Python

python从pdf中提取信息，并统计文本英语单词个数

September 10, 2017 IT, Python No comments , , ,

完整版代码，从pdf提取文本、进行清洗、统计字数等，还有可以优化的地方，有时间了再重构，后期可以整合为一个框架。先记着。 

# encoding: utf-8

"""
    author: Gupern 
    purpose: extract text from pdf, clean[......]

Read more

python进行目录遍历并将pdf转换为txt(二)

September 9, 2017 IT, Python No comments , , ,

前言

刚刚用的是pdfminer3k的版本，解析某个pdf的时候出现了一个问题，如图：
pdfminer3k的问题

于是继续深入，发现pdfminer3k这个包已经很久远了，再找到一个pdfminer.six的包，并进行代码编写。

  • 注意，要把pdfminer3k卸载了才能用pdfminer.six，总之两个不兼容。

[......]

Read more

python进行目录遍历并将pdf转换为txt(一)

September 9, 2017 IT, Python No comments , , , ,

今天心学来潮，研究下python从pdf中提取文字到txt，涉及到遍历目录下所有文件，觉得挺有用的，记录一下。

依赖模块

  • pdfminer3k
    pip install pdfminer3k

这个包是python3专用的，一开始看找到的是pdfminer，但是其官网说只支持python[......]

Read more

python 多进程、多线程与协程初探

August 15, 2017 IT, Python, Unix/Linux No comments , ,

近来接手一个项目，里面大量用到多线程、协程，因此顺便重新学习了。本文中大多代码是直接引用廖雪峰博客上的，为的只是以后方便找出模块的用法样例，特此声明。

名词解释

关系与背景知识

一个进程里至少有一个线程，即一个进程里[......]

Read more

python for WebService, SOAP

August 3, 2017 IT, Python No comments , ,

这几天在对接一个传统企业的项目，没错，就是我一直以来最鄙视的JAVA EE企业开发项目。看了两天的文档，Oracle、IBM、Mule等等ESB知识，和SOAP、XML、XSLT等知识。很多笔记都在公司的电脑里没带出来（并不是不能带，只是为了公司安全起见，不带），所以这里只记载一些记得住的想法[......]

Read more

Elastic Search初探

June 23, 2017 Database, Python No comments , ,

研究了下ES，写了一个python版的关于ES的增删改查代码：

from datetime import datetime
from elasticsearch import Elasticsearch
es = Elasticsearch([{'host':'192.168.2.178','po[......]

Read more