jiangsu-kaogong 1.0.0 → 1.2.0

package/README.md

@@ -0,0 +1,170 @@
+# jiangsu-kaogong
+
+江苏省考选岗CLI工具 - 解析职位表、进面分数线，智能推荐冲/稳/保三档岗位
+
+## 功能特性
+
+- ✅ 解析江苏省考职位表（Excel格式）
+- ✅ 解析进面分数线PDF
+- ✅ 解析体检名单，获取第1名面试成绩
+- ✅ 按专业、学历、政治面貌等条件筛选可报岗位
+- ✅ 智能分档：冲(0~5分)、稳(5~10分)、保(10分+)
+- ✅ 生成完整Markdown分析报告
+- ✅ 逐岗位差距分析与上岸概率判断
+
+## 安装
+
+```bash
+npm install -g jiangsu-kaogong
+```
+
+## 快速开始
+
+### 1. 解析职位表
+
+```bash
+js-kaogong parse-positions -f 2026江苏公务员职位表.xlsx
+```
+
+### 2. 筛选可报岗位
+
+```bash
+js-kaogong filter \
+  -e 本科 \
+  -m 030201 \
+  -p 群众 \
+  -c A \
+  --city 盐城
+```
+
+### 3. 一键生成分析报告
+
+```bash
+js-kaogong apply \
+  -e 本科 \
+  -m 030201 \
+  -p 群众 \
+  -c A \
+  -s 132 \
+  -n 乔治
+```
+
+## 完整命令列表
+
+### parse-positions - 解析职位表
+
+```bash
+js-kaogong parse-positions -f <excel文件路径> [-o 输出路径]
+```
+
+### parse-cutoffs - 解析进面分数线
+
+```bash
+js-kaogong parse-cutoffs -f <pdf文件路径> [-o 输出路径]
+```
+
+### filter - 筛选可报岗位
+
+```bash
+js-kaogong filter [选项]
+
+选项:
+  -e, --education <level>   学历：本科/研究生
+  -m, --major <code>       专业代码，如030201
+  -p, --political <status>  政治面貌：群众/党员
+  -c, --category <type>    考试类别：A/B/C
+  --city <name>             意向城市
+  --is-grad                 是否应届毕业生
+  -o, --output <path>       输出JSON路径
+```
+
+### apply - 一键执行完整分析
+
+```bash
+js-kaogong apply [选项]
+
+选项:
+  -e, --education <level>   学历
+  -m, --major <code>       专业代码
+  -p, --political <status>  政治面貌
+  -c, --category <type>    考试类别
+  -s, --score <number>      模考总分
+  -n, --name <string>       考生姓名
+```
+
+## 江苏省考专业目录参考
+
+| 专业代码 | 专业名称 | 所属类别 |
+|---------|---------|---------|
+| 030201 | 政治学与行政学 | 社会政治类 |
+| 0301 | 法学 | 法律类 |
+| 0809 | 计算机科学与技术 | 计算机类 |
+| 1202 | 工商管理 | 工商管理类 |
+| 0201 | 经济学 | 经济类 |
+| 0501 | 汉语言文学 | 中文文秘类 |
+
+## 分数计算规则
+
+### 普通岗位（A/B/C类）
+
+```
+笔试合成 = (行测 + 申论) / 2
+综合总分 = 笔试合成 × 50% + 面试 × 50%
+```
+
+### 公安岗位（B类）
+
+```
+综合总分 = 行测 × 40% + 申论 × 30% + 公安专业 × 30%
+```
+
+## 分档标准
+
+| 档位 | 分差范围 | 说明 |
+|------|---------|------|
+| 冲 | 0~5分 | 笔试分差5分以内，面试需要逆袭 |
+| 稳 | 5~10分 | 笔试有明显优势，正常发挥即可 |
+| 保 | 10分+ | 笔试优势巨大，进面基本稳 |
+
+## 数据来源说明
+
+1. **职位表**：江苏省公务员局官网下载的Excel文件
+2. **进面分数线**：各市发布的资格复审名单PDF
+3. **面试/体检名单**：各市发布的体检名单PDF，仅包含综合第1名
+
+## 注意事项
+
+⚠️ **专业匹配**：江苏省考有自己的专业参考目录，本工具内置了常用类别，最终请以官方发布的专业目录为准
+
+⚠️ **公安岗**：公安岗位分数计算方式不同，本工具默认按普通岗位计算
+
+⚠️ **户籍限制**：部分岗位限本市户籍，筛选时请注意查看备注
+
+## 项目结构
+
+```
+jiangsu-kaogong/
+├── bin/
+│   └── index.js          # CLI入口
+├── src/
+│   ├── parser.js         # 数据解析
+│   ├── filter.js         # 筛选逻辑
+│   ├── matcher.js        # 数据匹配
+│   └── reporter.js       # 报告生成
+├── data/                 # 数据文件
+├── reports/              # 生成的报告
+├── package.json
+└── README.md
+```
+
+## 作者
+
+George <george@example.com>
+
+## License
+
+MIT
+
+## GitHub
+
+https://github.com/george92/jiangsu-kaogong

package/analyze.py

@@ -0,0 +1,487 @@
+#!/usr/bin/env python3
+import pdfplumber
+import pandas as pd
+import json
+import re
+import xlrd
+
+print("=" * 60)
+print("📊 江苏省考选岗分析系统")
+print("=" * 60)
+
+# ========== 1. 解析职位表 ==========
+print("\n[1/4] 解析职位表...")
+
+wb = xlrd.open_workbook('./data/positions.xls')
+ws = wb.sheet_by_index(0)
+
+positions = []
+headers = []
+
+# 第2行（索引2）才是真正的表头
+for row_idx in range(ws.nrows):
+    row = ws.row_values(row_idx)
+    if row_idx == 2:  # 第3行是表头
+        headers = [str(h) if h else '' for h in row]
+        # 清理字段名中的特殊空格
+        headers = [h.replace('\u3000', '').replace(' ', '') for h in headers]
+        print(f"  表头字段: {len(headers)} 个")
+        print(f"  主要字段: {headers}")
+    elif row_idx > 2:  # 从第4行开始是数据
+        pos = dict(zip(headers, row))
+        # 转换为字符串并清理
+        pos = {k: str(v).strip() if v else '' for k, v in pos.items()}
+        if pos.get('单位名称'):
+            positions.append(pos)
+
+print(f"  ✅ 共 {len(positions)} 个岗位")
+
+# 打印前2个岗位看看字段
+if positions:
+    print("  示例岗位字段:")
+    for k, v in list(positions[0].items())[:8]:
+        if v:
+            print(f"    {k}: {v[:30]}")
+
+# ========== 2. 解析体检名单（含分数线） ==========
+print("\n[2/4] 解析体检名单...")
+
+interview_data = []
+
+with pdfplumber.open('./data/interviews.pdf') as pdf:
+    print(f"  PDF共 {len(pdf.pages)} 页")
+    
+    for page in pdf.pages:
+        text = page.extract_text()
+        if not text:
+            continue
+            
+        lines = text.split('\n')
+        
+        for line in lines:
+            # 匹配数据行格式: 序号 地区代码 地区名称 单位代码 单位名称...
+            # 例如: "1 090000 盐城市 501 盐城市-市纪委监委 60 监督检查室..."
+            
+            # 提取数字模式
+            numbers = re.findall(r'\d+\.?\d*', line)
+            if len(numbers) >= 8:
+                # 查找分数（小数）
+                scores = [float(n) for n in numbers if '.' in n]
+                int_nums = [int(float(n)) for n in numbers if '.' not in n]
+                
+                if len(scores) >= 3:  # 至少有笔试、面试、总分
+                    # 从行中提取单位和职位名称
+                    parts = line.split()
+                    dept_name = ''
+                    pos_name = ''
+                    
+                    # 查找包含单位名称的部分
+                    for i, part in enumerate(parts):
+                        if '市' in part and ('局' in part or '委' in part or '办' in part or '院' in part):
+                            dept_name = part
+                            # 后面的可能是职位名称
+                            if i + 1 < len(parts):
+                                pos_candidate = parts[i + 1]
+                                if not re.match(r'^\d', pos_candidate):
+                                    pos_name = pos_candidate
+                            break
+                    
+                    if dept_name:
+                        data = {
+                            'raw_line': line,
+                            'dept_name': dept_name,
+                            'position_name': pos_name,
+                            'written_score': scores[-3],  # 笔试合成
+                            'interview_score': scores[-2],  # 面试
+                            'total_score': scores[-1],  # 合成总分
+                            'rank': int_nums[-1] if int_nums else 1
+                        }
+                        interview_data.append(data)
+
+print(f"  ✅ 提取到 {len(interview_data)} 条面试数据")
+
+# 计算各岗位进面分数线（体检名单中第1名的笔试成绩作为参考）
+cutoff_by_dept = {}
+for data in interview_data:
+    dept = data['dept_name']
+    if dept not in cutoff_by_dept:
+        cutoff_by_dept[dept] = []
+    cutoff_by_dept[dept].append(data['written_score'])
+
+# 取每个部门的最低分作为进面线
+for dept in cutoff_by_dept:
+    cutoff_by_dept[dept] = min(cutoff_by_dept[dept])
+
+print(f"  ✅ 统计到 {len(cutoff_by_dept)} 个部门的分数线")
+
+# ========== 3. 筛选可报岗位 ==========
+print("\n[3/4] 筛选可报岗位...")
+
+# 考生信息
+user_profile = {
+    'education': '本科',
+    'major_code': '030201',
+    'major_name': '政治学与行政学',
+    'political': '群众',
+    'category': 'A',
+    'city': '盐城',
+    'has_grassroots': True,
+    'is_grad': False,
+    'total_score': 132,  # 68 + 64
+    'written_score': 132,
+    'interview_history': 74
+}
+
+print(f"  考生信息: {user_profile['major_name']}({user_profile['major_code']})")
+print(f"  学历: {user_profile['education']}, 政治面貌: {user_profile['political']}")
+print(f"  笔试成绩: {user_profile['total_score']}分, 面试经验: {user_profile['interview_history']}分")
+
+# 江苏省考专业目录
+major_categories = {
+    '030201': ['社会政治类', '政治类'],
+    '0301': ['法律类', '法学类'],
+    '0809': ['计算机类'],
+    '1202': ['工商管理类'],
+    '0201': ['经济类'],
+    '0501': ['中文文秘类', '汉语言文学'],
+}
+
+user_major_categories = major_categories.get(user_profile['major_code'], [])
+print(f"  专业类别: {user_major_categories}")
+
+def is_qualified(pos):
+    """判断是否符合报考条件"""
+    
+    # 1. 学历检查
+    edu = pos.get('学历', '')
+    if edu:
+        if '研究生' in edu and user_profile['education'] != '研究生':
+            # 本科及以上可以报
+            if '本科及以上' not in edu:
+                return False, f'学历要求{edu}'
+    
+    # 2. 政治面貌检查 - 从"其它"字段中提取
+    other = pos.get('其它', '') or ''
+    if '党员' in other and '中共党员' in other:
+        if user_profile['political'] != '党员':
+            return False, '要求中共党员'
+    
+    # 3. 专业检查
+    major = pos.get('专业', '')
+    if major:
+        if '不限' in major:
+            pass  # 专业不限
+        elif user_profile['major_code'] in major:
+            pass  # 精确匹配专业代码
+        elif any(cat in major for cat in user_major_categories):
+            pass  # 匹配专业类别
+        elif '中文' in major or '文秘' in major:
+            pass  # 放宽条件，社会政治类可报
+        elif '社会政治' in major or '政治类' in major:
+            pass  # 直接匹配
+        elif '公共管理' in major or '管理类' in major:
+            pass  # 管理类也算相关
+        else:
+            return False, f'专业不符（要求{major[:20]}）'
+    
+    # 4. 应届检查 - 从"其它"字段提取
+    if '应届' in other and not user_profile['is_grad']:
+        return False, '要求应届生'
+    
+    # 5. 性别检查 - 从"其它"字段提取
+    if '男性' in other:
+        return False, '限男性'
+    if '女性' in other:
+        return False, '限女性'
+    
+    # 6. 考试类别检查
+    cat = pos.get('考试类别', '')
+    if cat and user_profile['category'] not in cat:
+        return False, f'考试类别不符（{cat}）'
+    
+    # 7. 地区检查（盐城的职位）
+    dept = pos.get('单位名称', '')
+    region = pos.get('地区名称', '')
+    
+    # 都是盐城的，因为是盐城的职位表
+    # 但可以检查是否是市区还是区县
+    
+    return True, f'符合条件，专业要求：{major[:20]}'
+
+# 筛选
+qualified = []
+for pos in positions:
+    ok, reason = is_qualified(pos)
+    if ok:
+        qualified.append(pos)
+
+print(f"  ✅ 筛选出 {len(qualified)} 个可报岗位")
+
+# ========== 4. 匹配分数线并分类 ==========
+print("\n[4/4] 匹配分数线并生成报告...")
+
+def match_cutoff(pos):
+    """匹配岗位分数线"""
+    dept = pos.get('单位名称', '') or ''
+    unit_code = pos.get('单位代码', '') or ''
+    
+    # 尝试匹配部门名称
+    for dept_name, cutoff in cutoff_by_dept.items():
+        if dept_name in dept or dept in dept_name:
+            return cutoff
+    
+    # 没有匹配到，返回平均分
+    return 120  # 默认A类平均分
+
+# 添加分数线并计算分差
+# 注意：江苏省考笔试合成分 = (行测+申论)/2，所以总分132分 = 合成分66分
+# cutoff是合成分（70分左右），我们的分数也需要转换成合成分
+user_composite_score = user_profile['total_score'] / 2  # 132/2 = 66分
+
+for pos in qualified:
+    cutoff = match_cutoff(pos)
+    pos['cutoff'] = cutoff
+    pos['score_diff'] = user_composite_score - cutoff  # 用合成分比较
+    
+    # 分档（合成分制，分差减半）
+    if pos['score_diff'] >= 5:  # 总分10分分差 = 合成分5分
+        pos['tier'] = '保底'
+        pos['probability'] = '高'
+    elif pos['score_diff'] >= 2.5:  # 总分5分分差 = 合成分2.5分
+        pos['tier'] = '稳妥'
+        pos['probability'] = '中高'
+    elif pos['score_diff'] >= 0:
+        pos['tier'] = '冲刺'
+        pos['probability'] = '中等'
+    else:
+        pos['tier'] = '未达线'
+        pos['probability'] = '低'
+
+# 按分档排序
+qualified_sorted = sorted(qualified, key=lambda x: -x['score_diff'])
+
+# 统计
+tier_count = {
+    '冲刺': len([p for p in qualified if p['tier'] == '冲刺']),
+    '稳妥': len([p for p in qualified if p['tier'] == '稳妥']),
+    '保底': len([p for p in qualified if p['tier'] == '保底']),
+    '未达线': len([p for p in qualified if p['tier'] == '未达线'])
+}
+
+print(f"  📊 岗位统计:")
+for tier, count in tier_count.items():
+    if tier == '冲刺':
+        print(f"     冲刺岗 (0~5分): {count} 个")
+    elif tier == '稳妥':
+        print(f"     稳妥岗 (5~10分): {count} 个")
+    elif tier == '保底':
+        print(f"     保底岗 (10分+): {count} 个")
+    else:
+        print(f"     未达线: {count} 个")
+
+# ========== 5. 生成报告 ==========
+report = f"""# 2026年盐城市公务员考试选岗分析报告
+
+## 考生基本信息
+
+| 项目 | 内容 |
+|------|------|
+| 姓名 | 考生 |
+| 学历 | {user_profile['education']} |
+| 专业 | {user_profile['major_name']} ({user_profile['major_code']}) |
+| 专业类别 | {', '.join(user_major_categories) if user_major_categories else '社会政治类'} |
+| 政治面貌 | {user_profile['political']} |
+| 基层经验 | {'有' if user_profile['has_grassroots'] else '无'} |
+| 是否应届 | {'是' if user_profile['is_grad'] else '否'} |
+| 意向地区 | {user_profile['city']}市 |
+| 考试类别 | {user_profile['category']}类 |
+| 行测成绩 | 68分 |
+| 申论成绩 | 64分 |
+| 笔试总分 | **{user_profile['total_score']}分** |
+| 历史面试成绩 | {user_profile['interview_history']}分（有面试经验） |
+
+## 岗位统计分析
+
+本次从 {len(positions)} 个岗位中筛选出 **{len(qualified)}** 个可报岗位：
+
+- **冲刺岗** (0~5分): {tier_count['冲刺']} 个
+- **稳妥岗** (5~10分): {tier_count['稳妥']} 个
+- **保底岗** (10分+): {tier_count['保底']} 个
+- **未达线**: {tier_count['未达线']} 个
+
+## 冲刺岗位推荐（重点关注）
+
+| 序号 | 招录机关 | 职位名称 | 招录人数 | 进面线(参考) | 分差 | 上岸概率 | 备注 |
+|------|----------|----------|----------|--------------|------|----------|------|
+"""
+
+idx = 1
+for pos in [p for p in qualified_sorted if p['tier'] == '冲刺'][:10]:
+    dept = pos.get('单位名称', '')
+    pos_name = pos.get('职位名称', '')
+    count = pos.get('招考人数', '1')
+    cutoff = pos['cutoff']
+    diff = pos['score_diff']
+    prob = pos['probability']
+    other = pos.get('其它', '')
+    note = []
+    if '党员' in other: note.append('党员')
+    if '应届' in other: note.append('应届')
+    note_str = ','.join(note) if note else ''
+    
+    star = '⭐' if idx <= 3 else ''
+    report += f"| {star}{idx} | {dept[:15]} | {pos_name[:15]} | {count} | {cutoff} | {diff:.1f} | {prob} | {note_str} |\n"
+    idx += 1
+
+report += """
+## 稳妥岗位推荐
+
+| 序号 | 招录机关 | 职位名称 | 招录人数 | 进面线(参考) | 分差 | 上岸概率 | 备注 |
+|------|----------|----------|----------|--------------|------|----------|------|
+"""
+
+idx = 1
+for pos in [p for p in qualified_sorted if p['tier'] == '稳妥'][:10]:
+    dept = pos.get('单位名称', '')
+    pos_name = pos.get('职位名称', '')
+    count = pos.get('招考人数', '1')
+    cutoff = pos['cutoff']
+    diff = pos['score_diff']
+    prob = pos['probability']
+    other = pos.get('其它', '')
+    note = []
+    if '党员' in other: note.append('党员')
+    if '应届' in other: note.append('应届')
+    note_str = ','.join(note) if note else ''
+    
+    star = '⭐' if idx <= 3 else ''
+    report += f"| {star}{idx} | {dept[:15]} | {pos_name[:15]} | {count} | {cutoff} | {diff:.1f} | {prob} | {note_str} |\n"
+    idx += 1
+
+report += """
+## 保底岗位推荐
+
+| 序号 | 招录机关 | 职位名称 | 招录人数 | 进面线(参考) | 分差 | 上岸概率 | 备注 |
+|------|----------|----------|----------|--------------|------|----------|------|
+"""
+
+idx = 1
+for pos in [p for p in qualified_sorted if p['tier'] == '保底'][:10]:
+    dept = pos.get('单位名称', '')
+    pos_name = pos.get('职位名称', '')
+    count = pos.get('招考人数', '1')
+    cutoff = pos['cutoff']
+    diff = pos['score_diff']
+    prob = pos['probability']
+    other = pos.get('其它', '')
+    note = []
+    if '党员' in other: note.append('党员')
+    if '应届' in other: note.append('应届')
+    note_str = ','.join(note) if note else ''
+    
+    star = '⭐' if idx <= 3 else ''
+    report += f"| {star}{idx} | {dept[:15]} | {pos_name[:15]} | {count} | {cutoff} | {diff:.1f} | {prob} | {note_str} |\n"
+    idx += 1
+
+report += """
+## 三梯队报考策略建议
+
+### 第一梯队（冲刺）
+**策略：搏一搏，单车变摩托**
+
+1. 重点关注⭐标记的前3个冲刺岗位，虽然分差小，但有希望
+2. 优先选择招录人数多的岗位，进面概率更大
+3. 限制条件多的岗位，竞争相对较小，机会更大
+
+### 第二梯队（稳妥）
+**策略：主力报考，稳中求胜**
+
+1. 这类岗位是你的主战场，笔试优势明显
+2. 重点考虑岗位发展前景和个人兴趣匹配度
+3. 选择招录人数多的岗位，降低运气因素影响
+
+### 第三梯队（保底）
+**策略：安全兜底，有备无患**
+
+1. 超大分差岗位，进面基本稳了，重点准备面试
+2. 如果前面的岗位不理想，可选择这类岗位保底
+3. 基层岗位虽然竞争小，但也要考虑发展空间
+
+## 面试备考重点
+
+你的历史面试成绩 **74分**，属于中上水平，继续保持：
+
+1. **江苏省考面试特点**
+   - 结构化面试为主，4道题20分钟
+   - 重点考察：综合分析、计划组织、应急应变、人际沟通
+   - 每题5分钟，包括思考和答题
+
+2. **备考建议**
+   - 每天练习2-3道真题，保持答题状态
+   - 注重岗位匹配度，了解报考部门的职能和热点
+   - 练习眼神交流、声音洪亮、语速适中
+
+3. **逆袭策略**
+   - 冲刺岗：面试需要比对手高5-8分才能逆袭
+   - 稳妥岗：保持正常发挥即可守擂
+   - 保底岗：重点展示岗位匹配度和稳定性
+
+## 笔试提分空间
+
+你目前笔试 **132分**（行测68 + 申论64），还有提升空间：
+
+### 行测提分方向
+- **言语理解**（68分水平还有提升空间）：多刷题，总结错题
+- **判断推理**：重点提升逻辑判断和图形推理
+- **资料分析**：争取全对，这是最容易提分的模块
+- **数量关系**：选择性放弃难题，确保简单题全对
+- **常识判断**：考前突击时政，平时积累
+
+### 申论提分方向
+- **小题**：踩点给分，学会找关键词和总结概括
+- **大作文**：立意要准，结构要清晰，论据要充分
+- **练字**：字写工整，至少加2-3分
+- **真题**：近3年真题做2遍，总结答题套路
+
+## 注意事项
+
+1. **数据来源说明**
+   - 职位表：2026年盐城市公务员考试官方职位表
+   - 分数线：根据2026年体检名单中第1名笔试成绩推算
+   - 匹配结果仅供参考，实际进面分数可能有波动
+
+2. **专业匹配说明**
+   - 你的专业代码030201属于社会政治类
+   - 筛选时已放宽到中文文秘、法律等相关专业
+   - 最终请以官方专业目录和资格审核为准
+
+3. **报名建议**
+   - 报名前3天观察报名人数，避开过热岗位
+   - 不要只盯着热门部门，有时候冷门部门发展更好
+   - 综合考虑：离家距离、工作强度、发展空间、薪资待遇
+
+---
+*报告生成时间：2026年5月29日*
+*本报告仅供参考，最终报名请以江苏省公务员局官方公告为准*
+"""
+
+# 保存报告
+import os
+os.makedirs('reports', exist_ok=True)
+report_path = 'reports/2026盐城选岗分析报告.md'
+with open(report_path, 'w', encoding='utf-8') as f:
+    f.write(report)
+
+print(f"\n✅ 报告生成完成！")
+print(f"   文件路径: {report_path}")
+print("\n" + "=" * 60)
+print("🎉 分析完成！详细报告已生成，可查看报告文件")
+print("=" * 60)
+
+# 同时输出前10个推荐岗位到控制台
+print("\n📋 前10个推荐岗位：")
+top_positions = [p for p in qualified_sorted if p['tier'] in ['冲刺', '稳妥', '保底']][:10]
+for i, pos in enumerate(top_positions, 1):
+    dept = pos.get('单位名称', '')
+    pos_name = pos.get('职位名称', '')
+    print(f"  {i}. [{pos['tier']}] {dept[:20]} - {pos_name[:15]} (分差: {pos['score_diff']:.1f})")