文字挖掘MS Word文檔？

-2

我有大約30的.docx文檔（簡歷）有關人的名字，技能等數據。我需要使用這些信息填充電子表格，並且爲了減少手動工作，我認爲我可以使用文本挖掘方法。文字挖掘MS Word文檔？

是否有任何工具或途徑，將是有益的採礦（排序的半結構化）從這些文件中的信息？

2012-04-27 dani

你可以到文件的內容與工具，如[蟒蛇-的docx（https://github.com/mikemaccana/python-docx）。獲取名字，技能等是困難的（假設他們不遵循相同的格式）。你可以嘗試手動編寫一些規則，但是如果你希望這樣做更健壯，那裏有商業工具[就像這樣]（http://www.daxtra.com/parsing.html）... – Dougal 2012-04-27 18:20:18

最好的我可以拿出來使用Perl，因爲我知道你可以使用Perl模塊pull from word documents（儘管它本身可能會很棘手）和populate xml spreadsheets。

我沒有寫在憤怒的Perl在很長一段時間，所以我不能提供的如何做到這一點的例子，但如果我把東西在一起，要做到這一點，我會推薦perl的。我相信有人會說python中有相當的函數，甚至可能在Ruby中，但是perl是我用過的，我發現它對於操作/匹配/解析/處理文本非常有效。

來源

2012-04-27 18:22:48 ebullient

您可以嘗試使用catdochttp://www.wagner.pp.ru/~vitus/software/catdoc/工具，該工具將從MS Word文件中提取文本內容，然後再進行所需的任何文本處理。我可能只是在grep的簡歷中存在對應於catdoc輸出的某些單詞。沒有必要過度設計解決方案。

來源

2012-05-08 05:14:00 Idr

文字挖掘MS Word文檔？

回答

相關問題