[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-OmkarPathak--pyresparser":3,"tool-OmkarPathak--pyresparser":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":80,"owner_email":81,"owner_twitter":82,"owner_website":83,"owner_url":84,"languages":85,"stars":90,"forks":91,"last_commit_at":92,"license":93,"difficulty_score":23,"env_os":94,"env_gpu":95,"env_ram":95,"env_deps":96,"category_tags":102,"github_topics":103,"view_count":117,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":118,"updated_at":119,"faqs":120,"releases":146},161,"OmkarPathak\u002Fpyresparser","pyresparser","A simple resume parser used for extracting information from resumes","pyresparser 是一个轻量级的开源简历解析工具，能自动从 PDF 或 DOCX 格式的简历中提取关键信息，如姓名、邮箱、电话、技能、工作经验、学历、职位和公司名称等。它解决了人工筛选简历耗时费力的问题，帮助用户快速结构化地获取候选人信息，提升招聘或人才管理效率。\n\n该工具主要面向开发者、HR 技术团队或研究人员，尤其适合需要批量处理简历并集成到自有系统中的场景。使用时只需几行 Python 代码，或通过命令行直接调用，上手简单。\n\n技术上，pyresparser 基于 spaCy 和 NLTK 等自然语言处理库，结合规则与关键词匹配实现信息抽取，并支持自定义技能词表和手机号正则表达式，具备一定灵活性。虽然功能聚焦，但在常见简历格式下表现稳定，是构建智能招聘流程的一个实用组件。","# pyresparser\n\n```\nA simple resume parser used for extracting information from resumes\n```\n\nBuilt with ❤︎ and :coffee: by  [Omkar Pathak](https:\u002F\u002Fgithub.com\u002FOmkarPathak)\n\n---\n\n[![GitHub stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002FOmkarPathak\u002Fpyresparser.svg)](https:\u002F\u002Fgithub.com\u002FOmkarPathak\u002Fpyresparser\u002Fstargazers)\n[![PyPI](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fpyresparser.svg)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fpyresparser\u002F)\n[![Downloads](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOmkarPathak_pyresparser_readme_ccda9f4b618f.png)](https:\u002F\u002Fpepy.tech\u002Fproject\u002Fpyresparser)\n[![GitHub](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fomkarpathak\u002Fpyresparser.svg)](https:\u002F\u002Fgithub.com\u002FOmkarPathak\u002Fpyresparser\u002Fblob\u002Fmaster\u002FLICENSE) ![PyPI - Python Version](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fpyversions\u002FDjango.svg) [![Say Thanks!](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSay%20Thanks-:D-1EAEDB.svg)](https:\u002F\u002Fsaythanks.io\u002Fto\u002Fomkarpathak27@gmail.com)\n[![Build Status](https:\u002F\u002Ftravis-ci.com\u002FOmkarPathak\u002Fpyresparser.svg?branch=master)](https:\u002F\u002Ftravis-ci.com\u002FOmkarPathak\u002Fpyresparser)\n[![codecov](https:\u002F\u002Fcodecov.io\u002Fgh\u002FOmkarPathak\u002Fpyresparser\u002Fbranch\u002Fmaster\u002Fgraph\u002Fbadge.svg)](https:\u002F\u002Fcodecov.io\u002Fgh\u002FOmkarPathak\u002Fpyresparser)\n\n# Features\n\n- Extract name\n- Extract email\n- Extract mobile numbers\n- Extract skills\n- Extract total experience\n- Extract college name\n- Extract degree\n- Extract designation\n- Extract company names\n\n# Installation\n\n- You can install this package using\n\n```bash\npip install pyresparser\n```\n\n- For NLP operations we use spacy and nltk. Install them using below commands:\n\n```bash\n# spaCy\npython -m spacy download en_core_web_sm\n\n# nltk\npython -m nltk.downloader words\npython -m nltk.downloader stopwords\n```\n\n# Documentation\n\nOfficial documentation is available at: https:\u002F\u002Fwww.omkarpathak.in\u002Fpyresparser\u002F\n\n# Supported File Formats\n\n- PDF and DOCx files are supported on all Operating Systems\n- If you want to extract DOC files you can install [textract](https:\u002F\u002Ftextract.readthedocs.io\u002Fen\u002Fstable\u002Finstallation.html) for your OS (Linux, MacOS)\n- Note: You just have to install textract (and nothing else) and doc files will get parsed easily\n\n# Usage\n\n- Import it in your Python project\n\n```python\nfrom pyresparser import ResumeParser\ndata = ResumeParser('\u002Fpath\u002Fto\u002Fresume\u002Ffile').get_extracted_data()\n```\n\n# CLI\n\nFor running the resume extractor you can also use the `cli` provided\n\n```bash\nusage: pyresparser [-h] [-f FILE] [-d DIRECTORY] [-r REMOTEFILE]\n                   [-re CUSTOM_REGEX] [-sf SKILLSFILE] [-e EXPORT_FORMAT]\n\noptional arguments:\n  -h, --help            show this help message and exit\n  -f FILE, --file FILE  resume file to be extracted\n  -d DIRECTORY, --directory DIRECTORY\n                        directory containing all the resumes to be extracted\n  -r REMOTEFILE, --remotefile REMOTEFILE\n                        remote path for resume file to be extracted\n  -re CUSTOM_REGEX, --custom-regex CUSTOM_REGEX\n                        custom regex for parsing mobile numbers\n  -sf SKILLSFILE, --skillsfile SKILLSFILE\n                        custom skills CSV file against which skills are\n                        searched for\n  -e EXPORT_FORMAT, --export-format EXPORT_FORMAT\n                        the information export format (json)\n```\n\n# Notes:\n\n- If you are running the app on windows, then you can only extract .docs and .pdf files\n\n# Result\n\nThe module would return a list of dictionary objects with result as follows:\n\n```\n[\n  {\n    'college_name': ['Marathwada Mitra Mandal’s College of Engineering'],\n    'company_names': None,\n    'degree': ['B.E. IN COMPUTER ENGINEERING'],\n    'designation': ['Manager',\n                    'TECHNICAL CONTENT WRITER',\n                    'DATA ENGINEER'],\n    'email': 'omkarpathak27@gmail.com',\n    'mobile_number': '8087996634',\n    'name': 'Omkar Pathak',\n    'no_of_pages': 3,\n    'skills': ['Operating systems',\n              'Linux',\n              'Github',\n              'Testing',\n              'Content',\n              'Automation',\n              'Python',\n              'Css',\n              'Website',\n              'Django',\n              'Opencv',\n              'Programming',\n              'C',\n              ...],\n    'total_experience': 1.83\n  }\n]\n```\n\n# References that helped me get here\n\n- Some of the core concepts behind the algorithm have been taken from [https:\u002F\u002Fgithub.com\u002Fdivapriya\u002FLanguage_Processing](https:\u002F\u002Fgithub.com\u002Fdivapriya\u002FLanguage_Processing) which has been summed up in this blog [https:\u002F\u002Fmedium.com\u002F@divalicious.priya\u002Finformation-extraction-from-cv-acec216c3f48](https:\u002F\u002Fmedium.com\u002F@divalicious.priya\u002Finformation-extraction-from-cv-acec216c3f48). Thanks to Priya for sharing this concept\n\n- [https:\u002F\u002Fwww.kaggle.com\u002Fnirant\u002Fhitchhiker-s-guide-to-nlp-in-spacy](https:\u002F\u002Fwww.kaggle.com\u002Fnirant\u002Fhitchhiker-s-guide-to-nlp-in-spacy)\n\n- [https:\u002F\u002Fwww.analyticsvidhya.com\u002Fblog\u002F2017\u002F04\u002Fnatural-language-processing-made-easy-using-spacy-%E2%80%8Bin-python\u002F](https:\u002F\u002Fwww.analyticsvidhya.com\u002Fblog\u002F2017\u002F04\u002Fnatural-language-processing-made-easy-using-spacy-%E2%80%8Bin-python\u002F)\n\n- **Special thanks** to dataturks for their [annotated dataset](https:\u002F\u002Fdataturks.com\u002Fblog\u002Fnamed-entity-recognition-in-resumes.php)\n\n# Donation\n\nIf you have found my softwares to be of any use to you, do consider helping me pay my internet bills. This would encourage me to create many such softwares :smile:\n\n| PayPal | \u003Ca href=\"https:\u002F\u002Fpaypal.me\u002Fomkarpathak27\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOmkarPathak_pyresparser_readme_060d98f0734d.jpg\" alt=\"Donate via PayPal!\" title=\"Donate via PayPal!\" \u002F>\u003C\u002Fa> |\n|:-------------------------------------------:|:-------------------------------------------------------------:|\n| ₹ (INR)  | \u003Ca href=\"https:\u002F\u002Fwww.instamojo.com\u002F@omkarpathak27\u002F\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Fwww.soldermall.com\u002Fimages\u002Fpic-online-payment.jpg\" alt=\"Donate via Instamojo\" title=\"Donate via instamojo\" \u002F>\u003C\u002Fa> |\n\n# Stargazer over time\n[![Stargazers over time](https:\u002F\u002Fstarchart.cc\u002FOmkarPathak\u002Fpyresparser.svg)](https:\u002F\u002Fstarchart.cc\u002FOmkarPathak\u002Fpyresparser)\n","# pyresparser\n\n```\n一个用于从简历中提取信息的简单简历解析器\n```\n\n由 [Omkar Pathak](https:\u002F\u002Fgithub.com\u002FOmkarPathak) 用 ❤︎ 和 :coffee: 构建\n\n---\n\n[![GitHub stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002FOmkarPathak\u002Fpyresparser.svg)](https:\u002F\u002Fgithub.com\u002FOmkarPathak\u002Fpyresparser\u002Fstargazers)\n[![PyPI](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Fpyresparser.svg)](https:\u002F\u002Fpypi.org\u002Fproject\u002Fpyresparser\u002F)\n[![Downloads](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOmkarPathak_pyresparser_readme_ccda9f4b618f.png)](https:\u002F\u002Fpepy.tech\u002Fproject\u002Fpyresparser)\n[![GitHub](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fomkarpathak\u002Fpyresparser.svg)](https:\u002F\u002Fgithub.com\u002FOmkarPathak\u002Fpyresparser\u002Fblob\u002Fmaster\u002FLICENSE) ![PyPI - Python Version](https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fpyversions\u002FDjango.svg) [![Say Thanks!](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSay%20Thanks-:D-1EAEDB.svg)](https:\u002F\u002Fsaythanks.io\u002Fto\u002Fomkarpathak27@gmail.com)\n[![Build Status](https:\u002F\u002Ftravis-ci.com\u002FOmkarPathak\u002Fpyresparser.svg?branch=master)](https:\u002F\u002Ftravis-ci.com\u002FOmkarPathak\u002Fpyresparser)\n[![codecov](https:\u002F\u002Fcodecov.io\u002Fgh\u002FOmkarPathak\u002Fpyresparser\u002Fbranch\u002Fmaster\u002Fgraph\u002Fbadge.svg)](https:\u002F\u002Fcodecov.io\u002Fgh\u002FOmkarPathak\u002Fpyresparser)\n\n# 功能特性\n\n- 提取姓名\n- 提取邮箱\n- 提取手机号码\n- 提取技能（skills）\n- 提取总工作经验（total experience）\n- 提取大学名称（college name）\n- 提取学位（degree）\n- 提取职位（designation）\n- 提取公司名称（company names）\n\n# 安装\n\n- 你可以使用以下命令安装本包：\n\n```bash\npip install pyresparser\n```\n\n- 对于 NLP（自然语言处理，Natural Language Processing）操作，我们使用了 spacy 和 nltk。请使用以下命令安装它们：\n\n```bash\n# spaCy\npython -m spacy download en_core_web_sm\n\n# nltk\npython -m nltk.downloader words\npython -m nltk.downloader stopwords\n```\n\n# 文档\n\n官方文档地址：https:\u002F\u002Fwww.omkarpathak.in\u002Fpyresparser\u002F\n\n# 支持的文件格式\n\n- 所有操作系统均支持 PDF 和 DOCx 文件\n- 如果你想解析 DOC 文件，可以在你的操作系统（Linux、MacOS）上安装 [textract](https:\u002F\u002Ftextract.readthedocs.io\u002Fen\u002Fstable\u002Finstallation.html)\n- 注意：你只需安装 textract（无需其他依赖），DOC 文件即可被轻松解析\n\n# 使用方法\n\n- 在你的 Python 项目中导入：\n\n```python\nfrom pyresparser import ResumeParser\ndata = ResumeParser('\u002Fpath\u002Fto\u002Fresume\u002Ffile').get_extracted_data()\n```\n\n# 命令行接口（CLI）\n\n你也可以使用提供的 `cli` 来运行简历提取器：\n\n```bash\nusage: pyresparser [-h] [-f FILE] [-d DIRECTORY] [-r REMOTEFILE]\n                   [-re CUSTOM_REGEX] [-sf SKILLSFILE] [-e EXPORT_FORMAT]\n\n可选参数:\n  -h, --help            显示此帮助信息并退出\n  -f FILE, --file FILE  要提取的简历文件\n  -d DIRECTORY, --directory DIRECTORY\n                        包含所有待提取简历的目录\n  -r REMOTEFILE, --remotefile REMOTEFILE\n                        要提取的简历文件的远程路径\n  -re CUSTOM_REGEX, --custom-regex CUSTOM_REGEX\n                        用于解析手机号码的自定义正则表达式\n  -sf SKILLSFILE, --skillsfile SKILLSFILE\n                        用于匹配技能的自定义技能 CSV 文件\n  -e EXPORT_FORMAT, --export-format EXPORT_FORMAT\n                        信息导出格式（json）\n```\n\n# 注意事项：\n\n- 如果你在 Windows 上运行本程序，则只能解析 .doc 和 .pdf 文件\n\n# 结果\n\n该模块将返回一个包含字典对象的列表，结果如下所示：\n\n```\n[\n  {\n    'college_name': ['Marathwada Mitra Mandal’s College of Engineering'],\n    'company_names': None,\n    'degree': ['B.E. IN COMPUTER ENGINEERING'],\n    'designation': ['Manager',\n                    'TECHNICAL CONTENT WRITER',\n                    'DATA ENGINEER'],\n    'email': 'omkarpathak27@gmail.com',\n    'mobile_number': '8087996634',\n    'name': 'Omkar Pathak',\n    'no_of_pages': 3,\n    'skills': ['Operating systems',\n              'Linux',\n              'Github',\n              'Testing',\n              'Content',\n              'Automation',\n              'Python',\n              'Css',\n              'Website',\n              'Django',\n              'Opencv',\n              'Programming',\n              'C',\n              ...],\n    'total_experience': 1.83\n  }\n]\n```\n\n# 参考资料\n\n- 算法的一些核心概念借鉴自 [https:\u002F\u002Fgithub.com\u002Fdivapriya\u002FLanguage_Processing](https:\u002F\u002Fgithub.com\u002Fdivapriya\u002FLanguage_Processing)，并在该博客中进行了总结：[https:\u002F\u002Fmedium.com\u002F@divalicious.priya\u002Finformation-extraction-from-cv-acec216c3f48](https:\u002F\u002Fmedium.com\u002F@divalicious.priya\u002Finformation-extraction-from-cv-acec216c3f48)。感谢 Priya 分享这一思路。\n\n- [https:\u002F\u002Fwww.kaggle.com\u002Fnirant\u002Fhitchhiker-s-guide-to-nlp-in-spacy](https:\u002F\u002Fwww.kaggle.com\u002Fnirant\u002Fhitchhiker-s-guide-to-nlp-in-spacy)\n\n- [https:\u002F\u002Fwww.analyticsvidhya.com\u002Fblog\u002F2017\u002F04\u002Fnatural-language-processing-made-easy-using-spacy-%E2%80%8Bin-python\u002F](https:\u002F\u002Fwww.analyticsvidhya.com\u002Fblog\u002F2017\u002F04\u002Fnatural-language-processing-made-easy-using-spacy-%E2%80%8Bin-python\u002F)\n\n- **特别感谢** dataturks 提供的[标注数据集](https:\u002F\u002Fdataturks.com\u002Fblog\u002Fnamed-entity-recognition-in-resumes.php)\n\n# 捐赠\n\n如果你觉得我的软件对你有所帮助，请考虑帮我支付一下网络账单。这将鼓励我开发更多类似的软件 :smile:\n\n| PayPal | \u003Ca href=\"https:\u002F\u002Fpaypal.me\u002Fomkarpathak27\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOmkarPathak_pyresparser_readme_060d98f0734d.jpg\" alt=\"通过 PayPal 捐赠！\" title=\"通过 PayPal 捐赠！\" \u002F>\u003C\u002Fa> |\n|:-------------------------------------------:|:-------------------------------------------------------------:|\n| ₹ (INR)  | \u003Ca href=\"https:\u002F\u002Fwww.instamojo.com\u002F@omkarpathak27\u002F\" target=\"_blank\">\u003Cimg src=\"https:\u002F\u002Fwww.soldermall.com\u002Fimages\u002Fpic-online-payment.jpg\" alt=\"通过 Instamojo 捐赠\" title=\"通过 instamojo 捐赠\" \u002F>\u003C\u002Fa> |\n\n# Star 数量随时间变化\n[![Stargazers over time](https:\u002F\u002Fstarchart.cc\u002FOmkarPathak\u002Fpyresparser.svg)](https:\u002F\u002Fstarchart.cc\u002FOmkarPathak\u002Fpyresparser)","# pyresparser 快速上手指南\n\n## 环境准备\n\n- **操作系统**：支持 Windows、Linux 和 macOS  \n  > 注意：Windows 下仅支持 `.pdf` 和 `.docx` 文件；如需解析 `.doc` 文件，需额外安装 `textract`\n- **Python 版本**：建议使用 Python 3.6+\n- **依赖库**：底层依赖 `spaCy` 和 `nltk` 进行自然语言处理\n\n## 安装步骤\n\n1. 安装主包（推荐使用国内镜像加速）：\n```bash\npip install pyresparser -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n2. 安装 spaCy 英文语言模型：\n```bash\npython -m spacy download en_core_web_sm\n```\n\n3. 安装 NLTK 所需数据：\n```bash\npython -m nltk.downloader words\npython -m nltk.downloader stopwords\n```\n\n> 如需解析 `.doc` 文件，请根据操作系统安装 [textract](https:\u002F\u002Ftextract.readthedocs.io\u002Fen\u002Fstable\u002Finstallation.html)\n\n## 基本使用\n\n在 Python 脚本中导入并解析简历文件：\n\n```python\nfrom pyresparser import ResumeParser\ndata = ResumeParser('\u002Fpath\u002Fto\u002Fresume\u002Ffile.pdf').get_extracted_data()\nprint(data)\n```\n\n支持的文件格式：`.pdf`、`.docx`（全平台），`.doc`（需安装 textract）\n\n返回结果为字典，包含姓名、邮箱、电话、技能、工作经验、学历等字段。","某中小型科技公司HR团队每月需处理上百份来自不同渠道的简历，用于初筛前端开发岗位候选人。\n\n### 没有 pyresparser 时\n- HR需手动打开每份PDF或Word简历，逐字查找姓名、邮箱、技能等关键信息，耗时且易遗漏。\n- 技术岗简历中技能关键词分散在项目经历、工作描述中，人工识别效率低，容易忽略匹配项。\n- 不同格式（如.doc与.pdf）简历解析方式不一，部分老旧.doc文件甚至无法正常读取内容。\n- 初筛结果难以结构化存储，后续无法快速按“React经验”“3年以上”等条件批量筛选。\n- 新入职HR培训成本高，需熟悉各类简历排版风格才能准确提取信息。\n\n### 使用 pyresparser 后\n- 通过一行Python代码即可自动从PDF\u002FDOCx文件中精准提取姓名、邮箱、手机号、技能、学历等字段，10秒内完成单份解析。\n- 内置NLP模型能智能识别并归集分散在全文中的技术关键词（如JavaScript、Vue、Webpack），形成标准化技能列表。\n- 统一支持主流简历格式，无需关心原始文件类型，大幅降低兼容性问题。\n- 解析结果为结构化JSON数据，可直接导入数据库或Excel，实现按技能、经验年限等维度高效筛选。\n- 新HR只需运行CLI命令或简单脚本，即可批量处理整目录简历，上手门槛极低。\n\npyresparser 将原本繁琐的人工简历筛查转化为自动化、结构化的数据处理流程，显著提升招聘初筛效率与准确性。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FOmkarPathak_pyresparser_0879f51e.png","OmkarPathak","Omkar Pathak","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FOmkarPathak_fb8bec23.jpg","Open-Sourcerer, Artistic. Focuses on SaaS platforms. Makes Python apps, CLI tools, Python packages. Likes Naruto and Shinchan.",null,"Pune, Maharashtra, India","omkarpathak27@gmail.com","omkarpathak27","https:\u002F\u002Fwww.omkarpathak.in","https:\u002F\u002Fgithub.com\u002FOmkarPathak",[86],{"name":87,"color":88,"percentage":89},"Python","#3572A5",100,951,447,"2026-04-04T12:32:48","GPL-3.0","Linux, macOS, Windows","未说明",{"notes":97,"python":95,"dependencies":98},"支持 PDF 和 DOCx 文件；在 Windows 上仅支持 .doc 和 .pdf 文件；需手动下载 spaCy 的 en_core_web_sm 模型及 NLTK 的 words 和 stopwords 数据包；若需解析 DOC 文件，在 Linux 或 macOS 上需额外安装 textract。",[99,100,101],"spacy","nltk","textract",[26,13,51],[104,105,106,107,108,109,110,111,112,113,114,115,116,67],"resume-parser","resume","python","python3","nlp","parser","machine-learning","natural-language-processing","resumes","parsers","skills","extracting-data","extract",4,"2026-03-27T02:49:30.150509","2026-04-06T05:16:42.044881",[121,126,131,136,141],{"id":122,"question_zh":123,"answer_zh":124,"source_url":125},320,"运行 pyresparser 时出现 OSError: [E053] 无法读取 config.cfg 文件，如何解决？","这是由于 spaCy 版本与模型不兼容导致的。建议使用以下命令安装兼容版本：\n```\npip install nltk\npip install spacy==2.3.5\npip install https:\u002F\u002Fgithub.com\u002Fexplosion\u002Fspacy-models\u002Freleases\u002Fdownload\u002Fen_core_web_sm-2.3.1\u002Fen_core_web_sm-2.3.1.tar.gz\npip install pyresparser\n```\n确保不要使用过高版本的 spaCy（如 3.x），因为 pyresparser 当前依赖的是 spaCy 2.x 系列。","https:\u002F\u002Fgithub.com\u002FOmkarPathak\u002Fpyresparser\u002Fissues\u002F46",{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},321,"解析简历时遇到 UnicodeDecodeError: 'utf-8' codec can't decode byte 错误怎么办？","该错误通常由 spaCy 模型文件损坏或版本不匹配引起，尤其是在自定义 NER 模型加载时发生。虽然 issue 中未提供明确解决方案，但建议：1）确保使用官方发布的 en_core_web_sm 模型；2）避免手动修改模型文件；3）使用与 pyresparser 兼容的 spaCy 2.3.x 版本。若问题持续，可尝试重新安装 spaCy 及其模型。","https:\u002F\u002Fgithub.com\u002FOmkarPathak\u002Fpyresparser\u002Fissues\u002F32",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},322,"在 Ubuntu 上安装 pyresparser 后，执行 pyresparser 命令提示“command not found”怎么办？","这通常是因为系统 PATH 未包含 pip 安装的脚本目录。可以尝试以下方法之一：1）使用 python -m pyresparser 替代直接调用命令；2）确认是否使用了正确的 Python 环境（如虚拟环境）；3）将 ~\u002F.local\u002Fbin（或对应用户安装路径）添加到 PATH 环境变量中。此外，确保通过 pip3 安装以匹配 Python 3 环境。","https:\u002F\u002Fgithub.com\u002FOmkarPathak\u002Fpyresparser\u002Fissues\u002F2",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},323,"安装后运行 pyresparser 报错“Error with loading en_core_web_sm with Spacy”，如何处理？","请确保正确安装了英文语言模型 en_core_web_sm。执行以下命令：\n```\npython -m spacy download en_core_web_sm\n```\n注意：必须使用与 pyresparser 兼容的 spaCy 版本（推荐 2.3.5），高版本 spaCy（如 3.x）可能导致模型加载失败。同时，避免混合使用 pip 和 pip3，确保所有包安装在同一 Python 环境中。","https:\u002F\u002Fgithub.com\u002FOmkarPathak\u002Fpyresparser\u002Fissues\u002F3",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},324,"如何为 pyresparser 贡献文档或查看使用说明？","项目鼓励通过 MkDocs 构建文档并托管在 Read the Docs 或 GitHub Pages 上。贡献者可按以下步骤操作：1）安装 MkDocs；2）创建文档项目；3）编写文档内容；4）在 Read the Docs 上关联仓库并构建。目前官方文档尚未完善，建议参考 GitHub README 和示例代码了解基本用法。","https:\u002F\u002Fgithub.com\u002FOmkarPathak\u002Fpyresparser\u002Fissues\u002F10",[147,152],{"id":148,"version":149,"summary_zh":150,"released_at":151},100026,"v1.0.6","## What is available in 1.0.6\r\n\r\n- Exporting data in JSON\r\n- More robust phone number parsing (earlier it was only for Indian numbers, now internationals are supported as well)\r\n- Custom regex option for parsing phone numbers\r\n- Added banner for CLI\r\n- .doc parsing bug resolved\r\n- Tests are made available for better code coverage","2019-12-15T03:28:02",{"id":153,"version":154,"summary_zh":155,"released_at":156},100027,"v1.0.5","- Following entities are extracted from most of the resumes without any error\r\n\r\n```\r\n[\r\n  {\r\n    'college_name': [...],\r\n    'company_names': [...],\r\n    'degree': [...],\r\n    'designation': [...],\r\n    'email': '',\r\n    'mobile_number': '',\r\n    'name': '',\r\n    'no_of_pages': '',\r\n    'skills': [...],\r\n    'total_experience': ''\r\n  }\r\n]\r\n```\r\n\r\n- More rigorous exception handling\r\n- Added skills file functionality against which skills are matched from a particular resume","2019-10-03T14:08:05"]