Semântica do Parser de Currículo¶

Objetivo¶

O parser da v0.4.2 transforma texto extraído de TXT, PDF ou DOCX em fatos revisáveis sem confundir cada linha com uma experiência ou projeto.

O schema público permanece compatível: experiências, projetos e formação ainda são listas de strings. A diferença é que cada string representa um bloco completo e legível.

Pipeline¶

flowchart LR
    A[Texto extraído] --> B[Linhas normalizadas]
    B --> C[Detecção de headings]
    C --> D[ResumeSection]
    D --> E[Agrupamento semântico]
    E --> F[Normalização de listas e links]
    F --> G[ResumeProfileSchema]

ResumeSection¶

Cada heading inicia uma seção interna:

@dataclass
class ResumeSection:
    name: str
    title: str
    lines: list[str]

As linhas permanecem na seção até o próximo heading reconhecido. A normalização remove diferenças de caixa e acentos apenas para classificação; o texto original continua disponível para apresentação.

Aliases¶

Aliases cobrem variações como:

PROJETOS SELECIONADOS, PROJETOS RELEVANTES e PROJETOS DESTACADOS;
COMPETÊNCIAS TÉCNICAS, TECNOLOGIAS e STACK TÉCNICA;
FORMAÇÃO E CURSOS e FORMAÇÃO ACADÊMICA E CURSOS;
EXPERIÊNCIA TÉCNICA, ATUAÇÃO PROFISSIONAL e HISTÓRICO PROFISSIONAL.

Experiências¶

Uma nova experiência só começa quando há sinais suficientes de cabeçalho, como período combinado com cargo ou separadores de empresa/cargo. Linhas seguintes são preservadas como descrição até outro cabeçalho confiável.

Esse comportamento evita transformar responsabilidades, resultados e tecnologias em experiências separadas.

Projetos¶

Projetos nomeados, por exemplo Monitor IoT: ..., iniciam blocos. Linhas seguintes continuam no mesmo projeto até outro nome ou marcador confiável.

Na ausência de headings, a inferência permanece conservadora e utiliza apenas linhas com sinais explícitos de projeto.

Formação e cursos¶

Formação acadêmica e técnica é agrupada separadamente de cursos complementares quando ambos aparecem sob um heading combinado. O parser não inventa instituições, datas ou títulos ausentes.

Skills e soft skills¶

Listas são quebradas por vírgula, ponto e vírgula, barra, barra vertical e marcadores. Soft skills também podem ser separadas pela conjunção e.

Skills técnicas longas são reduzidas a chips curtos ou itens reconhecidos pelo catálogo. O texto bruto continua preservado para revisão.

Resumo¶

Um resumo explícito usa no máximo três linhas relevantes. Sem seção de resumo, a síntese local usa somente a primeira formação detectada e as principais skills, sem inferir experiência ou objetivos inexistentes.

Links¶

LinkedIn, GitHub, portfólio, URLs com protocolo e endereços iniciados por www. são detectados. A UI adiciona https:// apenas ao destino clicável e mostra rótulos compactos.

Limites¶

O parser é heurístico e local. Layouts PDF em múltiplas colunas ainda podem produzir ordem de linhas imperfeita. A revisão humana permanece parte obrigatória do fluxo.