的引脚定义与特性,重点介绍了272球POPFBGA封装的双通道架构。内容涵盖电源管理(三级供电架构与上电时序)、控制信号(差分时钟与复用命令总线)、数据接口(16位双向数据总线与选通信号)以及校准复位等核心模块。通过表格详细列明了各引脚电压范围、功能定义及工程注意事项,并附有典型封装球位分布图。全文基于JEDEC标准,为移动设备内存设计提供全面的硬件参考,特别强调电源时序控制、信号完整性及抗干扰设计等关键点。

zap15622077817的博客 2653

QGC二次开发实战指南(一):从零构建自定义地面站界面

本文详细介绍了QGC二次开发实战指南,从零开始构建自定义地面站界面。通过QT和QML技术结合MAVLINK协议,开发者可以打造适合特定业务场景的无人机监控系统,提升操作效率与用户体验。文章包含环境搭建、界面设计、数据绑定等完整开发流程,是QGC二次开发的实用教程。

weixin_28693683的博客 496

Python 操作pdf文件(pdfplumber读取PDF写入Excel)

Python 操作pdf(pdfplumber读取PDF写入Exce) Python读取pdf文件存入Excel

感谢关注-最近在编写开源的自动化测试框架还没整理完 7102

AUTOSAR知识点:PDUR(PDU Router)基础知识

通过定义路由表和实现相应的路由和缓冲逻辑,PDUR能够确保PDU在不同ECU之间的可靠传输。在上述示例中,我们定义了一个简单的PDUR路由表,其中列出了源ECU和目标ECU之间的映射关系。当收到来自源ECU的PDU时,PDUR模块会根据路由表查找目标ECU,并将PDU传输到相应的目标ECU。PDUR的主要功能是将接收到的PDU从一个ECU路由到另一个ECU,并确保数据的正确传输。需要注意的是,上述示例是一个简化的实现,实际的PDUR模块可能包含更复杂的功能和逻辑。

EcmFsharp的博客 1158

【办公自动化】使用Python一键提取PDF中的表格到Excel

从PDF文件获取表格中的数据,也是日常办公容易涉及到的一项工作。一个一个复制吧,效率确实太低了。用Python从PDF文档中提取表格数据,并写入Excel文件,灰常灰常高效。上市公司的年报往往包含几百张表格,用它作为例子再合适不过,搞定这个,其他含表格的PDF都是小儿科了。今天以"保利地产年报"为例,这个PDF文档中有321页含有表格,总表格数超过这个数了。

m0_64336780的博客 2万+

FPGA开发中的操作系统

在FPGA开发中,操作系统起着关键的作用,它负责任务管理、资源管理、中断处理和设备驱动程序等功能。在实际的FPGA开发中,可以选择使用现有的操作系统,如MicroC/OS-II、FreeRTOS等,或者根据具体需求自行设计和开发操作系统。在FPGA(可编程逻辑门阵列)开发中,操作系统扮演着关键的角色,为硬件设计师提供了一种有效的方式来管理资源、调度任务并实现系统级功能。本文将介绍FPGA开发中的操作系统概念,并提供一个简单的示例代码来说明如何在FPGA平台上实现一个基本的操作系统。

CqpFsharp的博客 1163

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

用Python提取PDF表格到Excel文件

本文演示如何使用Python提取PDF文档表格数据到Excel文件中。

Eiceblue的专栏 1682

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

用python 将PDF中的表格转化为Excel

这几天想统计一下《中国人文社会科学期刊 AMI 综合评价报告(2018 年):A 刊评价报告》中的期刊,但是只找到了该报告的PDF版,对于表格的编辑不太方便,于是想到用Python将表格转成Excel格式。 看过别人写的博客,发现Python解析PDF有以下四种方式: -pdfminer:擅长文字的解析,把表格解析成普通的文本,没有格式; -pdf2html:把pdf解析成html,但html的标...

ziyin_2013的博客 1万+

ssm框架搭建

这个是一个在idea上成功跑起来的ssm框架项目,保存在这里方便以后使用直接下载

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

别再问如何用Python提取PDF内容了!

公众号后台回复“图书“,了解更多号主新书内容作者:陈熹来源:早起Python导读大家好,在之前的办公自动化系列文章中我们已经详细介绍了????如何使用Python批量处理PDF文件,包括...

数据森麟 8300

python提取pdf表格数据并保存到excel中

pdfplumber操作pdf文件 python开源库pdfplumber,可以较为方便地获取pdf的各种信息,包含pdf的基本信息(作者、创建时间、修改时间…)及表格、文本、图片等信息,基本可以满足较为简单的格式转换功能。 一、pdfplumber安装及导入 跟其他包一样,支持使用pip安装,安装命令: pip install pdfplumber 安装成功后,可直接用import导入,导入命令: import pdfplumber 二、pdfplumber基础使用 1、基础知识 (1)pdfplu

LHJ优快云YL的博客 7865

Python读取pdf表格写入excel

背景 今天突然想到之前被要求做同性质银行的数据分析。妈耶!十几个银行,每个银行近5年的财务数据,而且财务报表一般都是 pdf 的,我们将 pdf 中表的数据一个个的拷贝到 excel 中,再借助 excel 去进行求和求平均等聚合函数操作,完事了还得把求出来的结果再统一 CV 到另一张表中,进行可视化分析… 当然,那时风流倜傥的 老Amy 还熟练的玩转着 excel ,也是个秀儿~ 今天就思索着,如果当年我会 Python 是不是可以让我成为班级最靓的崽!用技术占领高地,HHH,所以今天我来了,希望可以帮

菜鸟IT女 7517
上一篇: 8个 可以让 Python 加速的 tips
下一篇: 元宇宙和我有什么关系?
Wang_AI
博客等级 码龄12年 998粉丝 162原创
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值