手动标记 提取简历数据
config // 配置目录
template // 模板文件夹
job51.html // 模板文件
job51.json // 生成的规则
test // 测试文件夹
job51 // 前程无忧的测试文件目录
zhilian // 智联招聘的测试文件目录
resumeData.json // 测试提取出的数据
htmlParser.py // 解析主程序
README.md // 文档-
节点标识符(手动写入模板标签内 自定义属性 类似 data-v)：
-
yiren-obj='{"name":attrName, "reg":"", "replace":"", "reg":"", "replace":""}' // 对象节点 attrName是自定义属性名 可互相嵌套 => 如: 个人信息、工作经验、项目经验等主对象节点；'年龄'、'婚姻状况'等从属于'个人信息'的从对象节点；
-
yiren-obj='{"name":"breakpoint", "reg":"", "replace":"", "reg":"", "replace":""}' // 列表分割节点 固定使用"breakpoint"属性名 => 如： 工作经验有多个，此时需要标识从哪里作为分割点（注意：尽量放在与子节点不同的节点上）
-
-
节点标识例子：
<table yiren-obj='{"name":"summary", "reg":"最近工作", "replace":""}'>
<tbody>
<tr>
<td>最近工作（3个月）</td>
<tr yiren-obj='{"name":"jobtitle", "reg":"职 位", "replace":"职 位："}'>
<td>职 位：</td>
<td>算法工程师</td>
</tr>
</tr>
<tr yiren-obj='{"name":"company", "reg":"公 司", "replace":"公 司："}'>
<td>公 司：</td>
<td>智久机器人科技有限公司</td>
</tr>
</tbody>
</table>
{
"summary": { // 主节点 summary
"value": "\n\n\n\n\n\n\n\n ", // 主节点的文本值（有时会与其他主节点是同一路径，此时要根据文本值添加正则）
"reg": "最近工作", // 主节点的正则 此处包含“最近工作”内容的节点 就可认为是主节点
"path": "#divResume table.column tr td table.box2", // 主节点的路径
"replace": "" // 遍历时保持统一性用 没其他用处！
"jobtitle": { // 次节点 jobtitle
"value": "\n职 位：\n算法工程师\n", // 这是匹配到的文本值
"reg": "职 位", // 这是正则，文本值包含'职 位'的节点才是正确的岗位名称节点
"path": "tr td table tr td.tb2 table tbody tr tr", // 这是次节点路径（相对于主节点）
"replace": "职 位：" // 这是去除指定的文字，此处去除 '职 位：'
},
"company": {
"value": "\n公 司：\n智久机器人科技有限公司\n",
"reg": "公 司",
"path": "tr td table tr td.tb2 table tbody tr",
"replace": "公 司："
}
}
} <table yiren-obj='{"name":"projectexperience", "reg":"项目经验", "replace":""}'>
<tr>
<td class="plate1">项目经验</td>
</tr>
<tr>
<td>
<table yiren-obj='{"name":"breakpoint", "reg":"", "replace":""}'>
<tr>
<td yiren-obj='{"name":"time", "reg":"\\d{4}\/\\d{1}-", "replace":""}'>2016/9-2016/12</td>
<td><strong yiren-obj='{"name":"name", "reg":"", "replace":""}'>AGV叉车无人驾驶</strong></td>
</tr>
<tr>
<td>
<table>
<tbody>
<tr yiren-obj='{"name":"prodesc", "reg":"项目描述", "replace":""}'>
<td>项目描述：</td>
<td>结合惯导器件实现AGV叉车室内导航，按规定路径进行工作。</td>
</tr>
</tbody>
</table>
</td>
</tr>
</table>
</td>
</tr>
</table>
{
"projectexperience": {
"value": "\n\n项目经验\n\n\n\n\n\n\n\n\n2016/9-2016/12\n",
"reg": "项目经验",
"path": "#divInfo td table",
"replace": ""
"breakpoint": {
"value": "\n\n2016/9-2016/12\nAGV叉车无人驾驶\n\n\n\n",
"reg": "",
"path": "tr td.tbb table tr td.p15 table",
"replace": ""
"name": {
"value": "AGV叉车无人驾驶",
"reg": "",
"path": "tr td.rtbox strong",
"replace": ""
},
"time": {
"value": "2016/9-2016/12",
"reg": "\\d{4}\/\\d{1}-",
"path": "tr td",
"replace": ""
},
"prodesc": {
"value": "\n项目描述：\n结合惯导器件实现AGV叉车室内导航，按规定路径",
"reg": "项目描述",
"path": "tr td.tb1 table tbody tr",
"replace": ""
}
}
}
}=> 根据所需的数据结构结合模板的html结构进行标记，并适当添加正则及替换字（上面例子中的`reg`及`replace`字段）
=> 将标记后的模板html以渠道名的方式命名（liepin.html）并放入 './config/template'下
=> 在'./test'目录下新建以渠道名命名的目录，并放入测试文件
=> 使用VScode打开 htmlParser.py，修改最下方的 testFilePath 和 htmlType
例如新增猎聘渠道 liepin
testFilePath = './test/liepin/test.html'
htmlType = 'liepin'
=> 运行 htmlParser.py，打开'./test/resumeData.json'，查看提取结果