pyresparser

piresparser

 A simple resume parser used for extracting information from resumes

Construido con ❤︎ y ☕ por Omkar Pathak

---

Características

• Extraer nombre
• Extraer correo electrónico
• Extraer números móviles
• Extraer habilidades
• Extraer experiencia total
• Extraer el nombre de la universidad
• Grado de extracto
• Designación de extracto
• Extraer nombres de compañía

Instalación

• Puede instalar este paquete usando

pip install pyresparser

• Para las operaciones de PNL utilizamos Spacy y NLTK. Instalarlos usando los comandos a continuación:

 # spaCy
python -m spacy download en_core_web_sm

# nltk
python -m nltk.downloader words
python -m nltk.downloader stopwords

Documentación

La documentación oficial está disponible en: https://www.omkarpathak.in/pyresparser/

Formatos de archivo compatibles

• Los archivos PDF y DOCX son compatibles con todos los sistemas operativos
• Si desea extraer archivos DOC, puede instalar Textract para su sistema operativo (Linux, MacOS)
• Nota: solo tiene que instalar Textract (y nada más) y los archivos DOC se analizarán fácilmente

Uso

• Importarlo en su proyecto Python

 from pyresparser import ResumeParser
data = ResumeParser ( '/path/to/resume/file' ). get_extracted_data ()

CLI

Para ejecutar el extractor de currículum también puede usar la cli proporcionada

usage: pyresparser [-h] [-f FILE] [-d DIRECTORY] [-r REMOTEFILE]
                   [-re CUSTOM_REGEX] [-sf SKILLSFILE] [-e EXPORT_FORMAT]

optional arguments:
  -h, --help            show this help message and exit
  -f FILE, --file FILE  resume file to be extracted
  -d DIRECTORY, --directory DIRECTORY
                        directory containing all the resumes to be extracted
  -r REMOTEFILE, --remotefile REMOTEFILE
                        remote path for resume file to be extracted
  -re CUSTOM_REGEX, --custom-regex CUSTOM_REGEX
                        custom regex for parsing mobile numbers
  -sf SKILLSFILE, --skillsfile SKILLSFILE
                        custom skills CSV file against which skills are
                        searched for
  -e EXPORT_FORMAT, --export-format EXPORT_FORMAT
                        the information export format (json)

Notas:

• Si está ejecutando la aplicación en Windows, solo puede extraer archivos .docs y .pdf

Resultado

El módulo devolvería una lista de objetos de diccionario con el resultado de la siguiente manera:

 [
  {
    'college_name': ['Marathwada Mitra Mandal’s College of Engineering'],
    'company_names': None,
    'degree': ['B.E. IN COMPUTER ENGINEERING'],
    'designation': ['Manager',
                    'TECHNICAL CONTENT WRITER',
                    'DATA ENGINEER'],
    'email': '[email protected]',
    'mobile_number': '8087996634',
    'name': 'Omkar Pathak',
    'no_of_pages': 3,
    'skills': ['Operating systems',
              'Linux',
              'Github',
              'Testing',
              'Content',
              'Automation',
              'Python',
              'Css',
              'Website',
              'Django',
              'Opencv',
              'Programming',
              'C',
              ...],
    'total_experience': 1.83
  }
]

Referencias que me ayudaron a llegar aquí

• Algunos de los conceptos centrales detrás del algoritmo se han tomado de https://github.com/divapriya/language_processing que se ha resumido en este blog https://medium.com/@divalicious.priya/information-extraction-from-acec216c3f48. Gracias a Priya por compartir este concepto

• https://www.kaggle.com/nirant/hitchhiker-s-guide-to-nlp-in-spacy

• https://www.analyticicsvidhya.com/blog/2017/04/natural-language-processing-made-easy-using-spacy-%E2%80%8Bin-Python/

• Un agradecimiento especial a Dataturks por su conjunto de datos anotado

Donación

Si ha encontrado que mis softwares le sirven de alguna utilidad, considere ayudarme a pagar mis facturas de Internet. ¿Esto me animaría a crear muchos de estos softwares?

Paypal
₹ (INR)

Stargazer con el tiempo