简历解析加固：标签字间空格容错（姓 名 ：X）、在读学历识别（硕士在读/大二→本科在读）、docx 表格文本按文档顺序提取（修复技能区整块丢失）、词表源补 LLM/大语言模型/Transformers/Prompt Engineering/智能体开发等真实简历高频别名（generate_dataset.py 为词表唯一源，data/ 不入库）、在读/应届年限显示，新增回归测试 2 例，real_jd_500 F1 99.83% 无回退

app/match/resume.py

@@ -18,13 +18,17 @@ logger = logging.getLogger(__name__)
 
 _PHONE_RE = re.compile(r"1[3-9]\d{9}")
 _EMAIL_RE = re.compile(r"[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}")
-_NAME_RE = re.compile(r"姓名[:：]\s*([一-龥]{2,4})")
+# 标签字间可含空格/全角空格（PDF/Word 排版常见："姓 名 ：孙千越"）
+_NAME_RE = re.compile(r"姓\s*名\s*[:：]\s*([一-龥]{2,4})")
 # 简历常见写法：首行裸姓名（无"姓名："前缀），如"      王伟航      "
 _BARE_NAME_RE = re.compile(r"^\s*([一-龥]{2,4})\s*$", re.MULTILINE)
 _YEARS_RE = re.compile(r"(\d+(?:\.\d+)?)\s*年(?:以上)?[^\n，。；]{0,6}?经验")
-_GENDER_RE = re.compile(r"性别[:：]?\s*(男|女)")
+_GENDER_RE = re.compile(r"性\s*别\s*[:：]?\s*(男|女)")
 _EDU_RE = re.compile(r"(博士后|博士|专硕|学硕|硕士|研究生|MBA|本科|大专|专科)")
 _EDU_MAP = {"专硕": "硕士", "学硕": "硕士", "研究生": "硕士"}
+# 在读学历：「硕士在读」或「大二/大三」这类年级写法 → 本科（在读）
+_EDU_READING_RE = re.compile(r"(本科|硕士|博士|研究生|MBA)\s*在读")
+_GRADE_RE = re.compile(r"大[一二三四]")
 _ADDR_RE = re.compile(r"(?:家庭住址|现居(?:住)?(?:地|址)?|联系地址|通讯地址|籍贯)[:：]\s*([^\n，。；]{2,30})")
 
 # 常见简历分节标题（整行匹配，可带冒号）
@@ -48,6 +52,17 @@ def _extract_name(text: str) -> str:
     return ""
 
 
+def _extract_education(text: str) -> str:
+    """学历：优先识别在读（"硕士在读"/"大二"年级写法），再匹配学位词。"""
+    rm = _EDU_READING_RE.search(text)
+    if rm:
+        return f"{_EDU_MAP.get(rm.group(1), rm.group(1))}（在读）"
+    if _GRADE_RE.search(text):
+        return "本科（在读）"
+    m = _EDU_RE.search(text)
+    return _EDU_MAP.get(m.group(1), m.group(1)) if m else ""
+
+
 def mask_text(text: str) -> str:
     """脱敏：手机、邮箱、姓名（含首行裸姓名）、住址打码。"""
     text = _PHONE_RE.sub(lambda m: m.group(0)[:3] + "****" + m.group(0)[-2:], text)
@@ -110,6 +125,34 @@ def extract_photo_b64(path: str | Path) -> str:
     return ""
 
 
+def _docx_text(path: Path) -> str:
+    """按文档顺序提取 docx 文本：段落 + 表格（含嵌套表格单元格）。
+
+    简历模板普遍用无边框表格排版个人信息/技能区，只读 paragraphs 会整块丢失。
+    """
+    from docx import Document  # python-docx，requirements 已声明
+    from docx.table import Table
+    from docx.text.paragraph import Paragraph
+
+    doc = Document(str(path))
+    parts: list[str] = []
+
+    def walk_table(tbl) -> None:
+        for row in tbl.rows:
+            for cell in row.cells:
+                if cell.text.strip():
+                    parts.append(cell.text)
+                for nested in cell.tables:
+                    walk_table(nested)
+
+    for child in doc.element.body.iterchildren():
+        if child.tag.endswith("}p"):
+            parts.append(Paragraph(child, doc).text)
+        elif child.tag.endswith("}tbl"):
+            walk_table(Table(child, doc))
+    return "\n".join(parts)
+
+
 def read_resume_file(path: str | Path) -> str:
     """按扩展名读取简历文件文本。"""
     path = Path(path)
@@ -117,9 +160,7 @@ def read_resume_file(path: str | Path) -> str:
     if suffix == ".txt":
         return path.read_text(encoding="utf-8")
     if suffix == ".docx":
-        from docx import Document  # python-docx，requirements 已声明
-        doc = Document(str(path))
-        return "\n".join(p.text for p in doc.paragraphs)
+        return _docx_text(path)
     if suffix == ".pdf":
         try:
             from pypdf import PdfReader
@@ -147,7 +188,6 @@ def parse_resume(text: str, matcher: SkillMatcher | None = None,
     email_m = _EMAIL_RE.search(text)
     years_m = _YEARS_RE.search(text)
     gender_m = _GENDER_RE.search(text)
-    edu_m = _EDU_RE.search(text)
     addr_m = _ADDR_RE.search(text)
     masked = mask_text(text)
     return ResumeProfile(
@@ -159,7 +199,7 @@ def parse_resume(text: str, matcher: SkillMatcher | None = None,
         scenarios=matcher.find_scenarios(text),
         raw_masked_text=masked,
         gender=gender_m.group(1) if gender_m else "",
-        education=_EDU_MAP.get(edu_m.group(1), edu_m.group(1)) if edu_m else "",
+        education=_extract_education(text),
         address=_mask_addr(addr_m.group(1).strip()) if addr_m else "",
         photo_b64=photo_b64,
         sections=split_sections(masked),