当前位置： 首页 > news >正文

【python爬虫】批量识别pdf中的英文，自动翻译成中文上

news 2025/12/15 13:22:54

不管是上学还是上班，有时不可避免需要看英文文章，特别是在写毕业论文的时候。比较头疼的是把专业性很强的英文pdf文章翻译成中文。我记得我上学的时候，是一段一段复制，或者碰到不认识的单词就百度翻译一下，非常耗费时间。本文提供批量识别pdf中英文的方法，后续文章实现自动pdf英文转中文文档，敬请期待。

文章目录

    • 一、安装pdfplumber库
    • 二、识别单个pdf的内容
      • 1 识别单页的内容
      • 2 识别所有页的内容
    • 三、识别文件夹中所有pdf的内容

  

一、安装pdfplumber库

  
识别pdf中的内容，需要用到pdfplumber库，所以首先安装pdfplumber库，常规代码如下：

pip install pdfplumber

但是在安装过程会报如下错误：
  
图片

上网找了一下资料，发现可以使用国内的镜像进行安装

国内的一些pip源：
阿里云 http://mirrors.aliyun.com/pypi/simpl

相关文章：

【python爬虫】批量识别pdf中的英文，自动翻译成中文上

不管是上学还是上班，有时不可避免需要看英文文章，特别是在写毕业论文的时候。比较头疼的是把专业性很强的英文pdf文章翻译成中文。我记得我上学的时候，是一段一段复制，或者碰到不认识的单词就百度翻译一下，非常耗费时间。本文提供批量识别pdf中英文的方法，后续文章实现自…...

编程日记 2023/9/4 8:53:24

Android笔记--Hilt

Hilt 是 Android 的依赖项注入库，可减少在项目中执行手动依赖项注入的样板代码。执行手动依赖项注入要求您手动构造每个类及其依赖项，并借助容器重复使用和管理依赖项。依赖注入的英文是Dependency Injection，简称DI,简单说一个类中使用的依赖…...

编程日记 2023/9/4 8:52:23

Oracle常用权限处理

对于Oracle来说，用户等于Schema，创建用户即创建Schema -- 创建用户 create user TCK_TEXT identified by "TCKTCK"; --赋予登陆权限 grant connect to TCK_TEXT; --查看权限列表 select * from user_role_privs ; select * from user_sys_priv…...

编程日记 2023/9/4 8:51:23

Stable Diffuse 之 本地环境部署 WebUI 进行汉化操作

Stable Diffuse 之 本地环境部署 WebUI 进行汉化操作 目录 Stable Diffuse 之 本地环境部署 WebUI 进行汉化操作 一、简单介绍 二、汉化操作 附录： 一、Install from URL 中出现 Failed to connect to 127.0.0.1 port 7890: Connection refused 错误&#xf…...

编程日记 2023/9/4 8:50:19

r 安装源码包 安装本地r包

总结一下手动安装R包 - 简书 (jianshu.com)https://www.jianshu.com/p/2a7a36414734 #BiocManager::install("simplifyEnrichment") #BiocManager::install("EnsDb.Hsapiens.v86")#下载包 之后 手动安装 #install.packages("~/datasets/EnsDb.Hsapien…...

编程日记 2023/9/4 8:49:18

webservice调用对接第三方系统

#webservice调用对接第三方系统# 最近接到一个任务，需要对接第三方数据，第三方提供对接方式的是通过webservice调用，webservice调用有好几种方式，具体可以自行了解，我选择的是通过wsdl文件自动生成客户端代码对接。 …...

编程日记 2023/9/4 8:48:16

实现不同局域网文件共享的解决方案：使用Python自带HTTP服务和端口映射

文章目录 1. 前言2. 本地文件服务器搭建2.1 python的安装和设置2.2 cpolar的安装和注册 3. 本地文件服务器的发布3.1 Cpolar云端设置3.2 Cpolar本地设置 4. 公网访问测试5. 结语 1. 前言 数据共享作为和连接作为互联网的基础应用，不仅在商业和办公场景有广泛的应用…...

编程日记 2023/9/4 8:47:14

[Android 四大组件] --- Activity

1 Activity是什么 ​​Activity​​是一个Android的应用组件，它提供屏幕进行交互。每个Activity都会获得一个用于绘制其用户界面的窗口，窗口可以充满哦屏幕也可以小于屏幕并浮动在其他窗口之上。 一个应用通常是由多个彼此松散联系的Activity组成&…...

编程日记 2023/9/4 8:46:13

shell中for循环输出1-6

介绍单for循环的语法，以及对数字的循环使用 1、语法介绍 for 变量 in 值列表 do #执行的命令或代码块 Done其中，变量是用来存放每个值的变量名，值列表是需要遍历值的集合，在每次循环中，变量会被设置为值列表中的一…...

编程日记 2023/9/4 8:45:10

docker 04.更加重要的命令

之前的都是基础命令， 前台交互进程和后台守护进程： 重新进入容器： docker中的导入导出： docker中的拷贝到：...

编程日记 2023/9/4 8:44:09

【理解线性代数】（二）线性运算和线性空间

1. 从112看线性运算 11为什么等于2？其实11等于2有一个前提条件，那就是必须在线性运算规则下进行。什么是线性运算规则呢？ 理解起来很简单，在一条直线上， 一米的直线长度一米的直线长度两米的直线长度 两个数相加的结…...

编程日记 2023/9/4 8:43:08

专业的视觉特效处理包，FxFactory 8 Pro for Mac助您打造精彩视频

FxFactory 8 Pro for Mac是一款强大的视觉特效处理包，专门为Mac用户设计。它集成了超过200种高质量的视觉效果和过渡效果，可以轻松地应用于各种视频项目中。该软件提供了一个直观的界面，用户可以通过简单拖放操作将特效应用到视频片段上。它支…...

编程日记 2023/9/4 8:42:07

Darshan日志分析

标头 darshan-parser 输出的开头显示了有关作业的总体信息的摘要。还可以使用–perf、–file或–total命令行选项生成其他作业级别摘要信息。 darshan log version：Darshan 日志文件的内部版本号。compression method：压缩方法。exe：生成日志…...

编程日记 2023/9/4 8:41:06

python中如何不修改字符串的前提，使其对大小写字母不敏感

如果你希望在不修改原字符串的基础上实现大小写不敏感的比较，你可以使用内置函数str.casefold()，它会将字符串转换为小写并处理一些特殊字符，使得比较更加严格。下面是如何使用它来实现大小写不敏感的比较： x input() y input()…...

编程日记 2023/9/4 8:40:04

聊聊Http服务化改造实践

在微服务架构体系中远程RPC调用主要包括Dubbo与Http调用两个大类，由于Dubbo拥有服务注册中心，并且起服务的命名非常规范，使用包名.类名.方法名进行描述。 而http调用通常都是使用httpclient等相关类库，这些在使用上并没有问题&am…...

编程日记 2023/9/4 8:39:02

docker打包部署

打包成容器命令 docker build -f ./Dockerfile-long -t 名称.打包镜像 tar docker save -o 名称.tar 名称:latest执行sudo -i，提示输入用户密码，输入密码后进入超级用户（root）模式 linux上传文件 rz -ytar恢复成镜像 sudo docker…...

编程日记 2023/9/4 8:38:01

解密Spring MVC异常处理：从局部到全局，打造稳固系统的关键步骤

😀前言 在现代软件开发中，异常处理是不可或缺的一部分，它能够有效地提高系统的稳定性和健壮性。在Spring MVC框架中，异常处理机制起着至关重要的作用，它允许开发者在程序运行过程中捕获、处理和报告异常，从…...

编程日记 2023/9/4 8:36:58

Three.js添加阴影和简单后期处理

在Three.js中，可以使用渲染器的一些特性来实现阴影和后期处理效果。 添加阴影 要在Three.js中添加阴影效果，需要做以下几个步骤： 1.开启阴影 首先，要在渲染器中开启阴影： renderer.shadowMap.enabled true;2.设置…...

编程日记 2023/9/4 8:35:55

git submodule 子模块的基本使用

常用命令 命令说明git submodule add <url> <本地路径>添加子模块git submodule update --init --recursive添加子模块后&#xff0c;同步子模块内容git clone <url> --recurse-submodules克隆带有子模块的项目git submodule init初始化子模块git submodule…...

编程日记 2023/9/4 8:34:54

四层负载均衡的NAT模型与DR模型推导 | 京东物流技术团队

导读 本文首先讲述四层负载均衡技术的特点&#xff0c;然后通过提问的方式推导出四层负载均衡器的NAT模型和DR模型的工作原理。通过本文可以了解到四层负载均衡的技术特点、NAT模型和DR模型的工作原理、以及NAT模型和DR模型的优缺点。读者可以重点关注NAT模型到DR模型演进的原…...

编程日记 2023/9/4 8:33:52

【2025年】解决Burpsuite抓不到https包的问题

环境&#xff1a;windows11 burpsuite:2025.5 在抓取https网站时&#xff0c;burpsuite抓取不到https数据包&#xff0c;只显示&#xff1a; 解决该问题只需如下三个步骤&#xff1a; 1、浏览器中访问 http://burp 2、下载 CA certificate 证书 3、在设置--隐私与安全--…...

编程新知 2025/12/13 5:39:02

R语言速释制剂QBD解决方案之三

本文是《Quality by Design for ANDAs: An Example for Immediate-Release Dosage Forms》第一个处方的R语言解决方案。 第一个处方研究评估原料药粒径分布、MCC/Lactose比例、崩解剂用量对制剂CQAs的影响。 第二处方研究用于理解颗粒外加硬脂酸镁和滑石粉对片剂质量和可生产…...

编程新知 2025/12/9 1:17:24

LangFlow技术架构分析

&#x1f527; LangFlow 的可视化技术栈 前端节点编辑器 底层框架&#xff1a;基于 &#xff08;一个现代化的 React 节点绘图库&#xff09; 功能&#xff1a; 拖拽式构建 LangGraph 状态机 实时连线定义节点依赖关系 可视化调试循环和分支逻辑 与 LangGraph 的深…...

编程新知 2025/6/10 21:26:51

Linux部署私有文件管理系统MinIO

最近需要用到一个文件管理服务&#xff0c;但是又不想花钱&#xff0c;所以就想着自己搭建一个&#xff0c;刚好我们用的一个开源框架已经集成了MinIO&#xff0c;所以就选了这个 我这边对文件服务性能要求不是太高&#xff0c;单机版就可以 安装非常简单&#xff0c;几个命令就…...

编程新知 2025/12/10 23:26:48

归并排序：分治思想的高效排序

目录 基本原理 流程图解 实现方法 递归实现 非递归实现 演示过程 时间复杂度 基本原理 归并排序(Merge Sort)是一种基于分治思想的排序算法&#xff0c;由约翰冯诺伊曼在1945年提出。其核心思想包括&#xff1a; 分割(Divide)&#xff1a;将待排序数组递归地分成两个子…...

编程新知 2025/12/12 20:16:07

41道Django高频题整理(附答案背诵版)

解释一下 Django 和 Tornado 的关系&#xff1f; Django和Tornado都是Python的web框架&#xff0c;但它们的设计哲学和应用场景有所不同。 Django是一个高级的Python Web框架&#xff0c;鼓励快速开发和干净、实用的设计。它遵循MVC设计&#xff0c;并强调代码复用。Django有…...

编程新知 2025/7/15 10:00:19

LUA+Reids实现库存秒杀预扣减 记录流水 以及自己的思考

目录 lua脚本 记录流水 记录流水的作用 流水什么时候删除 我们在做库存扣减的时候&#xff0c;显示基于Lua脚本和Redis实现的预扣减 这样可以在秒杀扣减的时候保证操作的原子性和高效性 lua脚本 // ... 已有代码 ...Overridepublic InventoryResponse decrease(Inventor…...

编程新知 2025/9/24 10:06:05

Python第七周作业

Python第七周作业 文章目录 Python第七周作业 1.使用open以只读模式打开文件data.txt&#xff0c;并逐行打印内容 2.使用pathlib模块获取当前脚本的绝对路径&#xff0c;并创建logs目录&#xff08;若不存在&#xff09; 3.递归遍历目录data&#xff0c;输出所有.csv文件的路径…...

编程新知 2025/12/14 13:20:23

二叉树-144.二叉树的前序遍历-力扣(LeetCode)

一、题目解析 对于递归方法的前序遍历十分简单&#xff0c;但对于一位合格的程序猿而言&#xff0c;需要掌握将递归转化为非递归的能力&#xff0c;毕竟递归调用的时候会调用大量的栈帧&#xff0c;存在栈溢出风险。 二、算法原理 递归调用本质是系统建立栈帧&#xff0c;而非…...

编程新知 2025/12/10 13:43:07

视觉slam--框架

视觉里程计的框架 传感器 VO--front end VO的缺点 后端--back end 后端对什么数据进行优化 利用什么数据进行优化的 后端是怎么进行优化的 回环检测 建图 建图是指构建地图的过程。 构建的地图是点云地图还是什么信息的地图&#xff1f; 建图并没有一个固定的形式和算法…...

编程新知 2025/10/2 17:27:40