简历解析方法、装置、电子设备和存储介质与流程

本公开涉及数据处理技术领域，尤其涉及一种简历解析方法、装置、电子设备和存储介质。

背景技术：

目前，简历解析时对工作经历、项目经历、教育经历提取的基本方法，是先进行命名实体识别出简历中出现的所有实体，再基于规则模板抽取工作经历、项目经历、教育经历信息中的相关字段形成一条经历。

然而，现有基于规则模板提取工作经历、项目经历、教育经历的方法存在一些问题，简历中对工作经历、项目经历、教育经历的表述形式千差万别，难以穷举出所有的规则模板，导致解析的召回率不够高；如果在工作经历、项目经历、教育经历的关键字段上下文添加一些说明文字都可能导致规则模板失效，从而影响解析召回率；使用规则模板进行匹配时，难以对不同的经历类型进行区分，导致解析准确率不高；随着规则模板的增加，维护和优化升级的难度和成本都会很大。

技术实现要素：

本公开旨在至少在一定程度上解决上述相关技术中的技术问题之一。

为此，本公开的第一个目的在于提出一种简历解析方法，解决了现有技术中简历解析的召回率不够高和准确率不高的技术问题，通过基于核心实体进行属性填充的方式对简历进行解析，使得简历解析的正确率、鲁棒性都大幅提升，且更易维护和更新。

本公开的第二个目的在于提出一种简历解析装置。

本公开的第三个目的在于提出一种计算机设备。

本公开的第四个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本公开第一方面实施例提出了一种简历解析方法，包括：

通过预设命名实体识别算法对简历进行识别，获取多个候选核心实体；

获取每一个候选核心实体对应的文本信息中的各个实体；

根据所述每一个候选核心实体对应的文本信息中的各个实体，对所述每一个候选核心实体对应的多个属性字段进行填充，生成与所述每一个候选核心实体对应的结构化数据；

根据所述每一个候选核心实体对应的结构化数据生成与所述简历对应的简历内容。

进一步地，在所述通过预设命名实体识别算法对简历进行识别，获取多个候选核心实体之前，所述方法还包括：

确定核心实体、以及所述核心实体对应的多个属性字段。

进一步地，核心实体为企业名称，所述多个属性字段为时间属性字段和职位属性字段；

根据所述每一个候选核心实体对应的文本信息中的各个实体对每一个候选核心实体对应的多个属性字段进行填充生成与所述每一个候选核心实体对应的结构化数据，包括：

若候选核心实体所在行中存在时间实体，且所述时间实体的个数为2个，则将所述时间实体填充到所述时间属性字段中；

若所述文本信息中存在职位实体，则将所述职位实体填充到所述职位属性字段；

根据所述候选核心实体、所述时间属性字段和所述职位属性字段生成与所述每一个候选核心实体对应的所述结构化数据。

进一步地，所述的方法，还包括：

若候选核心实体所在行中不存在时间实体，则在所述文本信息中按照行顺序查找时间实体，若在任一行仅存在时间实体，且所述时间实体的个数为2个，则将所述时间实体填充到所述时间属性字段中。

进一步地，在所述根据所述每一个候选核心实体对应的结构化数据生成与所述简历对应的简历内容之前，还包括：

判断所述每一个候选核心实体对应的结构化数据是否满足预设规则；

若存在目标候选核心实体对应的结构化数据不满足所述预设规则，则将所述目标候选核心实体对应的结构化数据进行删除处理。

进一步地，在所述根据所述每一个候选核心实体对应的结构化数据生成与所述简历对应的简历内容之前，还包括：

判断所述每一个候选核心实体对应的结构化数据是否满足预设合并条件；

若存在任两个候选核心实体对应的结构化数据满足所述预设合并条件，则将所述两个候选核心实体对应的结构化数据进行合并处理。

本公开实施例的简历解析方法，通过预设命名实体识别算法对简历进行识别，获取多个候选核心实体；获取每一个候选核心实体对应的文本信息中的各个实体；根据每一个候选核心实体对应的文本信息中的各个实体，对每一个候选核心实体对应的多个属性字段进行填充，生成与每一个候选核心实体对应的结构化数据；根据每一个候选核心实体对应的结构化数据生成与简历对应的简历内容。由此，解决了现有技术中简历解析的召回率不够高和准确率不高的技术问题，通过基于核心实体进行属性填充的方式对简历进行解析，使得简历解析的正确率、鲁棒性都大幅提升，且更易维护和更新。

为达上述目的，本公开第二方面实施例提出了一种简历解析装置，包括：

识别获取模块，用于通过预设命名实体识别算法对简历进行识别，获取多个候选核心实体；

获取模块，用于获取每一个候选核心实体对应的文本信息中的各个实体；

填充模块，用于根据所述每一个候选核心实体对应的文本信息中的各个实体，对所述每一个候选核心实体对应的多个属性字段进行填充，生成与所述每一个候选核心实体对应的结构化数据；

生成模块，用于根据所述每一个候选核心实体对应的结构化数据生成与所述简历对应的简历内容。

进一步的，所述装置，还包括：

确定模块，用于确定核心实体、以及所述核心实体对应的多个属性字段。

进一步的，核心实体为企业名称，所述多个属性字段为时间属性字段和职位属性字段；

所述填充模块，具体用于：

若候选核心实体所在行中存在时间实体，且所述时间实体的个数为2个，则将所述时间实体填充到所述时间属性字段中；

若所述文本信息中存在职位实体，则将所述职位实体填充到所述职位属性字段；

根据所述候选核心实体、所述时间属性字段和所述职位属性字段生成与所述每一个候选核心实体对应的所述结构化数据。

进一步的，所述填充模块，具体还用于：

若候选核心实体所在行中不存在时间实体，则在所述文本信息中按照行顺序查找时间实体，若在任一行仅存在时间实体，且所述时间实体的个数为2个，则将所述时间实体填充到所述时间属性字段中。

进一步的，所述的装置，还包括：

第一判断模块，用于判断所述每一个候选核心实体对应的结构化数据是否满足预设规则；

删除模块，用于若存在目标候选核心实体对应的结构化数据不满足所述预设规则，则将所述目标候选核心实体对应的结构化数据进行删除处理。

进一步的，所述的装置，还包括：

第二判断模块，用于判断所述每一个候选核心实体对应的结构化数据是否满足预设合并条件；

合并模块，用于若存在任两个候选核心实体对应的结构化数据满足所述预设合并条件，则将所述两个候选核心实体对应的结构化数据进行合并处理。

本公开实施例的简历解析装置，通过预设命名实体识别算法对简历进行识别，获取多个候选核心实体；获取每一个候选核心实体对应的文本信息中的各个实体；根据每一个候选核心实体对应的文本信息中的各个实体，对每一个候选核心实体对应的多个属性字段进行填充，生成与每一个候选核心实体对应的结构化数据；根据每一个候选核心实体对应的结构化数据生成与简历对应的简历内容。由此，解决了现有技术中简历解析的召回率不够高和准确率不高的技术问题，通过基于核心实体进行属性填充的方式对简历进行解析，使得简历解析的正确率、鲁棒性都大幅提升，且更易维护和更新。

为达上述目的，本公开第三方面实施例提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如上所述的简历解析方法。

为了实现上述目的，本公开第四方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的简历解析方法。

本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。

附图说明

本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1是根据本公开一个实施例的简历解析方法的流程图；

图2是根据本公开另一个实施例的简历解析方法的流程图；

图3是根据本公开一个实施例的简历解析装置的结构示意图；

图4是根据本公开另一个实施例的简历解析装置的结构示意图；

图5是根据本公开又一个实施例的简历解析装置的结构示意图；

图6是根据本公开再一个实施例的简历解析装置的结构示意图；

图7为本公开实施例提供的一种电子设备的结构示意图。

具体实施方式

下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。

下面参考附图描述本公开实施例的简历解析方法、装置、电子设备和存储介质。

针对背景技术中提到的，现有技术中简历解析的召回率不够高和准确率不高的技术问题，本公开提出了一种简历解析的方法，通过预设命名实体识别算法对简历进行识别，获取多个候选核心实体；获取每一个候选核心实体对应的文本信息中的各个实体；根据每一个候选核心实体对应的文本信息中的各个实体，对每一个候选核心实体对应的多个属性字段进行填充，生成与每一个候选核心实体对应的结构化数据；根据每一个候选核心实体对应的结构化数据生成与简历对应的简历内容。由此，通过基于核心实体进行属性填充的方式对简历进行解析，使得简历解析的正确率、鲁棒性都大幅提升，且更易维护和更新。

具体而言，图1是根据本公开一个实施例的简历解析方法的流程图，如图1所示，该方法包括：

步骤101，通过预设命名实体识别算法对简历进行识别，获取多个候选核心实体。

具体地，可以根据实际应用需要预先确定核心实体，也就是需要获取的关键信息，比如可以是企业名称、学校名称等作为核心实体，并设置核心实体对应的多个属性字段，比如时间属性字段、职位属性字段和专业属性字段等等。

进一步地，通过预设命名实体识别算法对简历进行识别，获取多个候选核心实体，比如通过机器学习模型或规则对简历进行识别，获取多个候选核心实体为企业名称和学校名称。

步骤102，获取每一个候选核心实体对应的文本信息中的各个实体。

可以理解的是，在简历中每一个候选核心实体都有其对应的文本信息，比如两个核心实体之间的文本信息为上一个核心实体对应的文本信息，再比如，一个核心实体后面再也没有核心实体，则认为该核心实体后面的文本信息为其对应的文本信息。

可以理解的是，可以对每一个候选核心实体对应的文本信息进行实体识别获取各个实体，比如时间实体、职位实体和专业实体等。

步骤103，根据每一个候选核心实体对应的文本信息中的各个实体，对每一个候选核心实体对应的多个属性字段进行填充，生成与每一个候选核心实体对应的结构化数据。

步骤104，根据每一个候选核心实体对应的结构化数据生成与简历对应的简历内容。

具体地，在获取每一个候选核心实体对应的文本信息中的各个实体后，根据每一个候选核心实体对应的文本信息中的各个实体对每一个候选核心实体对应的多个属性字段进行填充，生成与每一个候选核心实体对应的结构化数据，并根据每一个候选核心实体对应的结构化数据生成与简历对应的简历内容。

作为一种可能实现方式，核心实体为企业名称，多个属性字段为时间属性字段和职位属性字段，若候选核心实体所在行中存在时间实体，且时间实体的个数为2个，则将时间实体填充到所述时间属性字段中，若文本信息中存在职位实体，则将职位实体填充到职位属性字段，根据候选核心实体、时间属性字段和职位属性字段生成与企业名称对应的结构化数据。

作为另一种可能实现方式，核心实体为学校名称，多个属性字段为时间属性字段和专业属性字段，若候选核心实体所在行中不存在时间实体，则在文本信息中按照行顺序查找时间实体，若在任一行仅存在时间实体，且时间实体的个数为2个，则将时间实体填充到时间属性字段中，若文本信息中存在专业实体，则将专业实体填充到专业属性字段，根据候选核心实体、时间属性字段和专业属性字段生成与学校名称对应的结构化数据。

综上，本公开实施例的简历解析方法，通过预设命名实体识别算法对简历进行识别，获取多个候选核心实体；获取每一个候选核心实体对应的文本信息中的各个实体；根据每一个候选核心实体对应的文本信息中的各个实体对每一个候选核心实体对应的多个属性字段进行填充，生成与每一个候选核心实体对应的结构化数据；根据每一个候选核心实体对应的结构化数据生成与简历对应的简历内容。由此，解决了现有技术中简历解析的召回率不够高和准确率不高的技术问题，通过基于核心实体进行属性填充的方式对简历进行解析，使得简历解析的正确率、鲁棒性都大幅提升，且更易维护和更新。

图2是根据本公开另一个实施例的简历解析方法的流程图，如图2所示，该方法包括：

步骤201，确定核心实体和核心实体对应的多个属性字段，通过预设命名实体识别算法对简历进行识别，获取多个候选企业名称。

具体地，以一项工作经历为例，可以定义为如下的key-value结构，company为参与工作的企业名称，start_time为加入公司的时间，end_time为离开公司的时间，position为担任的职位，根据各个字段的特性，定义一项经历的核心实体，如工作经历可以定义企业名称字段为核心实体，其他的字段定义为经历的属性字段，如start_time、end_time、position为一项工作经历的属性字段。{“company”：“xx公司”,“start_time”：20xx-xx-xx,“end_time”：20xx-xx-xx,“position”：“xx工程师”}。

具体地，通过命名实体识别算法识别简历文本中的实体，通过机器学习模型或规则均可，候选核心实体定位为将每一个识别为企业名称的实体作为潜在工作经历的核心实体。

步骤202，获取每一个候选企业名称对应的文本信息中的各个实体，若候选企业名称所在行中存在时间实体，且时间实体的个数为2个，则将时间实体填充到时间属性字段中。

步骤203，若候选企业名称所在行中不存在时间实体，则在文本信息中按照行顺序查找时间实体，若在任一行仅存在时间实体，且时间实体的个数为2个，则将时间实体填充到时间属性字段中。

具体地，候选企业名称的时间属性字段填充：由于一项工作经历涉及两个时间(start_time和end_time)，从核心实体上下文信息把时间先找到，比如定义集合career_time_lines，如果某行中的时间实体已经归属于某个候选企业名称，则将该行的行号加入集合career_time_lines中，如果候选的时间属性列表中元素个数等于2，则将较小的时间作为start_time、较大的时间做为end_time，并结束；或者是核心实体当前行有时间实体、没有其他核心实体，且该行号不在career_time_lines中，则将时间实体加入候选的时间属性列表，同时将行号添加到career_time_lines集合中，如果候选的时间属性列表中元素个数等于2，则将较小的时间作为start_time、较大的时间做为end_time，并结束；或者是核心实体对应的文本信息任一行，比图倒数第一行有时间实体、没有其他核心实体，且该行号不在career_time_lines中，则将时间实体加入候选的时间属性列表，如果候选的时间属性列表中元素个数等于2，则将较小的时间作为start_time、较大的时间做为end_time，并结束。

步骤204，若文本信息中存在职位实体，则将职位实体填充到职位属性字段。

具体地，由于一个工作经历中职位属性字段只有一个，因此只需要在核心实体对应的文本信息中即上下文寻找并填充职位属性字段即可。

步骤205，根据候选企业名称、时间属性字段和职位属性字段生成与每一个企业名称对应的结构化数据。

步骤206，判断每一个候选企业名称对应的结构化数据是否满足预设规则，若存在目标候选企业名称对应的结构化数据不满足预设规则，则将目标候选企业名称对应的结构化数据进行删除处理。

步骤207，判断每一个候选企业名称对应的结构化数据是否满足预设合并条件，若存在任两个候选企业名称对应的结构化数据满足预设合并条件，则将两个候选企业名称对应的结构化数据进行合并处理。

步骤208，根据每一个候选企业名称对应的结构化数据生成与简历对应的简历内容。

具体地，对于每个候选企业名称通过一定的规则判断是否合法，如必须要求候选企业名称有start_time、end_time或position属性，丢弃不满足合法性要求的候选企业名称，具体的合法性规则可以基于经历类型和业务需求进行灵活定制。

具体地，如果多个候选企业名称相同，且start_time和end_time都相同，则认为是重复的，丢弃重复的候选企业名称。

具体地，如果两个候选企业名称相同，且其中一个的start_time和另一个的end_time相同，说明是同一家企业的连续工作经历，则合并为一个完整的工作经历。合并时将最早的工作时间作为start_time，将最晚的结束时间作为end_time，并将position合并成列表，合并后的候选工作经历即为最终解析得到的工作经历内容。

由此，在获取每一个候选核心实体对应的文本信息中的各个实体后，根据根据每一个候选核心实体对应的文本信息中的各个实体对每一个候选核心实体对应的多个属性字段进行填充生成与每一个候选核心实体对应的结构化数据，并根据每一个候选核心实体对应的结构化数据生成与简历对应的简历内容。

综上，本公开实施例的简历解析方法，确定核心实体和核心实体对应的多个属性字段，通过预设命名实体识别算法对简历进行识别，获取多个候选企业名称，获取每一个候选企业名称对应的文本信息中的各个实体，若候选企业名称所在行中存在时间实体，且时间实体的个数为2个，则将时间实体填充到时间属性字段中，若候选企业名称所在行中不存在时间实体，则在文本信息中按照行顺序查找时间实体，若在任一行仅存在时间实体，且时间实体的个数为2个，则将时间实体填充到时间属性字段中，若文本信息中存在职位实体，则将职位实体填充到职位属性字段，根据候选企业名称、时间属性字段和职位属性字段生成与每一个企业名称对应的结构化数据，判断每一个候选企业名称对应的结构化数据是否满足预设规则，若存在目标候选企业名称对应的结构化数据不满足预设规则，则将目标候选企业名称对应的结构化数据进行删除处理，判断每一个候选企业名称对应的结构化数据是否满足预设合并条件，若存在任两个候选企业名称对应的结构化数据满足预设合并条件，则将两个候选企业名称对应的结构化数据进行合并处理，根据每一个候选企业名称对应的结构化数据生成与简历对应的简历内容，由此，定位核心实体的位置，在其上下文中寻找相关属性，并填充到对应属性字段中，使得解析的每一个潜在的核心实体都被考虑到了，提高了整体解析的覆盖率，在核心实体上下文进行实体填充时，不会被上下文中的噪声词干扰，鲁棒性好，在核心实体上下文进行实体填充时，方法灵活，大幅提升了解析的准确率，由于解析时没有使用模板进行匹配，维护和优化升级都比较容易。

图3是根据本公开一个实施例的简历解析装置的结构示意图。如图3所示，包括：识别获取模块301、获取模块302、填充模块303和生成模块304。

其中，识别获取模块301，用于通过预设命名实体识别算法对简历进行识别，获取多个候选核心实体。

获取模块302，用于获取每一个候选核心实体对应的文本信息中的各个实体。

填充模块303，用于根据所述每一个候选核心实体对应的文本信息中的各个实体，对每一个候选核心实体对应的多个属性字段进行填充，生成与所述每一个候选核心实体对应的结构化数据。

生成模块304，用于根据所述每一个候选核心实体对应的结构化数据生成与所述简历对应的简历内容。

在本公开的一个实施例中，如图4所示，所述装置还包括：确定模块305。

其中，确定模块305，用于确定核心实体和所述核心实体对应的多个属性字段。

在本公开的一个实施例中，核心实体为企业名称，所述多个属性字段为时间属性字段和职位属性字段；填充模块303，具体用于：若候选核心实体所在行中存在时间实体，且所述时间实体的个数为2个，则将所述时间实体填充到所述时间属性字段中；若所述文本信息中存在职位实体，则将所述职位实体填充到所述职位属性字段；根据所述候选核心实体、所述时间属性字段和所述职位属性字段生成与所述每一个候选核心实体对应的所述结构化数据。

在本公开的一个实施例中，填充模块303，具体还用于：若候选核心实体所在行中不存在时间实体，则在所述文本信息中按照行顺序查找时间实体，若在任一行仅存在时间实体，且所述时间实体的个数为2个，则将所述时间实体填充到所述时间属性字段中。

进一步的，在上述实施例的基础上，如图5所示，所述装置还包括：第一判断模块306和删除模块307。

第一判断模块306，用于判断所述每一个候选核心实体对应的结构化数据是否满足预设规则；

删除模块307，用于若存在目标候选核心实体对应的结构化数据不满足所述预设规则，则将所述目标候选核心实体对应的结构化数据进行删除处理。

进一步的，在上述实施例的基础上，如图6所示，所述装置还包括：第二判断模块308和合并模块309。

第二判断模块308，用于判断所述每一个候选核心实体对应的结构化数据是否满足预设合并条件。

合并模块309，用于若存在任两个候选核心实体对应的结构化数据满足所述预设合并条件，则将所述两个候选核心实体对应的结构化数据进行合并处理。

本公开实施例的简历解析装置，通过预设命名实体识别算法对简历进行识别，获取多个候选核心实体；获取每一个候选核心实体对应的文本信息中的各个实体；根据每一个候选核心实体对应的文本信息中的各个实体，对每一个候选核心实体对应的多个属性字段进行填充，生成与每一个候选核心实体对应的结构化数据；根据每一个候选核心实体对应的结构化数据生成与简历对应的简历内容。由此，解决了现有技术中简历解析的召回率不够高和准确率不高的技术问题，通过基于核心实体进行属性填充的方式对简历进行解析，使得简历解析的正确率、鲁棒性都大幅提升，且更易维护和更新。

下面参考图7，其示出了适于用来实现本公开实施例的电子设备900的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、pda(个人数字助理)、pad(平板电脑)、pmp(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字tv、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备900可以包括处理装置(例如中央处理器、图形处理器等)901，其可以根据存储在只读存储器(rom)902中的程序或者从存储装置908加载到随机访问存储器(ram)903中的程序而执行各种适当的动作和处理。在ram903中，还存储有电子设备900操作所需的各种程序和数据。处理装置901、rom902以及ram903通过总线904彼此相连。输入/输出(i/o)接口905也连接至总线904。

通常，以下装置可以连接至i/o接口905：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置906；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置907；包括例如磁带、硬盘等的存储装置908；以及通信装置909。通信装置909可以允许电子设备900与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备900，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置909从网络上被下载和安装，或者从存储装置908被安装，或者从rom902被安装。在该计算机程序被处理装置901执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取页面渲染请求，页面渲染请求中包括：页面中被选中的区域，以及渲染类型；区域中包括：至少一个单元格，和/或，文本数据；若区域中包括至少一个单元格，则获取至少一个单元格的标识，单元格的标识包括：行标识和列标识；按照渲染类型，对至少一个单元格的标识对应的单元格进行渲染处理。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

本公开还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的简历解析方法。

本公开还提供一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，实现如上所述的简历解析方法。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。