python爬取简历

import zipfile
import re
from win32com import client as wc #导入模块
import os
import pymysql


#将doc转化为docx.因docx为压缩包，自带html文件
def doc_to_docx(file):
    word = wc.Dispatch("Word.Application") # 打开word应用程序
    doc = word.Documents.Open(file) #打开word文件
    doc.SaveAs("{}x".format(file), 12)#另存为后缀为".docx"的文件，其中参数12指docx文件
    doc.Close() #关闭原来word文件
    word.Quit()
    print(file.split('/')[-1]+"完成！")
    return "{}x".format(file)


def get_document(filepath):
    z = zipfile.ZipFile(filepath, "r")
    text = z.read("word/document.xml").decode("UTF-8")
    text = re.sub(r"<.*?>", "", text)#去除xml里的所有标记符
    return text



if __name__ == '__main__':
    file_path= 'C:/Users/lenovo/Desktop/other/简历/长亮数据-咨询部笔试题目-附件'
    for filename in os.listdir(file_path):
        if filename.split('.')[-1] != 'docx':
            fp = doc_to_docx(file_path+'/'+filename)
            page_text = get_document(fp)
            print(page_text)
            # 性别
            sex = re.findall(r"目前正在找工作   (.*?) | | 现居住", page_text, re.S)[0]
            if len(sex) <1:
                sex = 'null'
            # 年龄
            age = re.findall(r"现居住 .*? | (.*?)年工作经验最近工作", page_text, re.S)[0].split('|')[1]
            if len(age) <1:
                age = 'null'
            # 地址
            dress = re.findall(r"现居住 .*? | (.*?)年工作经验最近工作", page_text, re.S)[0].split('|')[2].strip().split(' ')[-1]
            if dress == '现居住':
                dress = 'null'
            # 工作年龄
            work_age = re.findall(r"现居住 .*? | (.*?)年工作经验最近工作", page_text, re.S)[0].split('|')[-1]
            if len(work_age) <1:
                work_age = 'null'
            # 职位
            work_name = re.findall(r"职　位：(.*?)公　司：行　业", page_text, re.S)[0]
            if len(work_name) <1:
                work_name = 'null'
            # 公司
            company_name = re.findall(r"公　司：(.*?)行　业", page_text, re.S)[0]
            if len(company_name) <1:
                company_name= 'null'
            # 行业
            industry_name = re.findall(r"职　位：(.*?)公　司：行　业", page_text, re.S)[0]
            if len(industry_name) <1:
                industry_name = 'null'
            # 专业
            profession_name = re.findall(r"最高学历/学位 专　业：(.*?)学　校：", page_text, re.S)[0]
            if len(profession_name) <1:
                profession_name = 'null'
            # 学校
            school_name = re.findall(r"学　校：(.*?)学历/学位", page_text, re.S)[0]
            if len(school_name) <1:
                school_name= 'null'
            # 学历
            education = re.findall(r"学历/学位：(.*?)个人信息户口/国籍", page_text, re.S)[0]
            if len(education) <1:
                education = 'null'
            print(sex, age, dress, work_age, work_name, company_name, industry_name, profession_name, school_name,
                  education)
        else:
            continue