resume-parse-evaluation
Evaluate existing engine of resume parse for Chinese 对各种简历解析工具的测评
paddler ocr 相關的有一個table structure extract 不知道能不能套上來
另外就是https://github.com/jamesturk/scrapeghost 看到一個gpt的應用 不知道有沒有可行性
https://github.com/hxu296/nlp-resume-parser
从简历中提取感兴趣的字段
Background
一般来讲，不同的候选者和公司所选择的招聘渠道的不同，我们会收到不同类型的简历：
1.1 各大招聘网站上的网页版或网站上提供下载的简历
应聘者在各网站上，包括外部的网站和自己公司的网站，按网站提供的固定模板填写信息，形成网页版或从网页下载的其它格式简历（统称网页版简历）。
针对网页版简历的基础解析技术，各公司准确率不相上下，难度在于针对每一个固定模板做细致的分析，简历解析技术的准确度依赖于勤奋和经验。 智联、51、拉勾、猎聘、
1.2 应聘者按照自己的想法和偏好，制作word、pdf、png，甚至是 excel 格式的电子文档简历。
这种简历格式五花八门，由于不是直接以网页代码的模式呈现，且没有相对固定的模板和关键词字段，就给系统识别带来了挑战。对于系统来讲，要寻找规律并进行判断和识别就会有一定的难度，这一类的简历解析无法做到百分百。
1.3 简历文件的格式
doc, docx, xls, xlsx, mht, mhtml, html, htm, txt, pdf, rtf, eml, wps, xml, dotx, msg, jpeg, jpg, gif, png, bmp 等格式，基本上覆盖了招聘市场上99%的简历格式。
1.4 简历中的数据
中英文混合，大概有100余个字段，涵盖基本信息、联系方式、期望职位、教育经历、工作经历、 项目经历、技能、语言能力、证书、自我评价等字段信息。
Tools
商业化软件和解决方案
| 公司名称 | 网站 | 网友评价 | 测试demo | 支持格式 | 价格 | 部署方式 | 其他 |
|---|---|---|---|---|---|---|---|
| 捕鱼科技 | http://www.buyu-tech.com/ http://www.cv-parser.com/ | -- | Y | 不支持图片 pdf、doc、docx、html、htm、txt、zip、mht、ppt等 | --- | SaaS和本地部署 | |
| 云解析 | http://youyun.com | 他家的demo效果很一般，稍微特殊一点的情况就处理不好； | Y | 21种简历格式 支持图片 | saas | ||
| cv-extract 北京有本科技 | http://k18.com.cn | 这家做解析有一定的时间了，改头换面也包装了几家分店。总体效果还可以，但还存在不少的问题； | Y | 支持图片 | SaaS和本地部署 | ||
| 北京云湾科技有限公司 | http://resumesdk.com | 这家比较低调，感觉不太善于宣传，但总体效果是三家中最好的，特别是能很好解决不同网站模板包括自由格式的简历，而且上手很简单方便。 | Y | 支持图片 | SaaS和本地部署 | ||
| 德士达科技公司 | http://www.daxtra.cn/ | 简历解析Daxtra 做得相当不错，我听说他们香港有设点也在国内推广，听说是爱丁堡大学教授开发的算法。蛮多外国大公司和猎头用他们的。 | N | -- | -- | -- | |
| 杭州少世科技有限公司 | www.littleparser.com | 小析简历解析，免费试用现在，国际大数据团队研发的 | Y | 不支持图片 | -- | SaaS | -- |
| 山卡拉 | http://cv-extract.com/ | -- | Y 不可用 | 不支持图片 | -- | SaaS | --- |
| CV Tech 简历 | http://www.jianlijiexi.com/ | -- | Y | 支持图片 | -- | SaaS和本地部署 | --- |
| 大易 | http://www.dayee.com/wt/dayee/dayeePageresume | -- | N | 不支持图片 | -- | -- | -- |
| 麦穗简历洞察 | https://www.mesoor.com/resume-insight.html | -- | N | 不支持图片 | -- | -- | -- |
开源库
-
简历解析工具:支持猎聘、前程无忧、拉勾、智联网站上的简历 支持html、doc、pdf、eml
-
python解析简历:支持doc、pdf、eml、html 首先将不同格式的简历先转换成txt再进行提取
-
简历解析的restful服务:支持猎聘、51job、智联的html简历
-
基于纯文本的简历解析器，解析服务，支持磁盘扫描，简历内容抽取，简历解析，简历存储: 支持的文件格式有pdf,word,text,html等
-
简历内容提取:手动标记 提取简历数据 支持51job、智联的html格式
-
针对求职者自己的简历进行解析:支持html，word，text，分词器（HanLP）结合正则表达式 已提取的包括：姓名、性别、年龄、家庭住址、手机号、邮箱、毕业院校、学历、专业、工年
Benchmark resumes
从网络上收集一些公开获取的简历数据，不适之处请联系删除
Todos
- xxxxx.
Prospective project tree:
├── README.md
├── resume-samples
| ├── pdf
| | └── ca-warn-2013
| | ├── 001.csv
| | ├── 002.csv
| | └── 003.csv
| ├── word
| | └── ca-warn-2013
| | ├── 001.csv
| | ├── 002.csv
| | └── 003.csv
| ├── html
| | └── ca-warn-2013
| | ├── 001.csv
| | ├── 002.csv
| | └── 003.csv
| ├── txt
| | └── ca-warn-2013
| | ├── 001.csv
| | ├── 002.csv
| | └── 003.csv
| ├── excel
| | └── ca-warn-2013
| | ├── 001.csv
| | ├── 002.csv
| | └── 003.csv
| ├── mdht
| | └── ca-warn-2013
| | ├── 001.csv
| | ├── 002.csv
| | └── 003.csv
├── results
| ├── pdf
| | └── 捕鱼
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 云解析
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 有本科技
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 云湾科技
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| ├── html
| | └── 捕鱼
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 云解析
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 有本科技
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 云湾科技
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| ├── txt
| | └── 捕鱼
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 云解析
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 有本科技
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 云湾科技
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| ├── excel
| | └── 捕鱼
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 云解析
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 有本科技
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 云湾科技
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| ├── word
| | └── 捕鱼
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 云解析
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 有本科技
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 云湾科技
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| ├── mdht
| | └── 捕鱼
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 云解析
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 有本科技
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
| | └── 云湾科技
| | | ├── 001.csv
| | | ├── 002.csv
| | | └── 003.csv
Example test suite and results
java -jar \
bins/tabula-0.9.1-jar-with-dependencies.jar --pages all \
pdfs/nypd-weekly-stats.pdf \
> results/tabula-java/nypd-weekly-stats.csv
java -jar \
bins/tabula-0.9.1-jar-with-dependencies.jar --pages all \
pdfs/menlo-park-sunridge-cad-interface.pdf \
> results/tabula-java/menlo-park-sunridge-cad-interface.csv