Python-PDFKit 开源项目教程

Python-PDFKit 开源项目教程

python-pdfkitWkhtmltopdf python wrapper to convert html to pdf项目地址:https://gitcode.com/gh_mirrors/py/python-pdfkit

1. 项目的目录结构及介绍

Python-PDFKit 项目的目录结构相对简单,主要包含以下几个部分:

python-pdfkit/
├── LICENSE
├── README.md
├── examples/
│   ├── example.py
│   └── ...
├── pdfkit/
│   ├── api.py
│   ├── pdfkit.py
│   └── ...
├── setup.py
└── tests/
    ├── test_pdfkit.py
    └── ...
  • LICENSE: 项目的许可证文件。
  • README.md: 项目的基本介绍和使用说明。
  • examples/: 包含一些示例代码,展示如何使用 Python-PDFKit。
  • pdfkit/: 核心代码目录,包含主要的 API 和功能实现。
  • setup.py: 用于安装项目的脚本。
  • tests/: 包含项目的测试代码。

2. 项目的启动文件介绍

Python-PDFKit 的启动文件主要是 pdfkit/pdfkit.py,这个文件包含了核心的功能实现和 API 调用。以下是该文件的主要内容和功能介绍:

import os
import subprocess
import tempfile
import shutil
import sys

class PDFKit:
    def __init__(self, url_or_file, output_path, options=None, toc=None, cover=None, css=None, configuration=None, cover_first=False):
        # 初始化参数和配置
        pass

    def command(self, path):
        # 生成命令行调用
        pass

    def to_pdf(self, output_path=None):
        # 生成 PDF 文件
        pass

    def to_file(self, input, output):
        # 处理输入文件并生成输出文件
        pass

    def __repr__(self):
        # 对象表示
        pass
  • __init__: 初始化方法,设置基本的参数和配置。
  • command: 生成用于调用 wkhtmltopdf 的命令行。
  • to_pdf: 生成 PDF 文件的核心方法。
  • to_file: 处理输入文件并生成输出文件。

3. 项目的配置文件介绍

Python-PDFKit 的配置文件主要是 setup.py,这个文件用于安装和配置项目。以下是该文件的主要内容和功能介绍:

from setuptools import setup, find_packages

setup(
    name='pdfkit',
    version='0.6.1',
    description='Wkhtmltopdf python wrapper to convert html to pdf',
    long_description=open('README.md').read(),
    long_description_content_type='text/markdown',
    author='JazzCore',
    author_email='jazzcore@example.com',
    url='https://github.com/JazzCore/python-pdfkit',
    packages=find_packages(),
    install_requires=[
        'wkhtmltopdf',
    ],
    classifiers=[
        'Development Status :: 4 - Beta',
        'Intended Audience :: Developers',
        'License :: OSI Approved :: MIT License',
        'Programming Language :: Python :: 3',
        'Programming Language :: Python :: 3.6',
        'Programming Language :: Python :: 3.7',
        'Programming Language :: Python :: 3.8',
        'Programming Language :: Python :: 3.9',
    ],
)
  • name: 项目的名称。
  • version: 项目的版本号。
  • description: 项目的简短描述。
  • long_description: 项目的详细描述,通常从 README.md 文件中读取。
  • author: 项目的作者。
  • url: 项目的 GitHub 地址。
  • packages: 需要安装的包。
  • install_requires: 项目依赖的其他包。
  • classifiers: 项目的分类信息。

python-pdfkitWkhtmltopdf python wrapper to convert html to pdf项目地址:https://gitcode.com/gh_mirrors/py/python-pdfkit

  • 4
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

牧唯盼Douglas

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值