当前位置： 首页 > news >正文

Python统计pdf中英文单词的个数

news 2026/1/27 7:16:55

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





















19c补丁后oracle属主变化，导致不能识别磁盘组




补丁后服务器重启，数据库再次无法启动 
ORA01017: invalid username/password; logon denied 
Oracle 19c 在打上 19.23 或以上补丁版本后，存在与用户组权限相关的问题。具体表现为，Oracle 实例的运行用户（oracle）和集…...






编程新知
2026/1/24 7:48:05



















C++：std::is_convertible




C++标志库中提供is_convertible，可以测试一种类型是否可以转换为另一只类型： 
template <class From, class To>
struct is_convertible; 使用举例： 
#include <iostream>
#include <string>using namespace std;struct A { };
struct B : A { };int main…...






编程新知
2025/6/11 15:23:57



















【入坑系列】TiDB 强制索引在不同库下不生效问题




文章目录 背景SQL 优化情况线上SQL运行情况分析怀疑1：执行计划绑定问题？尝试：SHOW WARNINGS 查看警告探索 TiDB 的 USE_INDEX 写法Hint 不生效问题排查解决参考背景 
项目中使用 TiDB 数据库，并对 SQL 进行优化了，添加了强制索引。 
UAT 环境已经生效，但 PROD 环境强制索…...






编程新知
2026/1/22 8:15:00



















线程与协程




1. 线程与协程 
1.1. “函数调用级别”的切换、上下文切换 
1. 函数调用级别的切换 
“函数调用级别的切换”是指&#xff1a;像函数调用/返回一样轻量地完成任务切换。 
举例说明&#xff1a; 
当你在程序中写一个函数调用&#xff1a; 
funcA() 
然后 funcA 执行完后返回&…...






编程新知
2025/10/31 17:25:40



















在 Nginx Stream 层“改写”MQTT ngx_stream_mqtt_filter_module




1、为什么要修改 CONNECT 报文&#xff1f; 
多租户隔离&#xff1a;自动为接入设备追加租户前缀&#xff0c;后端按 ClientID 拆分队列。零代码鉴权&#xff1a;将入站用户名替换为 OAuth Access-Token&#xff0c;后端 Broker 统一校验。灰度发布&#xff1a;根据 IP/地理位写…...






编程新知
2025/8/1 10:20:23



















【配置 YOLOX 用于按目录分类的图片数据集】




现在的图标点选越来越多&#xff0c;如何一步解决&#xff0c;采用 YOLOX 目标检测模式则可以轻松解决 要在 YOLOX 中使用按目录分类的图片数据集&#xff08;每个目录代表一个类别&#xff0c;目录下是该类别的所有图片&#xff09;&#xff0c;你需要进行以下配置步骤&#x…...






编程新知
2026/1/26 0:08:34



















2025盘古石杯决赛【手机取证】




前言 
第三届盘古石杯国际电子数据取证大赛决赛 最后一题没有解出来&#xff0c;实在找不到&#xff0c;希望有大佬教一下我。 还有就会议时间&#xff0c;我感觉不是图片时间&#xff0c;因为在电脑看到是其他时间用老会议系统开的会。 
手机取证 
1、分析鸿蒙手机检材&#x…...






编程新知
2026/1/15 6:09:28



















NLP学习路线图（二十三）：长短期记忆网络（LSTM）




在自然语言处理（NLP）领域，我们时刻面临着处理序列数据的核心挑战。无论是理解句子的结构、分析文本的情感，还是实现语言的翻译，都需要模型能够捕捉词语之间依时序产生的复杂依赖关系。传统的神经网络结构在处理这种序列依赖时显得力不从心，而循环神经网络（RNN） 曾被视为…...






编程新知
2026/1/14 20:17:34



















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&#xff1a; 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
2025/8/25 19:12:45



















AI书签管理工具开发全记录（十九）：嵌入资源处理




1.前言 &#x1f4dd; 
在上一篇文章中&#xff0c;我们完成了书签的导入导出功能。本篇文章我们研究如何处理嵌入资源&#xff0c;方便后续将资源打包到一个可执行文件中。 
2.embed介绍 &#x1f3af; 
Go 1.16 引入了革命性的 embed 包&#xff0c;彻底改变了静态资源管理的…...






编程新知
2026/1/25 9:51:23