凡客的博客

问题背景：有时候需要用到pdf文件中的信息，但是pdf不易编辑，格式有局限性，需要转成txt这样的格式。目标：将给定pdf文件中的文本信息（暂时不考虑表格、图片等）抽取出来，写入txt文件中。主要工具：python的pdfminer3k库（pdfminer的python3端口，pdfminer是一个用于从文档中提取信息的工具）代码：import importlibimport sysimport timefrom pdfminer.pdfparser import P

最近在java开发中遇到了将json字符串解析成json对象的问题，经多次尝试后找到了与自己java版本匹配的相应方法。目标：将给定的json字符串解析为相应的json对象。环境：java8代码：String jsonString = "{name:'zzd',age:'20',sex:'male',haha:'ab'}";JsonObject json = JsonParser.parseString(jsonString).getAsJsonObject();System.

flv格式到mp4格式的转换有多种方法，在这跟大家分享其中一种，就是利用ffmpeg这一开源工具。以windows 10系统为例，步骤如下：一、下载ffmpeg下载的地址为：https://ffmpeg.zeranoe.com/builds/二、解压缩将下载后的压缩包，解压在自定义的路径下三、新建bat文件在解压后的bin文件夹下，新建文本文件，内容为“cmd”，将文件...

目的：生成包含自定义时间，如：2019/12/14 12:15 这样的字段。方法：主要是采用python的random模块生成随机数，加上字符串拼接的方法，用循环语句生成多行文件。代码示例：# coding:utf-8import randomf = open('自定义时间.csv','w')for i in range(1000): f.write('201...

不知道是不是有小伙伴在使用Excel时也遇到过不知道怎么选定某一区域这一问题，因为如果是小区域，直接按住鼠标左键拖动就可以了，但如果要选择的区域较大，比如有几千上万行列的话，拖动时很可能手一滑就得重新来，因此在这跟大家分享一下如何快速选择任意指定区域。一、打开Excel，新建一个工作表。二、确定起始和中止单元格。如图，我们选取A4单元格为起点，K23单元格为终点。在实际中，区...

数据集：一个中文的酒店评论数据集（一万多条数据，正负向情感标注）任务：切分为训练和发展集数据集示例：代码：import osimport pandas as pdfrom sklearn.utils import shuffleif __name__ == '__main__': path = "temp/" pd_all = pd.read_csv...

我们在对中文语料作预处理时，往往会遇到繁简体转换的问题，这也是预处理环节的重要一环。python支持繁简体转换的库有许多，常用是opencc，但是由于直接安装opencc或是opencc-python现在会遇到许多路径、编译的问题，因此给大家推荐一种安装方式。网址见：https://pypi.org/project/opencc-python-reimplemented/安装命令：p...