公众号后台回复“图书“，了解更多号主新书内容

作者：阿豪

来源：数据分析与统计学之美

今天为大家分享一个真实的案例。

今天接到人力资源部同事的需求，想把他人投递的PDF简历资料里的关键信息数据，提取到excel表中汇总。

目标资料背景：是由求职者自行编制的简历材料，投递到人力资源部。由于其数据格式的不确定，对数据信息的采集带来了一定困难。

我的解答思路是：先从PDF文档中抓取文字信息保存到word文档中，然后再从word文档中读取文字信息保存到excel中。

1. 将PDF文档中的文字读取到word中

import pdfplumber
from docx import Documentwith pdfplumber.open('1_5的简历1632532336.pdf') as rpdf:first_page = rpdf.pages[0]print(first_page.extract_text())doc = Document()
rpdfword = first_page.extract_text()pages = doc.add_paragraph(rpdfword)doc.save('测试2.docx')

结果如下：

2. 将word中读到的文字输入到excel中

#导入所需库
from docx import Document
import xlwings as xw#写数据
def excel_write(a,path,sheetname,write_cols,write_rows):app=xw.App(visible=False,add_book=False)app.display_alerts=Falseapp.screen_updating=Falsewb=app.books.open(path)sht=wb.sheets[sheetname]weizhi = []try:i = 0while i!=len(write_cols):j = 0while j!=len(write_rows):weizhi.append(write_cols[i]+str(write_rows[j]))j+=1i+=1k=0while k!=len(a):sht.range(weizhi[k]).value=a[k].textprint(weizhi[k])k+=1finally:wb.save()wb.close()app.kill()if __name__ == "__main__":#打开word文档document = Document(u"测试2.docx")#获取所有段落all_paragraphs = document.paragraphs    print(len(all_paragraphs))excel_path =r'报名人员信息统计表（模板）.xls'SheetName = r'Sheet1'wcols = ['c','d','i','h','e','f','j','L']#新读取一个简历要换一行wrow = [3]excel_write(all_paragraphs,excel_path,SheetName,wcols,wrow)

结果如下：

在读取word中文字时，需要注意调配相应关键信息字符信息，必要时可以删除非关键信息。

◆ ◆ ◆  ◆ ◆
麟哥新书已经在当当上架了，我写了本书：《拿下Offer-数据分析师求职面试指南》，目前当当正在举行活动，大家可以用相当于原价5折的预购价格购买，还是非常划算的：

数据森麟公众号的交流群已经建立，许多小伙伴已经加入其中，感谢大家的支持。大家可以在群里交流关于数据分析&数据挖掘的相关内容，还没有加入的小伙伴可以扫描下方管理员二维码，进群前一定要关注公众号奥，关注后让管理员帮忙拉进群，期待大家的加入。管理员二维码：猜你喜欢● 卧槽！原来爬取B站弹幕这么简单
● 厉害了！麟哥新书登顶京东销量排行榜！
● 笑死人不偿命的知乎沙雕问题排行榜● 用Python扒出B站那些“惊为天人”的阿婆主！
● 你相信逛B站也能学编程吗