51job 简历解析工具

package com._51job.test; import java.io.File; import java.io.IOException; import java.util.ArrayList; import java.util.Date; import java.util.List; import org.jsoup.Jsoup; import org.jsoup.nodes.Document; import org.jsoup.nodes.Element; import org.jsoup.select.Elements; public class TestClass { // word 文件夹 private static String path = "G:\\Desktop\\word"; public static void main(String[] args) throws IOException { // 计算耗时时间 // 开始时间 long StartTime = new Date().getTime(); // 储存展示信息 TestDemo test = null; // 读取文件夹 File file = new File(path); // 读取文件夹中的所有文件 File [] files = file.listFiles(); // 共几份文档 int conut = files.length; // 解析成功的文件 int conutSuceess = 0; // 遍历文件 for (File file2 : files) { test = new TestDemo(); String fileName = file2.getName(); System.out.println("________________File Start: " + fileName + "________________"); System.out.println(); // 拼接文件路径 String filePath = path + "\\" + fileName; // 判断 文件 / 文件夹 if(file2.isFile()) { // 通过工具包，获取文件头判断文件类型 String fileType = FileType.getFileType(filePath); // 51job 简历解析 ################################################## // 伪word (mht) 格式的解析方式 if(fileName.indexOf("51job") > -1) { if("mht".equals(fileType)) { try { ++conutSuceess; // 根据工具类 将 mht 转 html --> mht2BufferRead.mht2html(filePath) // 将 html 转 Document Document doc = Jsoup.parse(mht2html.mht2html(filePath)); // 基本信息 Start ################################################## Element jbxxDoc = doc.attr("valign","top").selectFirst(".box1"); Elements jbxx = jbxxDoc.select(".infr"); if(jbxx.size() > 0) { for (Element element : jbxx) { // 名字 String name = element.text().substring(0,element.text().indexOf("流程状态")).trim().replace(" ", ""); if(name != null || !"".equals(name)) { test.setJbxx_name(name); } // 手机 String phone = element.select("tr:nth-child(1)").get(1).text().trim().replace(" ", ""); if(phone != null || !"".equals(phone)) { test.setJbxx_phone(phone); } // 邮箱 String email = element.select("tr:nth-child(1)").get(2).text().trim().replace(" ", ""); if(email != null || !"".equals(email)) { test.setJbxx_email(email); } // 个人信息第三行的字符串 String value = element.text().substring(element.text().indexOf(email)+email.length(), element.text().length()).trim().replace(" ", ""); if(value != null || !"".equals(value)) { String [] values = value.split("\\u007C"); if(values != null && values.length > 0) { // 性别 if(values[0] != null || !"".equals(values[0])) { test.setJbxx_sex(values[0]); } // 年龄 && 出生 if(values[1] != null || !"".equals(values[1])) { String age_born = values[1]; if(age_born.indexOf("岁") > -1) { test.setJbxx_age(age_born.substring(0, age_born.indexOf("岁"))); } if(age_born.indexOf("（") > -1 && age_born.indexOf("）") > -1) { test.setJbxx_born(age_born.substring(age_born.indexOf("（")+1,age_born.indexOf("）"))); } } // 现居住 String addrNow = values[2].substring(3, values[2].length()); if(addrNow != null || !"".equals(addrNow)) { test.setJbxx_addrNow(addrNow); } // 工作时间 if(values[3] != null || "".equals(values[3])) { test.setJbxx_workExp(values[3]); } } } } } // 基本信息 End ################################################## // 寻找 51job 整快动态加载的 table Element table = doc.selectFirst("#divInfo"); Element tables = table.selectFirst("table"); // 寻找 51job 动态加载的标题，从而判断 进入某个特定的解析方法 Elements titles = table.select(".plate1"); int index = 0; if(tables.text() == null || "".equals(tables.text())) { index = 1; } for (Element title : titles) { ++index; // 求职意向 Start ################################################## if(title.text().indexOf("求职意向") > -1) { //System.err.println("求职意向 ： " + index); Element qzyxElement = table.select(".box:nth-child(" + index + ")").select(".tba").first(); if(qzyxElement != null && !"".equals(qzyxElement)) { Elements qzyx = qzyxElement.select("table tbody tr td table tbody tr"); if(qzyx != null && qzyx.size() > 0) { for (Element element : qzyx) { if(element.text().indexOf("期望薪资：") > -1) { String [] value2 = element.text().split("："); if(value2 != null || value2.length >= 1) { if(value2[1].trim().replace(" ", "") != null && !"".equals(value2[1].trim().replace(" ", ""))) { test.setQzyx_qwxz(value2[1].trim().replace(" ", "")); } } } if(element.text().indexOf("地点：") > -1) { String [] value2 = element.text().split("："); if(value2 != null && value2.length >=1) { if(value2[1].trim().replace(" ", "") != null && !"".equals(value2[1].trim().replace(" ", ""))) { test.setQzyx_qwdd(value2[1].trim().replace(" ", "")); } } } if(element.text().indexOf("职能/职位：") > -1 || element.text().indexOf("职能：") > -1 || element.text().indexOf("职位：") > -1) { String [] value = element.text().split("："); if(value != null && value.length >= 1) { String value2 = value[1].trim().replace(" ", ",").replace(" ", ",").replace(" ", ","); if(value2 != null && !"".equals(value2)) { test.setQzyx_znzw(value2); } } } if(element.text().indexOf("行业：") > -1) { String hy = element.text().substring(element.text().indexOf("：") + 1, element.text().length()); if(hy != null || !"".equals(hy)) { test.setQzyx_hy(hy); } } if(element.text().indexOf("关键字：") > -1) { String [] value2 = element.text().split("："); if(value2 != null && value2.length >= 1) { String gjz = value2[1].trim().replace(" ", ",").replace(" ", ""); if(gjz != null || !"".equals(gjz)) { test.setQzyx_gjz(gjz); } } } if(element.text().indexOf("自我评价：") > -1) { String value = element.text().substring(element.text().indexOf("：") + 1, element.text().length()); if(value != null || !"".equals(value)) { test.setQzyx_zwpj(value); } } if(element.text().indexOf("到岗时间：") > -1) { String value = element.text().substring(element.text().indexOf("：") + 1, element.text().length()); if(value != null || !"".equals(value)) { test.setQzyx_dgsj(value); } } if(element.text().indexOf("工作类型：") > -1) { String value = element.text().substring(element.text().indexOf("：") + 1, element.text().length());