简历结构化解析

接口标识: resumeparse 价格: 0.0005 元/次同步响应

接口介绍
接口文档
在线测试

接口简介

简历结构化解析接口上传PDF、DOCX或图片格式的简历文件（最大50MB），自动提取基本信息、教育经历、工作经历、技能列表与项目经历五类结构化信息：基本信息含姓名、性别、出生年份、电话、邮箱、城市六项，中国大陆手机号与邮箱有本地校验兜底、遗漏时自动补全；经历类按时间倒序排列，双栏排版简历正确归并不串行。同时传入岗位JD（最长5000字符）时，额外输出0~100的人岗匹配度与匹配分析。支持中英文简历。解析结果由AI生成，供招聘初筛参考，关键信息建议复核。

详细介绍

![简历结构化解析接口封面](https://fujian.phpwc.com/pyapi/uploads/site/20261111/apiops_resumeparse__1794363402_a5fe8eb0450b.png)

招聘旺季，HR每天花几个小时翻简历、录表格。简历结构化解析接口把简历文件一键转成结构化字段，还能对照岗位JD给出人岗匹配度。

## 接口概述
面向招聘系统、猎头机构与人力资源数字化场景，输入一份简历文件（PDF、DOCX或图片，最大50MB），接口自动识别并提取基本信息、教育经历、工作经历、技能与项目经历等结构化字段，可直接写入招聘管理系统的候选人档案，无需人工逐页誊录。同时传入岗位JD文本（最长5000字符）时，额外输出0~100的人岗匹配度与一段匹配分析，辅助初筛排序与面试优先级安排。支持中英文简历。解析结果由AI生成、可能存在偏差，电话与邮箱有本地校验兜底，其余关键信息建议人工复核后使用。

## 核心能力
1. **全字段结构化**：基本信息六项（姓名/性别/出生年份/电话/邮箱/城市）与教育、工作、技能、项目四类经历一次返回。
2. **人岗匹配**：传入岗位JD即输出match_score（0~100）与match_analysis，匹配点与差距一段话说清。
3. **联系方式兜底**：中国大陆手机号与邮箱在提取后还有本地二次校验，遗漏时自动从简历全文补全。
4. **版式适应**：双栏排版简历正确归并同一经历的左右两栏，时间线统一按倒序（最近在前）输出。
5. **中英文支持**：language可指定简历语种为中文、英文或自动判断。

## 产品优势
1. **接入简单**：单次POST传文件同步返回结构化JSON，可直接对接主流招聘系统。
2. **输入灵活**：简历文件支持公网URL、Base64、文件ID三种方式传入，图片、PDF、Word皆可。
3. **降本增效**：初筛从人工翻页变为字段级筛选，匹配度分数支持候选人批量排序。
4. **准确规范**：字段结构固定，起止时间统一为YYYY-MM或YYYY格式，便于入库统计与横向比较。
5. **生态开放**：与平台其余文档解析类接口共用签名与响应结构，一次接入即可复用。

## 效果展示
一句话理解：它就像一位经验丰富的HR助理，把简历翻一遍，替你填好姓名、学历、经历表格，再对照你给的岗位JD打个匹配分。

以一次真实调用为例，你要传的参数：

| 参数 | 本次示例值 | 说明 |
|------|-----------|------|
| file | https://example.com/demo/resume.pdf | 简历文件，支持PDF/DOCX/图片，最大50MB |
| jd | 负责后端服务开发，要求3年以上Python经验 | 岗位JD文本，最长5000字符；传入才输出人岗匹配 |
| language | `"zh"` | 简历语种：zh / en / auto，默认auto |

你会拿到的结果：

| 返回内容 | 本次示例值 | 对应字段 |
|---------|-----------|---------|
| 基本信息 | 姓名、电话、邮箱、城市等六项 | `basic_info`，电话/邮箱有本地兜底补全 |
| 教育经历 | 1条：学校/专业/学历/起止时间 | `education`，按时间倒序 |
| 工作经历 | 1条：公司/职位/起止时间/工作描述 | `work_experience`，按时间倒序 |
| 技能列表 | `["Python", "Docker", "分布式系统"]` | `skills`，字符串数组 |
| 人岗匹配度 | `86.5` | `match_score`，0~100，仅传jd时返回 |
| 匹配分析 | 候选人经验与岗位要求高度匹配…… | `match_analysis`，说明匹配点与差距 |

API请求示例：

```text
POST /api/resumeparse
file=https://example.com/demo/resume.pdf&jd=负责后端服务开发，要求3年以上Python经验&language=zh
```

API响应示例：

```json
{
  "code": 0,
  "desc": "成功",
  "data": {
    "basic_info": {
      "name": "张三",
      "gender": "男",
      "birth_year": "1995",
      "phone": "138****8000",
      "email": "zhang****@example.com",
      "city": "杭州"
    },
    "education": [
      {
        "school": "某大学",
        "major": "计算机科学",
        "degree": "本科",
        "start": "2013-09",
        "end": "2017-06"
      }
    ],
    "work_experience": [
      {
        "company": "某科技公司",
        "position": "后端工程师",
        "start": "2020-07",
        "end": "2026-10",
        "description": "负责核心交易系统的设计与开发"
      }
    ],
    "skills": ["Python", "Docker", "分布式系统"],
    "projects": [
      {
        "name": "订单系统重构",
        "role": "核心开发",
        "period": "2023-03~2023-12",
        "description": "将单体架构拆分为微服务"
      }
    ],
    "match_score": 86.5,
    "match_analysis": "候选人经验与岗位要求高度匹配，Python与分布式系统为主要匹配点。",
    "raw_text_length": 3860,
    "usage": {
      "prompt_tokens": 8600,
      "completion_tokens": 950,
      "total_tokens": 9550
    }
  },
  "request_id": "req-resumeparse-demo01"
}
```

match_score与match_analysis仅在传入jd时出现，未传JD时只返回简历本身的结构化字段；raw_text_length为简历全文字符数，可用来判断解析覆盖度。

## 应用场景
1. **招聘系统录入**：候选人上传的简历自动解析入库，生成结构化档案。
2. **初筛排序**：结合岗位JD的匹配度分数批量排序，快速圈定面试名单。
3. **猎头人才库**：存量简历结构化归档，支持按学校、技能、年限等字段检索推荐。
4. **校招批处理**：集中投递期自动提取海量简历关键信息，减少人工录入。

## 应用案例
一家互联网公司的HR在招聘旺季每天手工把候选人信息录入表格，几十份简历录下来电话抄错是常事；接入接口后候选人简历上传即自动解析入库，联系方式还有兜底校验，录入错误明显减少。

一位猎头顾问需要把职位与人才库里的存量简历做匹配，过去靠记忆和关键词检索遗漏很多；现在对存量简历批量解析并按JD打分排序，推荐候选人时先看匹配分析，沟通效率明显提升。

一家人力资源SaaS厂商想在产品里加智能初筛功能，自研简历解析算法投入大、周期长；评估后直接接入本接口获得结构化与人岗匹配能力，功能如期上线。

常见问题

Q：支持哪些简历文件格式？

A：支持PDF、DOCX与图片格式的简历文件，可通过公网URL、Base64、文件ID三种方式传入，单个文件最大50MB。

Q：人岗匹配度什么时候返回？

A：仅当传入jd参数（岗位描述文本，最长5000字符）时，才返回match_score（0~100）与match_analysis两个字段；不传jd时只返回简历本身的结构化字段。

Q：解析结果的准确性如何？

A：结果由AI生成，可能存在偏差；电话与邮箱在提取后还有本地正则兜底补全，降低遗漏概率。建议作为初筛参考，关键信息人工复核后使用。

Q：双栏排版的简历能正确解析吗？

A：解析时会正确归并同一经历的左右两栏，不串行错位；教育经历与工作经历统一按时间倒序输出，起止时间为YYYY-MM或YYYY格式。

简历解析招聘科技人岗匹配结构化数据 HR工具简历筛选文档解析

接口地址： https://www.phpwc.cn/api/resumeparse

请求方式： POST

业务请求参数

参数名	类型	必填	默认值	说明
`file`	string	必填	-	简历文件（PDF/DOCX/图片），三形态，≤50MB。文件输入（自动识别）：公网URL / Base64(data:开头) / 文件ID(fileid_开头)
`jd`	string	选填	-	岗位 JD 文本，≤5000 字符；传入时额外输出人岗匹配（match_score/match_analysis）
`language`	string	选填	`auto`	简历语种：zh / en / auto（默认）

查看签名算法查看调用示例

响应参数

字段名	类型	说明
`code`	int	状态码，0=成功
`desc`	string	状态描述
`data`−	object	业务数据（成功时返回）
`basic_info`−	object	基本信息（AI 生成，供筛选参考）
`name`	string	姓名
`gender`	string	性别
`birth_year`	string	出生年份
`phone`	string	电话（模型漏填时本地正则兜底补全）
`email`	string	邮箱（模型漏填时本地正则兜底补全）
`city`	string	所在城市
`education`−	array	教育经历（时间倒序）
`school`	string	学校
`major`	string	专业
`degree`	string	学历
`start`	string	开始时间 YYYY-MM 或 YYYY
`end`	string	结束时间 YYYY-MM 或 YYYY
`work_experience`−	array	工作经历（时间倒序）
`company`	string	公司
`position`	string	职位
`start`	string	开始时间
`end`	string	结束时间
`description`	string	工作描述
`skills`	array	技能列表（字符串数组）
`projects`−	array	项目经历
`name`	string	项目名称
`role`	string	担任角色
`period`	string	项目周期
`description`	string	项目描述
`match_score`	float	人岗匹配度 0~100（仅传 jd 时返回）
`match_analysis`	string	人岗匹配分析（仅传 jd 时返回）
`raw_text_length`	int	简历全文字符长度
`usage`−	object	本次调用的 token 用量
`prompt_tokens`	int	输入 token 数
`completion_tokens`	int	输出 token 数
`total_tokens`	int	总 token 数
`request_id`	string	请求追踪ID

JSON 示例：

调用成功：

{
  "code": 0,
  "desc": "success",
  "data": { ... },
  "request_id": "abc123..."
}

调用失败：

{
  "code": 999,
  "desc": "错误描述",
  "request_id": "abc123..."
}

请先登录后使用在线测试