影刀RPA从零搭建人力资源自动化：招聘简历批量筛选系统

影刀RPA从零搭建人力资源自动化：招聘简历批量筛选系统

作者：林焱 | 适合人群：HR从业者/RPA爱好者 | 预计阅读时间：17分钟

前言

招聘旺季，HR最大的痛点是什么？

简历太多，时间太少。

一个普通职位可能收到300-500份简历，靠人工筛选，每份2分钟，全部看完就需要10-17小时。而且人工筛选还容易疲惫、标准不一致、遗漏优质候选人。

本文带你用影刀RPA搭建一套简历批量筛选系统，让机器干重复的活，HR只看筛选后的精华。

一、系统设计

功能模块

简历筛选系统
├── 简历来源接入
│   ├── 智联招聘 → 批量下载简历
│   ├── Boss直聘 → 批量下载简历
│   ├── 内推邮件 → 从邮件附件提取
│   └── 本地文件夹 → 处理已有简历
│
├── 简历解析模块
│   ├── PDF简历 → 文字提取（OCR/pdfplumber）
│   ├── Word简历 → 文字提取
│   └── 图片简历 → OCR文字识别
│
├── 智能筛选模块
│   ├── 必要条件过滤（学历/工作年限/技能）
│   ├── 加分项评分（名校/大厂/项目经验）
│   └── 综合评分排序
│
└── 输出模块
    ├── 分级输出Excel（A/B/C三类）
    ├── 向候选人发确认邮件
    └── 发送筛选报告给HR负责人

二、筛选规则配置

新建screening_rules.xlsx：

Sheet1：岗位基本要求

Sheet2：加分项配置

加分项	分数	判断方式
985/211院校	+20	包含关键词
BAT/头条等大厂背景	+15	包含关键词
海外留学经历	+10	包含关键词

| 有开源项目贡献 | +10 | 包含GitHub链接 |
| 英语六级/托福 | +5 | 包含关键词 |

三、核心代码实现

模块1：从智联/招聘平台下载简历

def download_resumes_from_zhilian():
    """从智联招聘批量下载简历"""
    
    # 登录智联招聘
    打开浏览器("https://www.zhaopin.com/jobs/hr/index.html")
    等待登录()
    
    # 进入简历管理
    点击("简历管理")
    等待页面加载()
    
    # 筛选条件：选择目标职位，状态=已投递未查看
    选择职位("Python工程师")
    选择状态("未查看")
    点击("搜索")
    等待加载()
    
    ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/882ae652c24040dabd5c4d577bb26b5f.png#pic_center)
    ![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/c7f201f782e443d48f3df6743d15fa4c.png#pic_center)


    # 全选并下载
    点击("全选")
    点击("批量下载")
    
    # 等待打包完成
    等待下载按钮出现(超时=30)
    点击("下载压缩包")
    
    # 等待文件下载到指定目录
    等待文件出现("C:\\resumes\\download\\", 超时=60)
    
    # 解压
    解压文件("C:\\resumes\\download\\*.zip", "C:\\resumes\\raw\\")
    
    写入日志(f"简历下载完成，已解压到 C:\\resumes\\raw\\")

模块2：简历文本提取

def extract_resume_text(file_path):
    """
    从简历文件提取文本
    支持PDF、Word、图片格式
    """
    
    extension = 获取文件扩展名(file_path).lower()
    
    if extension == ".pdf":
        Try:
            # 方法1：直接提取文字PDF
            import pdfplumber
            with pdfplumber.open(file_path) as pdf:
                text = "\n".join(page.extract_text() or "" for page in pdf.pages)
            
            if len(text.strip()) > 100:
                return text
            
            # 方法2：文字太少，可能是图片PDF，用OCR
            text = OCR提取PDF文字(file_path)
            return text
        Catch as e:
            写入日志(f"PDF提取失败：{file_path}: {e}")
            return ""
    
    elif extension in [".doc", ".docx"]:
        import docx
        doc = docx.Document(file_path)
        text = "\n".join(para.text for para in doc.paragraphs)
        return text
    
    elif extension in [".jpg", ".jpeg", ".png"]:
        # 图片简历，使用OCR
        text = OCR识别图片(file_path)
        return text
    
    else:
        写入日志(f"不支持的简历格式：{extension}")
        return ""

模块3：智能筛选评分

def screen_resume(resume_text, rules):
    """
    对简历进行筛选和评分
    
    返回：
    {
        "passed": True/False,  # 是否通过基础筛选
        "score": 75,           # 综合评分（0-100）
        "grade": "A",          # 等级（A/B/C）
        "reasons": ["...", ...],  # 通过/拒绝原因
        "highlights": ["...", ...] # 加分项
    }
    """
    
    reasons = []
    highlights = []
    base_score = 60
    
    # ===== 基础筛选（不通过则直接拒绝）=====
    
    # 1. 学历检查
    education_levels = ["博士", "硕士", "本科", "大专", "高中"]
    min_edu_index = education_levels.index(rules["min_education"])
    
    candidate_edu = "高中"  # 默认最低
    for edu in education_levels:
        if edu in resume_text:
            candidate_edu = edu
            break  # 找到最高学历
    
    candidate_edu_index = education_levels.index(candidate_edu)
    if candidate_edu_index > min_edu_index:  # 学历不够
        return {
            "passed": False,
            "score": 0,
            "grade": "C",
            "reasons": [f"学历不符：要求{rules['min_education']}，候选人{candidate_edu}"],
            "highlights": []
        }
    
    # 2. 工作年限检查（提取工作年限相关信息）
    import re
    years_match = re.search(r'(\d+)\s*年.*工作经验', resume_text)
    if years_match:
        work_years = int(years_match.group(1))
        if work_years < rules["min_years"]:
            return {
                "passed": False,
                "score": 0,
                "grade": "C",
                "reasons": [f"工作年限不足：要求{rules['min_years']}年，候选人{work_years}年"],
                "highlights": []
            }
    
    # 3. 必要技能检查
    required_skills = rules["required_skills"].split(";")
    found_skills = [skill for skill in required_skills if skill in resume_text]
    
    if not found_skills:
        return {
            "passed": False,
            "score": 0,
            "grade": "C",
            "reasons": [f"缺乏核心技能：需要{'/'.join(required_skills)}之一"],
            "highlights": []
        }
    
    reasons.append(f"✅ 具备技能：{', '.join(found_skills)}")
    base_score += len(found_skills) * 3  # 每个技能+3分
    
    # 4. 排除关键词检查
    exclude_keywords = rules["exclude_keywords"].split(";")
    found_excludes = [kw for kw in exclude_keywords if kw in resume_text]
    if found_excludes:
        return {
            "passed": False,
            "score": 0,
            "grade": "C",
            "reasons": [f"包含排除关键词：{', '.join(found_excludes)}"],
            "highlights": []
        }
    
    # ===== 加分项评分 =====
    
    加分项列表 = [
        (["清华", "北大", "复旦", "交通大学", "浙江大学", "中科大", "985", "211"], 20, "名校背景"),
        (["百度", "阿里", "腾讯", "字节", "华为", "美团", "京东", "滴滴"], 15, "大厂经验"),
        (["留学", "海外", "美国", "英国", "新加坡"], 10, "海外背景"),
        (["github.com", "开源", "GitHub"], 10, "开源贡献"),
        (["CET-6", "六级", "托福", "雅思", "英语流利"], 5, "英语能力"),
    ]
    
    For keywords, score, label in 加分项列表:
        if any(kw in resume_text for kw in keywords):
            base_score += score
            highlights.append(f"⭐ {label} (+{score}分)")
    
    # 计算最终评分（满分100）
    final_score = min(base_score, 100)
    
    # 分级
    if final_score >= 80:
        grade = "A"
    elif final_score >= 65:
        grade = "B"
    else:
        grade = "C"
    
    return {
        "passed": True,
        "score": final_score,
        "grade": grade,
        "reasons": reasons,
        "highlights": highlights
    }

模块4：输出结果

def export_screening_results(results, output_path):
    """将筛选结果导出为Excel"""
    
    import openpyxl
    from openpyxl.styles import PatternFill, Font
    
    wb = openpyxl.Workbook()
    
    # 按等级分Sheet
    for grade in ["A", "B", "C", "不通过"]:
        ws = wb.create_sheet(f"{grade}级候选人")
        ws.append(["姓名", "文件名", "评分", "等级", "技能", "亮点", "拒绝原因"])
    
    # 写入数据
    for r in results:
        sheet_name = f"{r['grade']}级候选人" if r["passed"] else "不通过"
        ws = wb[sheet_name]
        
        # 按评分用颜色标记
        if r["grade"] == "A":
            fill = PatternFill("solid", fgColor="92D050")  # 绿色
        elif r["grade"] == "B":
            fill = PatternFill("solid", fgColor="FFFF00")  # 黄色
        else:
            fill = PatternFill("solid", fgColor="FF7070")  # 红色
        
        row = ws.max_row + 1
        ws.append([
            r["name"],
            r["file"],
            r["score"],
            r["grade"],
            "; ".join(r["skills"]),
            "; ".join(r["highlights"]),
            "; ".join(r["reasons"]) if not r["passed"] else ""
        ])
        
        for cell in ws[row]:
            cell.fill = fill
    
    # 删除默认Sheet
    del wb["Sheet"]
    
    wb.save(output_path)
    print(f"筛选结果已保存：{output_path}")

四、系统运行效果

=== 简历筛选任务执行 ===
[09:00:01] 开始下载简历 - Python工程师职位
[09:02:15] 共下载 342 份简历（压缩包 45MB）
[09:02:30] 开始解压和文本提取...
[09:05:12] 文本提取完成（342份）
[09:05:13] 开始智能筛选...
[09:08:44] 筛选完成

=== 筛选结果摘要 ===
总简历数: 342
通过基础筛选: 156 (45.6%)
不通过: 186 (54.4%)

通过简历分级:
![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/7ced875605e94d8382f6759f71130be3.png#pic_center)

  A级（优先面试）: 38份 (24.4%)
  B级（备选）: 72份 (46.2%)
  C级（一般）: 46份 (29.5%)

主要拒绝原因:
  学历不符: 89份
  缺乏核心技能: 67份
  工作年限不足: 30份

筛选报告已发送至：hr@company.com
耗时: 8分43秒（人工预计需要11.4小时）

总结

这套系统的核心价值：

HR只需要配置好筛选规则，剩下的交给机器。这样HR可以把时间花在更有价值的事情上——深入了解候选人，设计更好的面试流程。

📝 本文作者：林焱 | 专注影刀RPA教程与自动化实战