当前位置：首页 > news >正文

Python统计pdf中英文单词的个数

news 2026/3/27 20:44:35

之前的文章提供了批量识别pdf中英文的方法，详见【python爬虫】批量识别pdf中的英文，自动翻译成中文上。以及自动pdf英文转中文文档，详见【python爬虫】批量识别pdf中的英文，自动翻译成中文下。

本文实现python统计pdf中英文字符的个数。

文章目录

- 一、要统计字符的pdf文档
- 二、识别pdf中的字符
- 三、定义统计单页pdf中字符个数的函数
- 四、统计pdf中字符的个数

一、要统计字符的pdf文档

首先看下要统计字符的pdf长什么样。

在这里插入图片描述

为了简单、清晰，本文以统计两页英文pdf字符为例进行阐述，代码直接可以应用到任意页数的英文pdf中。

二、识别pdf中的字符

接着应用pdfplumber库识别pdf中的字符，具体代码如下：

Python统计pdf中英文单词的个数

之前的文章提供了批量识别pdf中英文的方法，详见【python爬虫】批量识别pdf中的英文，自动翻译成中文上。以及自动pdf英文转中文文档，详见【python爬虫】批量识别pdf中的英文，自动翻译成中文下。本文实现python统计pdf中英文字符的个数。文章目录一、要统计字符的pdf…...

编程日记 2023/9/22 10:49:19

Kindle电子书下载功能关闭怎么办，借助calibre和cpolar搭建私有的网络书库公网访问

Kindle中国电子书店停运不要慌，十分钟搭建自己的在线书库随时随地看小说！ 文章目录 Kindle中国电子书店停运不要慌，十分钟搭建自己的在线书库随时随地看小说！1.网络书库软件下载安装2.网络书库服务器设置3.内网穿透工具设置4.公网…...

编程日记 2023/9/22 10:43:14

ubuntu、linux in window安装docker教程

1、首先进入管理员权限。 2、更新软件源。 sudo apt update 3、安装一些依赖 sudo apt install apt-transport-https ca-certificates curl software-properties-common 4、为系统添加Docker的密钥 curl -fsSL https://download.docker.com/linux/ubuntu/gpg | sudo apt-k…...

编程日记 2023/9/22 10:40:11

clickhouse学习之路----clickhouse的特点及安装

clickhouse学习笔记反正都有学不完的技术，不如就学一学clickhouse吧文章目录 clickhouse学习笔记clickhouse的特点1.列式存储2. DBMS 的功能3.多样化引擎4.高吞吐写入能力5.数据分区与线程级并行 clickhouse安装1.关闭防火墙2.CentOS 取消打开文件数限制3.安装依…...

编程日记 2023/9/22 10:39:10

STM32 驱动

led 驱动 led头文件 #ifndef _LED_H #define _LED_Hvoid LED_Init(void); void LED_ON(void); void LED_OFF(void); void LED_Turn(void);#endifled代码 #include "stm32f10x.h" void LED_Init(void) {//START CLOCKRCC_APB2PeriphClockCmd(RCC_APB2Periph_GPIO…...

编程日记 2023/9/22 10:37:08

JavaScript系列从入门到精通系列第五篇：JavaScript中的强制类型转换包含强制类型转换之Number，包含强制类型转换之String

文章目录前言一：强制类型转换 1：强制类型转换为String (一)：方式一：调用被转换类型的toString()方法 (二)：方式二：调用String函数 2：强制类型转换为Number (一)：方式一&…...

编程日记 2023/9/22 10:36:07

动力节点老杜JavaWeb笔记(全)

Servlet 关于系统架构系统架构包括什么形式？ C/S架构B/S架构C/S架构？ Client / Server（客户端 / 服务器）C/S架构的软件或者说系统有哪些呢？ QQ（先去腾讯官网下载一个QQ软件，几十MB，然后把这个客户端软件安装上去，然后输入QQ号以及密码，登录之后，就可以和你的朋友聊…...

编程日记 2023/9/22 10:33:05

【微信小程序开发】宠物预约医疗项目实战-注册实现

【微信小程序开发】宠物预约医疗项目实战-注册实现第二章宠物预约医疗项目实战-注册实现文章目录【微信小程序开发】宠物预约医疗项目实战-注册实现前言一、打开项目文件二、编写wxss代码2.1 什么是wxss2.2 配置主程序全局样式三. 在sign文件下的wxml文件中编写如下代码并…...

编程日记 2023/9/22 10:25:58

聚观早报 | 飞书签约韵达速递；蔚来首颗自研芯片“杨戬”量产

【聚观365】9月22日消息飞书签约韵达速递蔚来首颗自研芯片“杨戬”10月量产靳玉志接任华为车 BU CEO 亚马逊发布全新Alexa语音助手 OpenAI推出图像生成器DALL-E 3 飞书签约韵达速递近日，国内物流服务公司韵达快递宣布全员上飞书。飞书解决方案副总裁何斌表…...

编程日记 2023/9/22 10:14:45

zookeeper + kafka

Zookeeper 概述 Zookeeper是一个开源的分布式服务管理框架。存储业务服务节点元数据及状态信息，并负责通知再 ZooKeeper 上注册的服务几点状态给客户端 Zookeeper 工作机制 Zookeeper从设计模式角度来理解: 是一个基于观察者模式设计的分布式服务管理框架&…...

编程日记 2023/9/22 10:13:44

wordpress添加评论过滤器

给wordpress添加评论过滤器，如果用户留言包含 "http" (可以为任意字符串) 就禁止提交评论。 function filter_comment_content($comment_data) {$comment_contents $comment_data["comment_content"]; //获取评论表单的内容字段if (stripos($…...

编程日记 2023/9/22 10:10:41

工具篇 | Gradle入门与使用指南

介绍 1.1 什么是Gradle？ Gradle是一个开源构建自动化工具，专为大型项目设计。它基于DSL（领域特定语言）编写，该语言是用Groovy编写的，使得构建脚本更加简洁和强大。Gradle不仅可以构建Java应用程序&#x…...

编程日记 2023/9/22 10:08:39

Wireshark TS | MQ 传输缓慢问题

问题背景应用传输慢是一种比较常见的问题，慢在哪，为什么慢，有时候光从网络数据包分析方面很难回答的一清二楚，毕竟不同的技术方向专业性太强，全栈大佬只能仰望，而我们能做到的是在专注于自身的专业方向之…...

编程日记 2023/9/22 10:07:38

flink集群与资源@k8s源码分析-回顾

本章是分析系列最后一章，作为回顾，以运行架构图串联起所有分析场景 1 启动集群，部署集群(提交k8s)，新建作业管理器组件 2 构建和启动flink master组件 3 提交作业，N/A...

编程日记 2023/9/22 10:06:37

学习心得09：C++新特性

现在语言越来越复杂，关键字也越来越多。所以我提出了关键字自动加标识的想法。这些新特性也都是有用的，一般人也用不上。在这方面，我的主张是：除非你确实需要用到新特性，否则尽量不要用。保证了代码的可维护。 C很复杂…...

编程日记 2023/9/22 10:05:36

前端框架vBean admin

文章目录引言I 数据库表设计1.1 用户表1.2 角色表1.3 菜单表II 接口引言文档：https://doc.vvbin.cn/guide/introduction.html http://doc.vvbin.cn 仓库：https://github.com/vbenjs/vue-vben-admin git clone https://github.com/vbenjs/vue-vben-admin-doc 在线体验demo：…...

编程日记 2023/9/22 10:04:35

云原生周刊：Grafana Beyla 发布｜ 2023.9.18

开源项目推荐 Komiser Komiser 是一个与云无关的开源资源管理器。它与多个云提供商（包括 AWS、Azure、Civo、Digital Ocean、OCI、Linode、腾讯和 Scaleway）集成，构建云资产库存，并帮助您在资源层面分解成本。 kr8s 这是一个用…...

编程日记 2023/9/22 10:03:34

C++ std::unique_lock 用法

文章目录 1.创建 std::unique_lock 对象2.自动加锁和解锁3.延迟加锁与手动加解锁4.尝试加锁5.配合条件变量使用6.小结参考文献 std::unique_lock 是 C11 提供的一个用于管理互斥锁的类，它提供了更灵活的锁管理功能，适用于各种多线程场景。 1.创建 std::u…...

编程日记 2023/9/22 9:59:30

Pytorch C++ 前端第二部分：输入、权重和偏差

本教程分为两部分第 2.1 部分 – 基础知识速成课程。第 2.2 部分 – 使用 C++ 构建神经网络如果您已经了解神经网络的基础知识，那么无需阅读 Part-2.1 的内容，理解 Part-2.2 应该没有问题。我们试图通过动画 GIF 来可视化方程，从而使其简短而有趣。但请注意，我们根据在解释…...

编程日记 2023/9/22 9:57:29

面试题：RocketMQ 如何保证消息不丢失，如何保证消息不被重复消费？

文章目录 1、消息整体处理过程Producer发送消息阶段手段一：提供SYNC的发送消息方式，等待broker处理结果。手段二：发送消息如果失败或者超时，则重新发送。手段三：broker提供多master模式，即使某台broker宕机…...

编程日记 2023/9/22 9:56:28

uniapp定位踩坑记：腾讯地图误差1km？高德地图精准配置全攻略

Uniapp定位精度优化实战：从腾讯地图1km误差到高德厘米级精准配置最近在开发一款外卖配送类应用时，我被定位精度问题折磨得够呛。原本以为接入腾讯地图SDK就能轻松搞定，结果实测发现定位偏差经常达到800米以上——这对于需要精确到楼栋的外卖…...

编程新知 2026/3/27 20:03:06

如何快速找到领域内的核心论文？3 条最有效路径

在做科研文献检索时，很多研究者都会遇到同一个问题： 文献很多，但不知道哪些最重要。例如，当你在数据库中输入一个研究关键词时，检索结果可能会出现几百篇甚至上千篇论文。面对如此庞大的文献数量，很多人会产…...

编程新知 2026/3/27 19:47:03

2026最权威一键生成论文工具榜单：这些被高校和导师悄悄推荐的软件你用了吗

一键生成论文工具正成为学术研究的重要助力，其高效性与专业性在近年来得到广泛认可。依托权威检测平台数据、高校实测反馈及用户真实评价，这些工具已逐步成为科研工作者和学生群体的得力助手。本文将盘点2026年最受高校和导师推荐的一键生成论文软件&…...

编程新知 2026/3/27 19:22:52

海康WEBSDK无插件版实战：零基础构建WEB端网络摄像机实时监控系统

1. 环境准备：5分钟搞定基础配置第一次接触海康WEBSDK无插件版时，我也被那些专业术语吓到过。但实际操作后发现，只要准备好三样东西就能开工：一台能联网的电脑、海康网络摄像机、以及从官网下载的开发包。这里分享几个新手容易踩的…...

编程新知 2026/3/27 17:03:37

告别手推雅可比！用Ceres自动求导搞定SLAM中的BA优化（附完整代码）

告别手推雅可比！用Ceres自动求导搞定SLAM中的BA优化（附完整代码） 在视觉SLAM系统的开发中，Bundle Adjustment（BA）优化是提升定位与建图精度的关键环节。传统实现需要手动推导复杂的雅可比矩阵，不…...

编程新知 2026/3/27 17:01:35

[AI开发工具] Cursor Pro功能扩展技术指南：突破免费版限制的系统方法

[AI开发工具] Cursor Pro功能扩展技术指南：突破免费版限制的系统方法【免费下载链接】cursor-free-vip [Support 0.45]（Multi Language 多语言）自动注册 Cursor Ai ，自动重置机器ID ， 免费升级使用Pro 功能: Youve re…...

编程新知 2026/3/27 16:29:27

突破联想笔记本BIOS限制：LEGION BIOS高级设置工具全解析

突破联想笔记本BIOS限制：LEGION BIOS高级设置工具全解析【免费下载链接】LEGION_Y7000Series_Insyde_Advanced_Settings_Tools 支持一键修改 Insyde BIOS 隐藏选项的小工具，例如关闭CFG LOCK、修改DVMT等等项目地址: https://gitcode.com/gh_mirrors…...

编程新知 2026/3/27 15:22:56