如何用Python处理文件：Word导出PDF & 如何用Python从Word中提取数据：以处理简历为例

诸神缄默不语-个人技术博文与视频目录

专栏网址：https://blog.csdn.net/polarisrisingwar/category%5F13089386.html
专栏文章目录：专栏《Python自动化办公的192个实例项目》目录

本篇是《Python自动化办公的192个实例项目》专栏内容，内容主要为使用Python将Word文档导出为PDF格式 & 从Word文档中提取数据（以处理简历为例）。
欢迎关注、评论、提问。

文章目录

• 1. 项目9：将Word文档导出为PDF文档
• • 准备环境
  • 复制即可运行的完整代码
  • 核心功能代码
• 2. 项目10：如何用Python从Word中提取数据：以处理简历为例
• • 准备环境
  • 准备测试数据
  • 复制即可运行的完整代码
  • 核心功能代码
  • • python-docx包
      • csv包
      • os包
      • re包（正则表达式）
      • Python对象处理
      • • 字符串处理
          * 容器对象处理

1. 项目9：将Word文档导出为PDF文档

准备环境

Python版本需要为3.8-3.14（pywin32的要求）
通过pip下载pywin32：

1pip install pywin32
2

复制即可运行的完整代码

1import os
2from win32com import client as wc
3
4def convert_word_to_pdf(word_path: str) -> str:
5    """
6    将单个Word文档(doc/docx)转换为PDF格式，并返回转换后的文件路径
7    
8    Args:
9        word_path (str): Word文件路径
10        
11    Returns:
12        str: 转换后的PDF文件路径
13        
14    Raises:
15        FileNotFoundError: 如果文件不存在
16        ValueError: 如果文件不是Word格式或路径无效
17        Exception: 转换过程中的其他错误
18    """
19    # 参数验证
20    if not word_path or not isinstance(word_path, str):
21        raise ValueError("文件路径不能为空且必须是字符串")
22    
23    # 检查文件是否存在
24    if not os.path.exists(word_path):
25        raise FileNotFoundError(f"文件不存在: {word_path}")
26    
27    # 检查文件扩展名
28    valid_extensions = ('.doc', '.docx')
29    if not word_path.lower().endswith(valid_extensions):
30        raise ValueError(f"文件不是Word格式(.doc/.docx): {word_path}")
31    
32    # 检查文件是否被占用（临时文件）
33    if os.path.basename(word_path).startswith('~'):
34        raise ValueError(f"文件可能是临时文件: {word_path}")
35    
36    # 检查文件大小（避免处理空文件或损坏文件）
37    file_size = os.path.getsize(word_path)
38    if file_size == 0:
39        raise ValueError(f"文件为空: {word_path}")
40    
41    word = None
42    doc = None
43    
44    try:
45        # 创建Word应用实例
46        word = wc.Dispatch("Word.Application")
47        word.Visible = False
48        
49        # 打开文档
50        doc = word.Documents.Open(word_path)
51        
52        # 生成新的PDF文件路径
53        base_path = os.path.splitext(word_path)[0]
54        new_path = base_path + ".pdf"
55        
56        # 处理文件名冲突
57        count = 0
58        while os.path.exists(new_path):
59            count += 1
60            new_path = f"{base_path}({count}).pdf"
61        
62        # 保存为PDF格式（17代表PDF格式）
63        doc.SaveAs(new_path, 17)
64        
65        # 验证转换后的文件
66        if not os.path.exists(new_path):
67            raise Exception("转换后的PDF文件未创建成功")
68        
69        # 检查转换后的文件大小
70        if os.path.getsize(new_path) == 0:
71            raise Exception("转换后的PDF文件为空")
72        
73        return new_path
74        
75    except Exception as e:
76        # 清理可能创建的部分文件
77        if 'new_path' in locals() and os.path.exists(new_path):
78            try:
79                os.remove(new_path)
80            except:
81                pass
82        raise e
83        
84    finally:
85        # 确保资源被正确释放
86        try:
87            if doc:
88                doc.Close()
89        except:
90            pass
91            
92        try:
93            if word:
94                word.Quit()
95        except:
96            pass
97
98
99def main():
100    """主函数：转换单个文件并显示结果"""
101    # 直接在代码中设置要转换的文件路径
102    word_file_path = r"D:\word_files\example.docx"  # 修改为您要转换的Word文件路径
103    
104    try:
105        print(f"开始转换文件: {word_file_path}")
106        
107        # 转换文件
108        pdf_path = convert_word_to_pdf(word_file_path)
109        
110        # 输出成功信息
111        print("\n" + "="*50)
112        print("✓ 文件转换成功！")
113        print(f"原始文件: {word_file_path}")
114        print(f"转换后文件: {pdf_path}")
115        print(f"文件大小: {os.path.getsize(pdf_path)} 字节")
116        print("="*50)
117        
118    except FileNotFoundError as e:
119        print(f"✗ 错误: {e}")
120        print("请检查文件路径是否正确")
121    except ValueError as e:
122        print(f"✗ 错误: {e}")
123        print("请确保文件是有效的Word文档(.doc/.docx)")
124    except Exception as e:
125        print(f"✗ 转换失败: {e}")
126        print("可能是Word应用问题或文件损坏")
127
128
129if __name__ == "__main__":
130    main()
131

将代码复制到你的Python编辑器中，并修改D:\word_files\example.docx为您需要转换的Word文件路径即可。转换后的PDF文件与Word文件同名（如果已经存在了同名PDF文件，将加上(count)后缀以避免冲突）

核心功能代码

Word文档导出为PDF的核心功能代码为：

1import os
2from win32com import client as wc
3
4word = wc.Dispatch("Word.Application")
5word.Visible = False
6
7doc = word.Documents.Open(word_path)
8doc.SaveAs(new_path, 17)
9doc.Close()
10
11word.Quit()
12

将word_path对应的Word文档转换为new_path对应的PDF文档。支持doc和docx格式的Word文档。

doc.SaveAs(file_name, file_format)中file_format这个参数表示另存为文档的格式，参考https://learn.microsoft.com/zh-cn/office/vba/api/word.wdsaveformat：

• 17: wdFormatPDF - PDF格式
• 0: wdFormatDocument - Microsoft Office Word 97-2003文档格式(.doc)
• 16: wdFormatDocumentDefault - Word默认文档格式(.docx)
• 7: wdFormatPDF - PDF格式（与17相同）
• 8: wdFormatXPS - XPS格式

2. 项目10：如何用Python从Word中提取数据：以处理简历为例

这个简单案例的数据是随机生成的10个格式相同的简历：

在实际工作中遇到的简历形式会更加多样化，需要根据实际情况来进行分析，甚至可能需要加入适当智能能力。我在此提供的只是一个简单样例，执行代码会解析目录下的所有Word格式简历：从表格中提取基本信息和教育背景，基本信息从表格中指定元素的位置获取，教育背景从表格中逐行获取；工作技能、技能特长、自我评价根据特定小标题和段落格式获取，都基本根据上图中这种格式来进行获取。最后的解析结果会保存到CSV文件中（CSV文件可以用Excel或WPS表格直接打开）。
如果读者在实际工作中遇到了更复杂的需求，也可以通过留言或私聊的方式咨询我获得答疑。
本案例生成测试数据的代码已经放在了下文中。由于是随机生成的，所以每次生成的数据都是不同的。如果您想要在本次案例中的数据，可以私聊我获取文件压缩包。

准备环境

通过pip下载python-docx：

1pip install python-docx
2

准备测试数据

通过pip下载faker：

1pip install faker
2

执行代码（简历文件会下载到工作路径下的resumes文件夹下）：
（如果您需要执行这一部分代码的话，还需要注意的是，生成的Word文件默认使用中文宋体+英文Times New Roman格式，一般以中文为默认语言的Windows电脑中都已内置了这两种字体，如果您的电脑设置为其它语言需要注意）

1import os
2import random
3from docx import Document
4from docx.shared import Pt
5from docx.enum.text import WD_ALIGN_PARAGRAPH
6from docx.oxml.ns import qn
7
8from faker import Faker
9
10def set_document_font(doc):
11    """
12    设置文档的默认字体为宋体和Times New Roman
13    """
14    # 设置全局样式
15    style = doc.styles['Normal']
16    font = style.font
17    font.name = 'Times New Roman'
18    font._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋体')
19    font.size = Pt(12)
20
21def set_paragraph_font(paragraph, bold=False, size=12):
22    """
23    设置段落的字体
24    """
25    for run in paragraph.runs:
26        run.font.name = 'Times New Roman'
27        run._element.rPr.rFonts.set(qn('w:eastAsia'), u'宋体')
28        run.font.size = Pt(size)
29        run.font.bold = bold
30
31def generate_resume_docx(filename, resume_data):
32    """
33    生成单个简历Word文档
34    
35    Args:
36        filename (str): 保存的文件名
37        resume_data (dict): 简历数据
38    """
39    doc = Document()
40    
41    # 设置文档字体
42    set_document_font(doc)
43    
44    # 添加标题
45    title = doc.add_heading('个人简历', 0)
46    title.alignment = WD_ALIGN_PARAGRAPH.CENTER
47    set_paragraph_font(title, bold=True, size=16)
48    
49    # 添加个人信息表格
50    doc.add_heading('基本信息', level=1)
51    table = doc.add_table(rows=6, cols=4)
52    table.style = 'Table Grid'
53    
54    # 填充基本信息表格
55    info_cells = [
56        ("姓名", resume_data['name']),
57        ("性别", resume_data['gender']),
58        ("年龄", str(resume_data['age'])),
59        ("联系电话", resume_data['phone']),
60        ("邮箱", resume_data['email']),
61        ("现居地", resume_data['address'])
62    ]
63    
64    for i, (label, value) in enumerate(info_cells):
65        table.cell(i, 0).text = label
66        table.cell(i, 1).text = value
67        table.cell(i, 2).text = "求职意向" if i == 0 else ""
68        table.cell(i, 3).text = resume_data['job_intention'] if i == 0 else ""
69        
70        # 设置表格单元格字体
71        for j in range(4):
72            for paragraph in table.cell(i, j).paragraphs:
73                set_paragraph_font(paragraph, bold=(j == 0 or j == 2))
74    
75    # 教育背景
76    doc.add_heading('教育背景', level=1)
77    edu_table = doc.add_table(rows=2, cols=4)
78    edu_table.style = 'Table Grid'
79    
80    # 表头
81    headers = ["时间", "学校", "专业", "学历"]
82    for i, header in enumerate(headers):
83        edu_table.cell(0, i).text = header
84        for paragraph in edu_table.cell(0, i).paragraphs:
85            set_paragraph_font(paragraph, bold=True)
86    
87    # 教育信息
88    edu_table.cell(1, 0).text = resume_data['education']['period']
89    edu_table.cell(1, 1).text = resume_data['education']['school']
90    edu_table.cell(1, 2).text = resume_data['education']['major']
91    edu_table.cell(1, 3).text = resume_data['education']['degree']
92    
93    # 设置教育信息行的字体
94    for i in range(4):
95        for paragraph in edu_table.cell(1, i).paragraphs:
96            set_paragraph_font(paragraph)
97    
98    # 工作经历
99    doc.add_heading('工作经历', level=1)
100    for exp in resume_data['work_experience']:
101        p = doc.add_paragraph()
102        company_run = p.add_run(f"{exp['company']} | ")
103        company_run.bold = True
104        position_run = p.add_run(f"{exp['position']} | ")
105        position_run.bold = True
106        period_run = p.add_run(exp['period'])
107        period_run.bold = True
108        
109        set_paragraph_font(p, bold=True)
110        
111        desc_para = doc.add_paragraph(exp['description'])
112        set_paragraph_font(desc_para)
113    
114    # 技能特长
115    doc.add_heading('技能特长', level=1)
116    skills_para = doc.add_paragraph()
117    for skill in resume_data['skills']:
118        skills_para.add_run(f"• {skill}\n")
119    set_paragraph_font(skills_para)
120    
121    # 自我评价
122    doc.add_heading('自我评价', level=1)
123    self_eval_para = doc.add_paragraph(resume_data['self_evaluation'])
124    set_paragraph_font(self_eval_para)
125    
126    # 保存文档
127    doc.save(filename)
128    print(f"已生成简历: {filename}")
129
130def generate_sample_resumes(num=10):
131    """
132    生成指定数量的模拟简历
133    
134    Args:
135        num (int): 简历数量，默认为10
136    """
137    fake = Faker('zh_CN')
138    
139    # 创建保存目录 - 使用os.path.join处理路径
140    resume_dir = os.path.join('resumes')
141    os.makedirs(resume_dir, exist_ok=True)
142    
143    # 职位列表
144    jobs = ['软件工程师', '数据分析师', '产品经理', 'UI设计师', '市场营销', '人力资源', '财务专员', '运营专员']
145    
146    # 技能列表
147    skill_sets = {
148        '软件工程师': ['Python', 'Java', 'SQL', 'Linux', 'Git', 'Docker'],
149        '数据分析师': ['Python', 'SQL', 'Excel', 'Tableau', '统计学', '机器学习'],
150        '产品经理': ['Axure', 'Visio', '项目管理', '需求分析', '用户研究', 'PRD编写'],
151        'UI设计师': ['Photoshop', 'Sketch', 'Figma', 'Illustrator', '用户体验设计', '交互设计'],
152        '市场营销': ['市场分析', '营销策划', '社交媒体运营', '内容创作', '数据分析', '品牌管理'],
153        '人力资源': ['招聘', '培训', '绩效管理', '员工关系', 'HR系统', '劳动法'],
154        '财务专员': ['会计', '财务报表', '税务', '成本控制', '财务分析', 'ERP系统'],
155        '运营专员': ['内容运营', '用户运营', '活动策划', '数据分析', '社交媒体', 'SEO/SEM']
156    }
157    
158    # 生成简历
159    for i in range(num):
160        # 随机选择一个职位
161        job = random.choice(jobs)
162        
163        # 生成简历数据
164        resume_data = {
165            'name': fake.name(),
166            'gender': random.choice(['男', '女']),
167            'age': random.randint(22, 35),
168            'phone': fake.phone_number(),
169            'email': fake.email(),
170            'address': fake.city(),
171            'job_intention': job,
172            'education': {
173                'period': f"{fake.year()}-{fake.year()}",
174                'school': fake.company() + "大学",
175                'major': fake.job() + "专业",
176                'degree': random.choice(['本科', '硕士', '博士'])
177            },
178            'work_experience': [],
179            'skills': random.sample(skill_sets[job], random.randint(4, 6)),
180            'self_evaluation': fake.paragraph(nb_sentences=3)
181        }
182        
183        # 生成工作经历
184        num_experiences = random.randint(1, 3)
185        for j in range(num_experiences):
186            start_year = 2020 - j * 2
187            resume_data['work_experience'].append({
188                'company': fake.company(),
189                'position': job,
190                'period': f"{start_year}-{start_year+2}",
191                'description': fake.paragraph(nb_sentences=2)
192            })
193        
194        # 生成文档 - 使用os.path.join处理路径
195        safe_name = resume_data['name'].replace(' ', '_')
196        filename = os.path.join(resume_dir, f"简历_{safe_name}_{job}.docx")
197        generate_resume_docx(filename, resume_data)
198
199if __name__ == "__main__":
200    print("开始生成模拟简历...")
201    generate_sample_resumes(10)
202    print("简历生成完成！")
203

复制即可运行的完整代码

简历Word文档在resumes文件夹中，生成的resumes_data.csv就直接在工作路径下：

1import os
2import re
3import csv
4from docx import Document
5
6def extract_resume_info(filepath):
7    """
8    从Word简历中提取信息
9    
10    Args:
11        filepath (str): Word文档路径
12        
13    Returns:
14        dict: 提取的简历信息
15    """
16    try:
17        doc = Document(filepath)
18        resume_data = {
19            'filename': os.path.basename(filepath),
20            'name': '',
21            'gender': '',
22            'age': '',
23            'phone': '',
24            'email': '',
25            'address': '',
26            'job_intention': '',
27            'education_period': '',
28            'education_school': '',
29            'education_major': '',
30            'education_degree': '',
31            'work_experience': '',
32            'skills': '',
33            'self_evaluation': ''
34        }
35        
36        # 提取基本信息
37        basic_info_extracted = False
38        education_extracted = False
39        in_work_experience = False
40        in_skills = False
41        in_self_evaluation = False
42        
43        work_experiences = []
44        skills_list = []
45        
46        for i, paragraph in enumerate(doc.paragraphs):
47            text = paragraph.text.strip()
48            
49            # 跳过空段落
50            if not text:
51                continue
52                
53            # 提取基本信息表格
54            if text == '基本信息' and not basic_info_extracted:
55                # 查找所有表格
56                for table in doc.tables:
57                    # 检查表格是否包含基本信息
58                    try:
59                        if table.cell(0, 0).text == '姓名':
60                            resume_data['name'] = table.cell(0, 1).text
61                            resume_data['gender'] = table.cell(1, 1).text
62                            resume_data['age'] = table.cell(2, 1).text
63                            resume_data['phone'] = table.cell(3, 1).text
64                            resume_data['email'] = table.cell(4, 1).text
65                            resume_data['address'] = table.cell(5, 1).text
66                            resume_data['job_intention'] = table.cell(0, 3).text
67                            basic_info_extracted = True
68                            break
69                    except:
70                        continue
71                
72                if not basic_info_extracted:
73                    # 如果没有找到表格，尝试从段落中提取
74                    extract_basic_info_from_text(doc, resume_data)
75                    basic_info_extracted = True
76            
77            # 提取教育背景
78            elif text == '教育背景' and not education_extracted:
79                # 查找教育背景表格
80                for table in doc.tables:
81                    try:
82                        if table.cell(0, 0).text == '时间' and '学校' in table.cell(0, 1).text:
83                            resume_data['education_period'] = table.cell(1, 0).text
84                            resume_data['education_school'] = table.cell(1, 1).text
85                            resume_data['education_major'] = table.cell(1, 2).text
86                            resume_data['education_degree'] = table.cell(1, 3).text
87                            education_extracted = True
88                            break
89                    except:
90                        continue
91            
92            # 提取工作经历
93            elif text == '工作经历':
94                in_work_experience = True
95                continue
96            elif in_work_experience and text and not text.startswith('技能特长') and not text.startswith('自我评价'):
97                # 检查是否是工作经历标题（包含公司、职位、时间，用 | 分隔）
98                if ' | ' in text:
99                    parts = text.split(' | ')
100                    if len(parts) >= 3:
101                        # 提取公司、职位和时间
102                        company = parts[0].strip()
103                        position = parts[1].strip()
104                        period = parts[2].strip()
105                        
106                        work_experiences.append({
107                            'company': company,
108                            'position': position,
109                            'period': period
110                        })
111                # 否则，可能是工作描述，但我们主要关注标题信息
112            
113            # 提取技能特长
114            elif text == '技能特长':
115                in_skills = True
116                in_work_experience = False
117                continue
118            elif in_skills and text and not text.startswith('自我评价'):
119                # 技能特长部分是以 • 开头的列表项
120                lines = text.split('\n')
121                for line in lines:
122                    line = line.strip()
123                    if line.startswith('•'):
124                        skill = line[1:].strip()  # 移除 • 符号
125                        if skill:
126                            skills_list.append(skill)
127            
128            # 提取自我评价
129            elif text == '自我评价':
130                in_self_evaluation = True
131                in_skills = False
132                continue
133            elif in_self_evaluation and text:
134                resume_data['self_evaluation'] = text
135                in_self_evaluation = False
136        
137        # 如果没有提取到基本信息，尝试其他方法
138        if not basic_info_extracted:
139            extract_basic_info_from_text(doc, resume_data)
140        
141        # 将工作经历和技能列表转换为字符串
142        if work_experiences:
143            work_exp_str = " | ".join([
144                f"{exp['company']} ({exp['position']}, {exp['period']})" 
145                for exp in work_experiences
146            ])
147            resume_data['work_experience'] = work_exp_str
148        
149        if skills_list:
150            resume_data['skills'] = "; ".join(skills_list)
151        
152        # 清理数据
153        clean_resume_data(resume_data)
154        
155        return resume_data
156        
157    except Exception as e:
158        print(f"提取简历信息时出错 {filepath}: {e}")
159        return None
160
161def extract_basic_info_from_text(doc, resume_data):
162    """
163    从文档文本中提取基本信息
164    """
165    for paragraph in doc.paragraphs:
166        text = paragraph.text
167        
168        # 提取姓名
169        if not resume_data['name'] and len(text) <= 4 and not any(keyword in text for keyword in ['基本信息', '教育背景', '工作经历']):
170            resume_data['name'] = text
171        
172        # 提取电话
173        phone_match = re.search(r'1[3-9]\d{9}', text)
174        if phone_match and not resume_data['phone']:
175            resume_data['phone'] = phone_match.group()
176        
177        # 提取邮箱
178        email_match = re.search(r'\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Z|a-z]{2,}\b', text)
179        if email_match and not resume_data['email']:
180            resume_data['email'] = email_match.group()
181
182def clean_resume_data(resume_data):
183    """
184    清理提取的简历数据
185    """
186    # 清理年龄，只保留数字
187    if resume_data['age']:
188        age_match = re.search(r'\d+', resume_data['age'])
189        if age_match:
190            resume_data['age'] = age_match.group()
191
192def save_to_csv(resumes, csv_filename='resumes_data.csv'):
193    """
194    将简历数据保存为CSV文件
195    
196    Args:
197        resumes (list): 简历数据列表
198        csv_filename (str): CSV文件名
199    """
200    if not resumes:
201        print("没有简历数据可保存")
202        return
203    
204    # 定义CSV列名
205    fieldnames = [
206        'filename', 'name', 'gender', 'age', 'phone', 'email', 'address', 
207        'job_intention', 'education_period', 'education_school', 'education_major', 
208        'education_degree', 'work_experience', 'skills', 'self_evaluation'
209    ]
210    
211    with open(csv_filename, 'w', newline='', encoding='utf-8-sig') as csvfile:
212        writer = csv.DictWriter(csvfile, fieldnames=fieldnames)
213        writer.writeheader()
214        
215        for resume in resumes:
216            writer.writerow(resume)
217    
218    print(f"简历数据已保存到: {csv_filename}")
219
220def analyze_resumes(directory='resumes'):
221    """
222    分析目录中的所有简历
223    
224    Args:
225        directory (str): 简历目录路径
226    """
227    if not os.path.exists(directory):
228        print(f"目录不存在: {directory}")
229        return
230    
231    resumes = []
232    
233    # 遍历目录中的所有Word文档
234    for filename in os.listdir(directory):
235        if filename.endswith('.docx'):
236            filepath = os.path.join(directory, filename)
237            print(f"正在处理: {filename}")
238            
239            resume_data = extract_resume_info(filepath)
240            if resume_data:
241                resumes.append(resume_data)
242    
243    # 输出分析结果
244    print("\n" + "="*50)
245    print("简历分析结果")
246    print("="*50)
247    
248    # 统计基本信息
249    print(f"共处理简历: {len(resumes)} 份")
250    
251    if not resumes:
252        return
253    
254    # 按职位意向统计
255    job_counts = {}
256    for resume in resumes:
257        job = resume.get('job_intention', '未知')
258        job_counts[job] = job_counts.get(job, 0) + 1
259    
260    print("\n职位意向分布:")
261    for job, count in job_counts.items():
262        print(f"  {job}: {count} 人")
263    
264    # 平均年龄
265    ages = []
266    for resume in resumes:
267        if resume['age'] and resume['age'].isdigit():
268            ages.append(int(resume['age']))
269    if ages:
270        avg_age = sum(ages) / len(ages)
271        print(f"\n平均年龄: {avg_age:.1f} 岁")
272    
273    # 学历分布
274    degree_counts = {}
275    for resume in resumes:
276        degree = resume.get('education_degree', '未知')
277        degree_counts[degree] = degree_counts.get(degree, 0) + 1
278    
279    print("\n学历分布:")
280    for degree, count in degree_counts.items():
281        print(f"  {degree}: {count} 人")
282    
283    # 工作经历统计
284    work_exp_counts = {}
285    for resume in resumes:
286        work_exp = resume.get('work_experience', '')
287        if work_exp:
288            # 计算工作经历数量（通过 | 分隔符）
289            count = work_exp.count('|') + 1
290            work_exp_counts[count] = work_exp_counts.get(count, 0) + 1
291    
292    print("\n工作经历数量分布:")
293    for count, freq in sorted(work_exp_counts.items()):
294        print(f"  {count} 段经历: {freq} 人")
295    
296    # 技能统计
297    skill_counts = {}
298    for resume in resumes:
299        skills_str = resume.get('skills', '')
300        if skills_str:
301            # 按分号分隔技能
302            skills = [skill.strip() for skill in skills_str.split(';') if skill.strip()]
303            for skill in skills:
304                skill_counts[skill] = skill_counts.get(skill, 0) + 1
305    
306    # 取前10个最常用技能
307    top_skills = sorted(skill_counts.items(), key=lambda x: x[1], reverse=True)[:10]
308    print("\n最常用技能(前10):")
309    for skill, count in top_skills:
310        print(f"  {skill}: {count} 次")
311    
312    # 保存详细数据到CSV文件
313    save_to_csv(resumes, 'resumes_data.csv')
314    
315    print(f"\n详细数据已保存到: resumes_data.csv")
316
317if __name__ == "__main__":
318    print("开始提取简历信息...")
319    analyze_resumes()
320    print("简历分析完成！")
321