Boss直聘批量投简历项目教程
2026-01-17 08:16:53作者:幸俭卉
1. 项目的目录结构及介绍
boss_batch_push/
├── README.md
├── config.json
├── main.py
├── utils/
│ ├── filters.py
│ ├── greetings.py
│ └── job_parser.py
└── tests/
├── test_filters.py
├── test_greetings.py
└── test_job_parser.py
- README.md: 项目说明文件,包含项目的基本介绍和使用方法。
- config.json: 项目的配置文件,包含各种筛选和自定义设置。
- main.py: 项目的启动文件,负责初始化和执行批量投递任务。
- utils/: 工具模块目录,包含各种辅助功能的实现。
- filters.py: 负责筛选功能的实现。
- greetings.py: 负责自定义招呼语的生成和发送。
- job_parser.py: 负责解析和分析职位详情。
- tests/: 测试模块目录,包含各种单元测试。
- test_filters.py: 筛选功能的单元测试。
- test_greetings.py: 自定义招呼语功能的单元测试。
- test_job_parser.py: 职位解析功能的单元测试。
2. 项目的启动文件介绍
main.py
main.py 是项目的启动文件,负责初始化和执行批量投递任务。以下是主要功能模块的介绍:
import json
from utils.filters import apply_filters
from utils.greetings import send_custom_greetings
from utils.job_parser import generate_job_word_cloud
def load_config():
with open('config.json', 'r') as f:
config = json.load(f)
return config
def main():
config = load_config()
jobs = apply_filters(config)
for job in jobs:
send_custom_greetings(job, config)
generate_job_word_cloud(jobs)
if __name__ == "__main__":
main()
- load_config(): 加载配置文件
config.json。 - main(): 主函数,负责加载配置、应用筛选、发送自定义招呼语和生成职位词云图。
3. 项目的配置文件介绍
config.json
config.json 是项目的配置文件,包含各种筛选和自定义设置。以下是一个示例配置:
{
"company_name_include": ["阿里", "华为"],
"company_name_exclude": ["xxx外包"],
"job_content_exclude": ["外包", "上门", "销售", "驾照"],
"job_name_include": ["软件", "Java", "后端", "服务端", "开发", "后台"],
"salary_range": "12-20",
"company_size_range": "500-20000000",
"custom_greetings": "你好\n我"
}
- company_name_include: 投递工作的公司名一定包含在当前集合中。
- company_name_exclude: 投递工作的公司名一定不在当前集合中。
- job_content_exclude: 排除的工作内容。
- job_name_include: 投递工作的名称一定包含在当前集合中。
- salary_range: 投递工作的薪资范围。
- company_size_range: 投递工作的公司人员范围。
- custom_greetings: 自定义招呼语。
以上是 Boss直聘批量投简历项目的详细教程,希望对您有所帮助。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
567
3.83 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
892
667
Ascend Extension for PyTorch
Python
376
445
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
200
昇腾LLM分布式训练框架
Python
116
145
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
777
暂无简介
Dart
797
197
React Native鸿蒙化仓库
JavaScript
308
359
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
1.13 K
271