程序员的简历,一般通过Markdown或LaTex生成PDF,比较特别的是前端程序员会用JavaScript实现更加炫酷的网页版本简历。
作为一个Python程序员,可以通过下面的代码,在命令行生成一份独一无二的Pythonic的简历。
1 #/usr/bin/env python ?2 # coding=utf-8 ?3 4 import random ?5 import re ?6 7 8 def color(messages): ?9 color = '\x1B[%d;%dm' % (1,random.randint(30,37)) 10 return '%s %s\x1B[0m' % (color,messages) 11 ?12 ?13 def colorprint(mes, flag=True): 14 def _deco(func): 15 def wrapper(args): 16 res = func(args) 17 print (color(mes + ':\n')) 18 if flag: 19 for k1, v1 in res.items(): 20 if not isinstance(v1, dict): 21 print ('{0}: {1}'.format(k1, v1)) 22 else: 23 print ('{0}:'.format(k1)) 24 for k2, v2 in v1.items(): 25 print (' {0}: {1}'.format(k2, v2)) 26 else: 27 for i in res: 28 if not isinstance(i[1], dict): 29 print (i) 30 else: 31 for k, v in i[1].items(): 32 print ('{0}[{1}]: {2}'.format(k, i[0], v)) 33 print ('\n') 34 return res 35 return wrapper 36 return _deco 37 ?38 ?39 class Resume(object): 40 ?41 def str(self): 42 return color('程健的python简历'.center(400)) 43 ?44 ?@property 45 @colorprint('个人信息') 46 def _personal_information(self): 47 return { 48 'Name' : '程健', 49 'Gender' : 'Male', 50 'Born' : [1987, 9, 14], 51 'Education' : { 52 'School Name' : '太原科技大学', 53 'Major' : '电气工程及其自动化', 54 'Degree' : '本科', 55 'Graduation' : 2010 56 ?}, 57 'Tel' : '181543777, four, nine', 58 'Email' : 'newer027艾特gmail.com', 59 'Target Positions' : re.compile( 60 "'Python Developer'|DevOps",re.I|re.M).pattern 61 ?} 62 ?63 ?@property 64 @colorprint('个人特点') 65 def characteristics(self): 66 return { 67 '心理承受能力强': '从非计算机专业-excel VBA自动化-Python开发', 68 '热衷和喜爱': '正是因为喜欢Python, 我才会放弃采购管理', 69 '自学能力强': '自学excel VBA和Python完成项目并满足需求', 70 '毅力和耐性': '2013年7月,用8天时间骑车从上海回湖北老家', 71 'is_geek' : True 72 ?} 73 ?74 ?@property 75 @colorprint('个人能力') 76 def skills(self): 77 return { 78 'Language' : { 79 '熟悉' : ['Python', 'VBA'], 80 '了解' : ['JavaScript', 'C']}, 81 'OS' : ['macOS', 'Ubuntu', '嵌入式Linux'], 82 'Tool' : ['PyCharm', 'IPython', 'Git'], 83 'Databaseandtools' : ['MongoDB', 'Redis', 'Memcached'], 84 'WebFramework' : { 85 '熟悉' : ['Flask', 'Django'], 86 ?}, 87 'OtherFramework' : ['Pandas', 'NumPy', 88 'Celery', 'Beautiful Soup'], 89 'Other' : 'CET-6' 90 ?} 91 ?92 ?@property 93 @colorprint('工作经验', False) 94 def work_experience(self): 95 return enumerate([ 96 ?{ 97 'Time period' : '2013.8-2017.01', 98 'Company Name' : '上海索广映像有限公司(SONY旗下)', 99 'Position' : '采购管理'100 ?},101 ?{102 'Time period' : '2010.9-2013.07',103 'Company Name' : '上海宏和电子材料有限公司(台湾首富王永庆之子集团旗下)',104 'Position' : '采购员'105 ?},106 ?])107 108 ?@property109 @colorprint('项目经验', False)110 def projectexperience(self):111 return enumerate([112 ?{113 'Project' : 'VBA实现自动化数据分析/数据汇总/网页表单提交等',114 'Description' : ('在库存管理和采购业务推进的工作中,通过自学excel公式和VBA,'115 ?'将各项业务采用excel VBA实现自动化.')116 ?},117 ?{118 'Project' : '雪球组合仓位分析工具',119 'Description' : ('后端使用Flask和Beautiful Soup,前端使用Angular和D3开发的单页面应用,'120 ?'获取雪球ID关注的组合的调仓信息和关注组合的累计股票仓位.')121 ?},122 ?{123 'Project' : 'Django By Example逐行中文注释',124 'Description' : ('Django By Example全书有四个完整的Django工程项目,分别是博客网站,书签社交网站,'125 ?'购物网站和在线教育网站.我在逐行手写代码,调试运行成功后,对代码给出逐行注释.')126 ?},127 ?{128 'Project' : 'Django-CMS源代码分析',129 'Description': ('还在进行中.作为一个大型Django项目和成熟的网站生成工具,'130 'Django-CMS的源代码可以作为实施Django项目的权威参考.')131 ?}132 ?])133 134 ?@property135 @colorprint('@Where', False)136 def findme(self):137 return enumerate([138 ?{139 'Link' : 'http://www.cnblogs.com/newer027',140 'Description' : '个人技术博客'},141 ?{142 'Link' : 'https://github.com/newer027',143 'Description' : '个人GitHub主页'},144 ?])145 146 def show(self):147 print(resume.str())148 prolist = [i for i in dir(self) if not i.startswith('__')]149 for pro in prolist:150 ?getattr(self, pro)151 152 153 if __name__ == '__main__':154 resume = Resume()155 resume.show()View Code
以下是在macOS Python 3.5环境中运行代码的结果。
望采纳谢谢
希望能帮助你
网络爬虫
爬虫,指的是从互联网采集数据的程序脚本 。
爬天爬地爬空气 ,无聊的时候爬一爬吃鸡数据、b站评论,能得出很多有意思的结论。知乎有个很有意思的问题——"利用爬虫技术能做到哪些很酷很有趣很有用的事情",感兴趣的朋友可以自行搜索。
目前正值各大企业的秋季招聘期,没有合适的简历模板,用Python爬一波就搞定。
请点击输入描述
附代码如下,感兴趣的小伙伴可以尝试下:
请点击输入描述
数据分析
爬取大量的数据只是第一步,要让这些数据发挥价值,就需要学会数据分析。
对数据进行诸如清洗 、去重 、存储 、分析 、可视化等处理 ,将大量的数据以易读的形式呈现出来 ,才能高效的获取到需要的信息 。
这方面重点推荐学习 Numpy 、Pandas 、Matpoltlib 等 Python 库。
高效便捷,例如对爬取的近 20000 样本进行分析得到如下可视化结果。
请点击输入描述
人工智能
其实,Python 无论是在传统机器学习还是深度学习领域都占有不可替代的地位。许多诸如 Scikit-learn 等机器学习库使得 Python 极具优势 ;
Keras 、TensorFlow 、Pytorch 等深度学习主流框架也决定了 Python?在深度学习领域的天选之子地位。