### Python提取简历信息的代码示例 在处理简历信息时，通常会涉及文本解析、自然语言处理以及特定字段的识别（如姓名、联系方式、教育经历、工作经历等）。以下提供一种基于正则表达式和`spaCy`库的方法来实现这一目标。 #### 使用正则表达式提取基本信息 可以通过编写正则表达式匹配常见的模式，例如电话号码、电子邮件地址等： ```python import re def extract_basic_info(resume_text): email_pattern = r"[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\.[a-zA-Z0-9-.]+" # 邮箱正则 phone_pattern = r"\+?\d[\d -]{8,}\d" # 手机号正则 emails = re.findall(email_pattern, resume_text) phones = re.findall(phone_pattern, resume_text) return { "emails": emails, "phones": phones } resume_text = """ 张三 邮箱: zhangsan@example.com 手机: +86 1234567890 """ info = extract_basic_info(resume_text) print(info) ``` 此方法适用于简单场景下的基本联系信息提取[^1]。 #### 基于 `spaCy` 的实体识别 对于更复杂的字段（如技能列表、公司名称），可以利用 `spaCy` 进行命名实体识别 (NER)，并自定义模型训练以适应具体需求。 ```python import spacy nlp = spacy.load("zh_core_web_sm") # 加载中文预训练模型 def extract_entities(resume_text): doc = nlp(resume_text) entities = {} for ent in doc.ents: if ent.label_ not in entities: entities[ent.label_] = [] entities[ent.label_].append(ent.text) return entities resume_text = """ 李四毕业于清华大学计算机系，在阿里巴巴担任高级工程师。 擅长Python编程，熟悉机器学习框架TensorFlow和PyTorch。 """ entities = extract_entities(resume_text) print(entities) ``` 该脚本能够检测出诸如学校名、职位描述等内容，并分类整理成字典形式返回[^2]。 #### 结合 OpenCV 和 OCR 技术处理图片版简历 如果原始数据是以图像的形式存在，则需先转换为纯文本再做进一步分析。这里介绍如何借助 OpenCV 完成初步操作后再调用 Tesseract 实现光学字符识别(OCR): ```python import cv2 from PIL import Image import pytesseract # 设置tesseract路径 pytesseract.pytesseract.tesseract_cmd = 'C:\\Program Files\\Tesseract-OCR\\tesseract.exe' def ocr_image(image_path): img = cv2.imread(image_path) gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转灰度图 _, binary_img = cv2.threshold(gray, 150, 255, cv2.THRESH_BINARY_INV) # 二值化处理 text = pytesseract.image_to_string(Image.fromarray(binary_img), lang='chi_sim') return text.strip() image_path = './example_resume.jpg' extracted_text = ocr_image(image_path) print(extracted_text[:20]) # 输出前20个字符作为演示 ``` 注意：执行上述程序之前，请确认已正确配置好 Tesseract 并安装对应的语言包[^3]。 --- ### 注意事项 实际应用中可能还需要考虑多种因素，比如不同格式间的兼容性问题、噪声干扰去除策略等。因此建议根据具体情况调整算法逻辑或者引入更加专业的工具链支持复杂任务完成[^4]。