resume-form-filler

根据简历自动填写 DOCX 表单。核心原则：不删字段，缺失留白。

工作流程

第 1 步：读取简历

支持两种格式，自动识别：

• PDF：pdfplumber 提取全文字符串
• DOCX：zipfile + 正则提取 <w:t> 文本

# 简历文本提取
import pdfplumber

with pdfplumber.open("简历.pdf") as pdf:
    resume_text = "\n".join(p.extract_text() for p in pdf.pages)

第 2 步：解析结构化字段

用正则规则从简历文本中提取关键字段，存入 dict：

> 重要规则：简历中未出现的字段（如籍贯、身份证号、推荐人等），一律留空白，不推断、不猜测。

第 3 步：询问用户关键决策

在填写前，必须主动询问以下问题：

① 工作经历的选择（必问）

如果简历有多段工作经历，而表单模板只有 1 个工作经历区块，必须询问用户填写哪一段：

发现简历中有 N 段工作经历：
  1. [公司名A] [时间]
  2. [公司名B] [时间]
  3. [公司名C] [时间]
请告诉我要填哪一段（填序号，如"2"）

如果表单有多个工作经历区块（如 3 行），则按时间倒序填入前 3 段，不足则留空。

② 工作职责 / 相关业绩（来自简历）

如果简历中提取到了工作职责和业绩数据，自动填入对应字段，无需询问。

第 4 步：填写 DOCX 表单

4.1 解包模板

使用 docx skill 的 unpack.py 脚本：

python <docx_unpack_path> <模板.docx> <解包目录> --overwrite

4.2 编辑 document.xml

通过字符串替换在空白单元格中插入 <w:r> 元素：

def fill_field(content, label, value):
    """
    找到 <w:t>label</w:t> 标签，
    在其后紧邻的空白单元格中插入：
    <w:r><w:rPr>...</w:rPr><w:t>value</w:t></w:r>
    """
    # 1. 定位 label 标签
    label_tag = f'<w:t>{label}</w:t>'
    pos = content.find(label_tag)
    # 2. 找该单元格末尾和下一个值单元格
    tc_end = content.find('</w:tc>', pos)
    val_tc = content.find('<w:tc>', tc_end)
    # 3. 在 </w:pPr> 后插入 run
    ...

格式要求：字体 仿宋_GB2312，颜色 000000，无字间距调整。

4.3 填写教育经历（表格多行）

教育经历通常是合并单元格表格，结构为：

[教育经历 vMerge] | [起止时间] | [毕业院校] | [系及专业] | [学历学位]
                  |   (行1)    |   (行1)    |   (行1)    |   (行1)
                  |   (行2)    |   (行2)    |   (行2)    |   (行2)
                  |   (行3)    |   (行3)    |   (行3)    |   (行3)

遍历每一行数据，按列填入对应单元格。

4.4 填写工作经历

通过 工作单位</w:t> 标签定位，找到紧邻的值单元格后依次填入：
工作单位 → 起止时间（取第二个"起止时间"）→ 岗位 → 工作职责 → 相关业绩

第 5 步：打包输出

python <docx_pack_path> <解包目录> <输出.docx> --original <模板.docx>

输出文件名规范：{原名-填表人-填表岗位}.docx

字段匹配策略

表单字段名 → 简历内容映射

表单有、简历无的字段

直接留空，不做任何推断。这是最重要的一条原则。

例外：如果简历提供了原始 PDF，AI 可以看到格式化的段落文字（如用"⚫"或"●"列举的职责），直接复制对应内容填入。

错误处理

• 模板找不到对应 label 标签 → 跳过该字段，打印 [SKIP]
• 单元格已有内容 → 跳过，避免覆盖
• 打包失败 → 尝试手动 zipfile.ZipFile 打包

踩坑经验

• 教育经历表格的 起止时间/毕业院校/系及专业/学历学位 是数据行，不是表头行；表头行的标签文字在 <w:t> 中，不要混淆
• 工作经历的 起止时间 有两个（一个在教育表头，一个在工作表头），定位时必须找第二个才能正确填入工作经历区块
• 模板里可能有合并单元格（w:vMerge），跳过合并格的第一个值（实际显示的是合并源）
• 打包时必须加 --original 参数，否则样式丢失
• DOCX XML 中的 <w:t> 标签可能带属性（如 <w:t xml:space="preserve">），匹配时用 re.search(r'<w:t[^>]*>')
• XLSX 表单 / openpyxl 合并单元格写入：合并区域内除左上角"主单元格"外，其余均为 MergedCell 对象，直接赋值会报 AttributeError: 'MergedCell' object attribute 'value' is read-only。必须先遍历 ws.merged_cells.ranges 确认每个字段合并区域的 min_row/min_col，只向左上角坐标写入。建议在填写前专门写一个 inspect 脚本打印所有关键行的合并结构，再据此硬编码坐标。