当前位置： 首页 > news >正文

Python统计pdf中英文单词的个数

news 2025/7/3 22:13:00

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：















相关文章：
















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





















【HTML-16】深入理解HTML中的块元素与行内元素




HTML元素根据其显示特性可以分为两大类：块元素(Block-level Elements)和行内元素(Inline Elements)。理解这两者的区别对于构建良好的网页布局至关重要。本文将全面解析这两种元素的特性、区别以及实际应用场景。 
1. 块元素(Block-level Elements) 
1.1 基本特性 
…...






编程新知
2025/6/21 2:24:34



















12.找到字符串中所有字母异位词




🧠 题目解析 
题目描述： 给定两个字符串 s 和 p，找出 s 中所有 p 的字母异位词的起始索引。 返回的答案以数组形式表示。 字母异位词定义： 若两个字符串包含的字符种类和出现次数完全相同，顺序无所谓，则互为…...






编程新知
2025/6/23 7:20:31



















MySQL用户和授权




开放MySQL白名单 
可以通过iptables-save命令确认对应客户端ip是否可以访问MySQL服务： test: # iptables-save | grep 3306 -A mp_srv_whitelist -s 172.16.14.102/32 -p tcp -m tcp --dport 3306 -j ACCEPT -A mp_srv_whitelist -s 172.16.4.16/32 -p tcp -m tcp -…...






编程新知
2025/6/20 15:48:55



















蓝桥杯3498 01串的熵




问题描述 对于一个长度为 23333333的 01 串, 如果其信息熵为 11625907.5798&#xff0c; 且 0 出现次数比 1 少, 那么这个 01 串中 0 出现了多少次? #include<iostream>
#include<cmath>
using namespace std;int n  23333333;int main()
{//枚举 0 出现的次数//因…...






编程新知
2025/6/26 10:08:42



















Linux nano命令的基本使用




参考资料 
GNU nanoを使いこなすnano基础 目录 一. 简介二. 文件打开2.1 普通方式打开文件2.2 只读方式打开文件 三. 文件查看3.1 打开文件时&#xff0c;显示行号3.2 翻页查看 四. 文件编辑4.1 Ctrl  K 复制 和 Ctrl  U 粘贴4.2 Alt/Esc  U 撤回 五. 文件保存与退出5.1 Ctrl  …...






编程新知
2025/6/25 22:47:37



















从 GreenPlum 到镜舟数据库：杭银消费金融湖仓一体转型实践




作者&#xff1a;吴岐诗&#xff0c;杭银消费金融大数据应用开发工程师 
本文整理自杭银消费金融大数据应用开发工程师在StarRocks Summit Asia 2024的分享 引言&#xff1a;融合数据湖与数仓的创新之路 
在数字金融时代&#xff0c;数据已成为金融机构的核心竞争力。杭银消费金…...






编程新知
2025/7/3 9:40:34



















wpf在image控件上快速显示内存图像




wpf在image控件上快速显示内存图像https://www.cnblogs.com/haodafeng/p/10431387.html 如果你在寻找能够快速在image控件刷新大图像&#xff08;比如分辨率3000*3000的图像&#xff09;的办法&#xff0c;尤其是想把内存中的裸数据&#xff08;只有图像的数据&#xff0c;不包…...






编程新知
2025/6/21 22:56:12



















uniapp 小程序 学习（一）




利用Hbuilder 创建项目 运行到内置浏览器看效果 下载微信小程序 安装到Hbuilder 
下载地址 &#xff1a;开发者工具默认安装 设置服务端口号  在Hbuilder中设置微信小程序 配置  找到运行设置&#xff0c;将微信开发者工具放入到Hbuilder中&#xff0c; 打开后出现 如下 bug  解…...






编程新知
2025/6/25 3:27:08



















针对药品仓库的效期管理问题，如何利用WMS系统“破局”




案例&#xff1a; 
某医药分销企业&#xff0c;主要经营各类药品的批发与零售。由于药品的特殊性&#xff0c;效期管理至关重要&#xff0c;但该企业一直面临效期问题的困扰。在未使用WMS系统之前&#xff0c;其药品入库、存储、出库等环节的效期管理主要依赖人工记录与检查。库…...






编程新知
2025/7/1 18:14:46



















大数据治理的常见方式




大数据治理的常见方式 
大数据治理是确保数据质量、安全性和可用性的系统性方法&#xff0c;以下是几种常见的治理方式&#xff1a; 
1. 数据质量管理 
核心方法&#xff1a; 
数据校验&#xff1a;建立数据校验规则&#xff08;格式、范围、一致性等&#xff09;数据清洗&…...






编程新知
2025/6/26 9:56:10