Техническое задание: Парсер PDF-резюме

Необходимо разработать программное решение для автоматической обработки большого количества PDF-файлов с резюме кандидатов и переноса извлечённых данных в структурированную базу данных.

Цель проекта

Автоматизировать ручной ввод данных из резюме, обеспечив высокую точность извлечения информации из файлов разного качества и структуры.

Функциональные требования

Обработка файлов

• Скрипт должен поддерживать массовую обработку файлов из указанной папки или архива.
• Обработка должна выполняться последовательно, файл за файлом.

Поддержка типов PDF

• Текстовые PDF (с возможностью копирования текста).
• Сканированные PDF (изображения), для которых необходимо применение технологии оптического распознавания символов (OCR).

Извлечение данных

Система должна анализировать содержимое и извлекать следующие данные с максимальной точностью и без потерь:

• Основная информация: ФИО, контактные данные (телефон, email, мессенджеры), город/страна, желаемая должность, ключевые навыки.
• Опыт работы: Название компании, должность, период работы, описание обязанностей и достижений.
• Образование: Учебные заведения, специальности, годы обучения.
• Дополнительно: Владение языками, сертификаты, дополнительная информация.

Структура данных и вывод

• Извлечённые данные должны раскладываться по заранее согласованной реляционной структуре.
• Результат должен предоставляться на выбор: прямая загрузка в базу данных MySQL или формирование SQL-дампа.
• Обязательна поддержка кодировки UTF-8.

Технические требования

• Точность: 100% соответствие данным, указанным в исходном PDF-документе.
• Надёжность: Корректная обработка документов с различным оформлением и структурой.
• Интеграция OCR: Использование надёжного движка OCR для работы со сканированными документами.

Объём и сроки

• Средний объём обрабатываемого документа: 1-3 страницы.
• Сроки и стоимость выполнения проекта обсуждаются с исполнителем.

Требования к исполнителю

При отклике просьба указать:

• Опыт работы с парсингом данных, обработкой PDF и технологиями OCR.
• Примеры реализованных похожих проектов.
• Стек технологий и инструментов, которые планируется использовать.
• Предполагаемые сроки и стоимость работы.