python不能识别中文这么解决,python注释不能识别中文怎么办

python注释不能识别中文怎么办

发布时间:2020-11-21 11:49:07

来源:亿速云

阅读:55

作者:小新

这篇文章给大家分享的是有关python注释不能识别中文怎么办的内容。小编觉得挺实用的,因此分享给大家做个参考。一起跟随小编过来看看吧。

#!/usr/bin/python:这句注释的作用是告诉文件中的代码是用什么编译器去执行;

#!/usr/bin/env python:这种用法是为了防止操作系统用户没有将python装在默认的/usr/bin路径里。当系统看到这一行的时候,首先会到env设置里查找python的安装路径,再调用对应路径下的解释器程序完成操作。

#-*- coding: UTF-8 -*-:这段注释是告诉Python解释器,按照UTF-8编码读取源代码,否则,在源代码中写的中文输出可能会有乱码。#!/usr/bin/python

# -*- coding:utf8 -

import sys

reload(sys)

sys.setdefaultencoding('utf8')

import requests

from bs4 import BeautifulSoup

resp=requests.get('http://www.507.sec')

print(resp) #打印请求结果的状态码

print(resp.content) #打印请求到的状态码

bso=BeautifulSoup(resp.content,'lxml') #将网页源码转换为BeautifulSoup对象,方便操作

a_list=bso.find_all('a') #获取网页中所有a标签对象

text='' # 创建一个空字符串

for a in a_list:

href=a.get('href') #获取a标签对象的href属性,即这个对象指向的链接地址

text+=href+'\n'

with open('url.txt','w')as f:

f.write(text)

print("运行完毕")

感谢各位的阅读!关于python注释不能识别中文怎么办就分享到这里了,希望以上内容可以对大家有一定的帮助,让大家可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到吧!

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是一个基于传统机器学习方法的人脸表情识别 Python 代码,使用的是 OpenCV 和 scikit-learn 库。 首先,需要导入所需的库: ```python import cv2 import numpy as np from sklearn.externals import joblib ``` 接下来,加载训练好的分类器模型和特征选取器模型: ```python clf = joblib.load('classifier.pkl') feat_extract = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') ``` 然后,定义分类器模型和特征选取器模型的参数: ```python IMG_SIZE = 48 NUM_FEATURES = 576 ``` 接着,定义一个函数用于从图像中提取人脸特征: ```python def extract_features(img): gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) faces = feat_extract.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=5) if len(faces) == 0: return None (x, y, w, h) = faces[0] face_crop = gray[y:y+h, x:x+w] face_resized = cv2.resize(face_crop, (IMG_SIZE, IMG_SIZE)) return face_resized.flatten() ``` 该函数首先将输入图像转换为灰度图像,然后使用特征选取器模型检测人脸,并将其裁剪出来。接着,将裁剪后的人脸图像缩放到指定的大小,并将其展平为一个一维向量,作为人脸的特征值。 最后,定义一个函数用于对输入的图像进行表情识别: ```python def predict_emotion(img): features = extract_features(img) if features is None: return None else: emotion_labels = ['Angry', 'Disgust', 'Fear', 'Happy', 'Sad', 'Surprise', 'Neutral'] emotion_id = clf.predict([features])[0] return emotion_labels[emotion_id] ``` 该函数首先使用 extract_features 函数从输入图像中提取人脸特征。如果提取不到特征,则返回 None。否则,使用分类器模型对提取出的特征进行分类,并返回预测的表情标签。 完整代码如下: ```python import cv2 import numpy as np from sklearn.externals import joblib clf = joblib.load('classifier.pkl') feat_extract = cv2.CascadeClassifier('haarcascade_frontalface_default.xml') IMG_SIZE = 48 NUM_FEATURES = 576 def extract_features(img): gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) faces = feat_extract.detectMultiScale(gray, scaleFactor=1.3, minNeighbors=5) if len(faces) == 0: return None (x, y, w, h) = faces[0] face_crop = gray[y:y+h, x:x+w] face_resized = cv2.resize(face_crop, (IMG_SIZE, IMG_SIZE)) return face_resized.flatten() def predict_emotion(img): features = extract_features(img) if features is None: return None else: emotion_labels = ['Angry', 'Disgust', 'Fear', 'Happy', 'Sad', 'Surprise', 'Neutral'] emotion_id = clf.predict([features])[0] return emotion_labels[emotion_id] ``` 需要注意的是,该方法的表情识别准确率可能不如深度学习方法。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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