如何在python中从简历中提取姓名

Question

我正在尝试提取简历的人名。我没有得到正确的输出。到目前为止我所做的是。

import en_core_web_sm
import spacy
import pdfplumber
nlp = en_core_web_sm.load()

nlp = spacy.load("en_core_web_sm")
pdf = pdfplumber.open('C:/Person.pdf')
page = pdf.pages[0]
doc = nlp(page.extract_text())
print([(X.text, X.label_) for X in doc.ents if X.label_ == 'PERSON'])

我的输出是：

[('Mohamme mohammed24@yahoo.com\n', 'PERSON'), ('Mangalore', 'PERSON'), ('Demo Design1', 'PERSON'), ('Demo Design2', 'PERSON'), ('Demo Design3', 'PERSON'), ('Java', 'PERSON')]

我尝试了很多东西，但无法获得唯一的名字。它包括许多东西，如技能、电子邮件等。

如何从简历示例技能、电话号码、姓名、工作年限、电子邮件中提取所有详细信息。

Answer 1

使用 spacy 提取名字和姓氏

我们首先定义了要在文本中搜索的模式。在这里，我们基于一个人的名字和姓氏始终是专有名词这一事实创建了一个简单的模式。因此，我们指定了 spacy 来搜索一个模式，使得两个连续词的词性标记等于 PROPN（专有名词）。

import spacy
from spacy.matcher import Matcher

# load pre-trained model
nlp = spacy.load('en_core_web_sm')

# initialize matcher with a vocab
matcher = Matcher(nlp.vocab)

def extract_name(resume_text):
    nlp_text = nlp(resume_text)
    
    # First name and Last name are always Proper Nouns
    pattern = [{'POS': 'PROPN'}, {'POS': 'PROPN'}]
    
    matcher.add('NAME', None, [pattern])
    
    matches = matcher(nlp_text)
    
    for match_id, start, end in matches:
        span = nlp_text[start:end]
        return span.text