关于API:
简历信息提取API是一种强大的工具,旨在通过自动提取简历中的关键信息来简化招聘过程。该API智能地解析简历,以提取诸如联系信息、工作经验、教育背景、技能、证书和其他相关数据等重要信息。通过将非结构化的简历内容转换为结构化格式,它显著提高了候选人评估和管理的效率和准确性。
简历信息提取API的主要特点包括高准确度的数据提取,支持多种简历格式(PDF、DOC、DOCX等),并能够处理各种语言和简历样式。它还可以与现有的人力资源和招聘平台无缝集成,为招聘人员和雇用经理提供流畅的自动化工作流程。
通过使用该API,人力资源专业人员可以快速根据特定标准筛选和缩小候选人范围,而无需手动逐一浏览每份简历。这不仅节省了时间,还减少了筛选过程中的人为错误可能性。此外,结构化数据可以轻松集成到申请人跟踪系统(ATS)或其他人力资源软件中,进一步提高招聘效率。
该API将接收您要解析的PDF或MS Word简历文件的URL。接收一个包含从简历中提取的所有信息的JSON对象。
自动化候选人筛选:
申请人跟踪系统(ATS)集成:
职位匹配与推荐:
人才库管理:
多样性与包容性分析:
除了每月的API调用次数外,没有其他限制。
传递您想要获取结构化数据的PDF或MS Word文件的URL
能够检测申请人的姓名、技能和教育背景
通过URL解析 - 端点功能
| 对象 | 描述 |
|---|---|
url |
[必需] A publicly reachable URL to download the resume (pdf/docx/doc formats supported) |
{"status":200,"success":true,"data":{"Name":"Hayden Smith","Contact Information":{"Address":"214 Mitre Avenue, Park Hill, 3045","Mobile Number":"04 501 123 456","Email":"[email protected]"},"Work Experience":[{"Job Title":"Customer service (volunteer)","Company":"Park Hill Soccer Club Canteen","Dates":"December 2016 \u2013 March 2017","Responsibilities":["Served customers","Handled cash including operating of cash register"]},{"Job Title":"Newspaper deliverer","Company":"Argo Newsagency","Dates":"June 2016 \u2013 February 2017","Responsibilities":["Delivered weekend newspapers to houses"]}],"Education":{"Current":{"School":"Park Hill Secondary College","Level":"Year 11","Subjects":["Maths","English","Business Management","VET studies in Sport and Recreation"]}},"Skills":["Customer service ability","Numeracy skills for cash handling","Highly developed communication skills","Strong ability to work as part of a team","Demonstrated organisation skills","Ability to take responsibility and solve problems"]}}
curl --location --request POST 'https://zylalabs.com/api/4264/resume+information+extractor+api/5201/parse+by+url?url=https://myfuture.edu.au/docs/default-source/entry-level-resumes/resume_sample_student8ea47e04a8fe67e6b7acff0000376a3b.pdf' --header 'Authorization: Bearer YOUR_API_KEY'
此端点将提供从简历文件中解析的信息 PDF或DOC/DOCX格式均被允许
上传文件 - 端点功能
| 对象 | 描述 |
|---|---|
请求体 |
[必需] 文件二进制 |
{"status":200,"success":true,"data":{"Name":"Hayden Smith","Contact Information":{"Address":"214 Mitre Avenue, Park Hill, 3045","Mobile Number":"04 501 123 456","Email":"[email protected]"},"Work Experience":[{"Position":"Customer service (volunteer)","Company":"Park Hill Soccer Club Canteen","Duration":"December 2016 - March 2017","Responsibilities":["Served customers","Handled cash including operating of cash register"]},{"Position":"Newspaper deliverer","Company":"Argo Newsagency","Duration":"June 2016 - February 2017","Responsibilities":["Delivered weekend newspapers to houses"]}],"Education":{"Current":"Park Hill Secondary College Year 11","Subjects":["Maths","English","Business Management","VET studies in Sport and Recreation"]},"Skills":["Customer service ability","Numeracy skills","Highly developed communication skills","Strong ability to work as part of a team","Demonstrated organisational skills","Problem-solving skills"]}}
curl --location 'https://zylalabs.com/api/4264/resume+information+extractor+api/5218/upload+file' \
--header 'Content-Type: application/json' \
--form 'image=@"FILE_PATH"'
| 标头 | 描述 |
|---|---|
授权
|
[必需] 应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。 |
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
该API支持多种简历格式,包括PDF DOC DOCX
该API使用先进的机器学习和自然语言处理(NLP)技术,以实现从简历中提取相关信息的高准确性。对多样化数据集的持续更新和训练有助于保持和提高准确性
是的,简历信息提取器API设计为支持多种语言,使其能够处理各种语言的简历并准确提取相关信息
该API采用强大的安全措施,包括对传输和静态数据的加密、安全的身份验证方法以及遵守数据保护法规,如GDPR,以确保候选人信息的隐私和安全
API可以提取包括联系信息(姓名、电话、电子邮件地址)、工作经验、教育背景、技能、证书、语言能力以及其他自定义字段的广泛细节
“通过 URL 解析”和“上传简历”接口返回一个包含从简历中提取的结构化数据的 JSON 对象,包括联系信息、工作经验、教育背景、技能和证书
响应数据中的关键字段包括“姓名”“联系信息”“工作经验”“教育”和“技能”每个字段提供了候选人资格的详细洞察
响应数据以层次化的 JSON 格式组织。例如“工作经验”是一个职位条目的数组,每个条目包含“职位名称”“公司”“日期”和“职责”
两个端点的主要参数是简历文件的 URL 或上传的文件本身 用户可以通过确保文件符合指定的格式和大小限制来定制请求
两个端点提供全面的信息,包括个人详情、工作经历、教育背景、技能和认证,方便对候选人进行彻底评估
用户可以将结构化数据集成到申请人追踪系统(ATS)中,以便高效管理候选人,快速按特定标准进行搜索和筛选
通过先进的机器学习算法和对多样化数据集的持续训练,数据准确性得以保持,确保从各种简历格式中可靠地提取信息
典型用例包括自动候选人筛选 ATS 集成 职位匹配 人才库管理 和多样性分析 提高招聘效率和决策能力
服务级别:
100%
响应时间:
11,907ms
服务级别:
100%
响应时间:
4,485ms
服务级别:
100%
响应时间:
2,811ms
服务级别:
100%
响应时间:
4,922ms
服务级别:
100%
响应时间:
1,966ms
服务级别:
100%
响应时间:
723ms
服务级别:
100%
响应时间:
0ms
服务级别:
100%
响应时间:
830ms
服务级别:
100%
响应时间:
4,916ms
服务级别:
100%
响应时间:
4,048ms