Python自动化整理Word简历：批量提取信息并生成Excel导航
本文介绍如何利用Python批量整理数百份Word简历。通过遍历文件夹、规范文件名、转换doc格式，并提取关键信息写入Excel。重点解决Mac环境下解析doc文件的兼容性问题，利用相对路径生成可点击的附件链接，实现快速导航与数据汇总，减少重复人工操作。
当前文件夹内包含500多份简历文件。若需查询学校、学历等特定信息，逐一打开Word文档查看效率极低。此时，使用Python进行自动化处理成为必要选择。
目标
面对600余份类似截图所示的Word文件，主要目标是进行基础整理：
最终输出一份Excel导航表（类似目录功能），通过该表格可快速定位并跳转至对应附件，效果如下所示：
具体实现
明确目标后，具体实施思路较为清晰：遍历所有Word文件，提取其中的关键字段，并将结果保存至Excel文件中。
主要涉及以下模块：
import xlsxwriter import subprocess import os import docx import sys import re
xlsxwriter用于操作Excel，该库仅支持写入操作，但效率高于xlwt；若数据量不大，使用xlwt亦可。
subprocess用于调用命令行工具。由于docx模块无法直接解析旧版.doc格式的Word文件，因此需在解析前将.doc文件转换为.docx格式。
os模块主要用于遍历文件夹以获取文件列表。
docx模块用于解析Word文档内容。
规范下文件名
首先对文件名进行规范化处理。因为在调用subprocess.call执行命令时，文件名中的空格或特殊符号可能导致转义失败从而引发报错，提前清理这些潜在问题可避免错误。
def remove_doc_special_tag():
for filename in os.listdir(path):
otherName = re.sub("[\s+\!\/_,$%^*(+\"\')]+|[+——()?【】“”！，。？、~@#￥%……&*（）]+", "",filename)
os.rename(os.path.join(path,filename),os.path.join(path,otherName))
遍历文件
随后进入核心环节，遍历每个文件并进行解析：
path='/Users/cavin/Desktop/files' for filename in os.listdir(path): ...具体逻辑...
此处遇到一个难点：docx模块无法解析.doc格式文档，且由于使用Mac系统，无法调用win32com模块，导致处理较为棘手。经搜索发现，可通过命令行工具将.doc转换为.docx格式。
需注意，转换后的.docx文件样式可能会丢失，但这不影响提取文本信息的需求。
因此编写了相应代码：若文件为.doc格式，优先将其转换为.docx，解析完成后立即删除临时转换文件。
if filename.endswith('.doc'):
subprocess.call('textutil -convert docx {0}'.format(fullname),shell=True)
fullname=fullname[:-4]+".docx"
sheetModel= etl_word_files(fullname)#解析文本逻辑
subprocess.call('rm {0}'.format(fullname),shell=True) #移除转换的文件
解析word文件
接下来执行文件解析。利用docx模块可轻松实现，具体解析逻辑未在此展示，主要是遍历每一行，依据关键字和符号截取数据（鉴于大多数简历格式基本一致）。
doc = docx.Document(fullname) for para in doc.paragraphs: print(para.text) ...具体解析逻辑...
填充excel
解析得到的数据可直接填充至Excel中：
workbook = xlsxwriter.Workbook('report_list.xlsx')
worksheet = workbook.add_worksheet('list')
worksheet.write(0,0, '序号')
worksheet.write(0,1, '姓名')
worksheet.write(0,2, '性别')
worksheet.write(0,3, '年龄')
worksheet.write(0,4, '籍贯')
worksheet.write(0,5, '目前所在地')
worksheet.write(0,6, '学历')
worksheet.write(0,7, '学校')
worksheet.write(0,8, '公司')
worksheet.write(0,9, '职位')
worksheet.write(0,10, '文档链接')
此处重点说明文档链接的填充方式。为确保他人使用时附件与Excel位于同一文件夹，采用相对路径方式，可借助Excel的HYPERLINK函数实现：
worksheet.write(index,10, '=HYPERLINK(\"./'+filename+'\",\"附件\")')
问题点
至此，基本功能已实现，但尚不完美。主要问题在于Word文档格式不规范，难以通过固定方式准确提取所有目标数据。不过，姓名、学校等核心信息大多已成功抓取，一定程度上减轻了工作量。
总结
利用Python确实减少了部分重复性劳动，但面对格式不标准的文档，目前仍缺乏通用的完美解决方案。
虽然可以增加逻辑以兼容各类非标准格式，但显然投入与产出比并不成正比。
关键在于善用现有工具提升效率。至于选择傻瓜式的重复劳动，还是通过代码减少重复工作，取决于个人的取舍。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
