当前位置： 首页 > news >正文

Python统计pdf中英文单词的个数

news 文章来源：https://blog.csdn.net/qq_32532663/article/details/132939556 2025/1/15 23:30:40

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



















uniapp打包安卓后在安卓屏上实现开机自启动




实现开机自启动(使用插件) 
打开插件地址安卓开机自启动 Fvv-AutoStart - DCloud 插件市场 
使用方法 
选择你要开启自启动的项目 在项目的manifest.json中app-plus下写入以下代码 注意需要替换 android_package_name 为自己的,不然无法进行安卓apk打包 
"nativePlugins&q…...






编程日记
2023/9/22 9:55:27



















浅谈KNX总线智能照明控制系统在北京南站房中的应用




安科瑞 华楠 
摘要：本文简要介绍了i-bus EIB/KNX智能建筑控制系统的基本原理及在北京南站房中的成功应用。阐述了这一系统强大的系统功能、灵活的控制方式节能效果。 
关键词：i-bus智能建筑控制；控制系统；节能 1、工程概况 
北京新…...






编程日记
2023/9/22 9:53:25



















深入了解Java的核心库




掌握Java的核心库是成为一名优秀的Java开发者的关键。Java提供了丰富的核心库和API，包括集合框架、输入输出、多线程、异常处理等等。熟悉并掌握这些库的使用，可以提高编程效率和代码质量。在本文中，我们将深入讨论Java的核心库，并…...






编程日记
2023/9/22 9:52:22



















嵌入式：驱动开发 Day9




作业：通过platform总线驱动实现 a.应用程序通过阻塞的io模型来读取number变量的值 b.number是内核驱动中的一个变量 c.number的值随着按键按下而改变（按键中断） 例如number0 按下按键number1 ,再次按下按键number0 d.在按下按键的时候需要同时…...






编程日记
2023/9/22 9:51:21



















【ComfyUI】安装 之 window版




文章目录 序言步骤下载comfyUI配置大模型和vae下载依赖组件启动 生成图片解决办法 序言 
由于stable diffusion web ui无法做到对流程进行控制，只是点击个生成按钮后，一切都交给AI来处理。但是用于生产生活是需要精细化对各个流程都要进行控制的。 
故也…...






编程日记
2023/9/22 9:48:18



















iMazing 2 .17.9最新官方中文版免费下载安装激活




iMazing 2 .17.9最新版是一款帮助用户管理IOS手机的应用程序，iMazing2最新版能力远超iTunes提供的终极的iOS设备管理器。IMazing与你的iOS设备(iPhone、 iPad或iPod)相连，使用起来非常的方便。作为苹果指定的iOS设备同步工具。 
mazing什么意思 
iMazing…...






编程日记
2023/9/22 9:47:17



















Postman应用——Pre-request Script和Test Script脚本介绍




文章目录 Pre-request Script所在位置CollectionFolderRequest Test Script所在位置CollectionFolderRequest Pre-request Script（前置脚本）：可以使用在Collection、Folder和Request中，并在Request请求之前执行，可用于…...






编程日记
2023/9/22 9:46:15



















vue2中年份季度选择器（需要安装element）




调用 <!--父组件调用--><QuarterCom v-model"quart" clearable default-current/> 组件代码 
<template><div><span style"margin-right: 10px">{{ label }}</span><markstyle"position:fixed;top:0;bottom:0…...






编程日记
2023/9/22 9:44:14



















QT day5




数据库完成登入注册 
mainwindow.h 
#ifndef MAINWINDOW_H
#define MAINWINDOW_H
#include <QMainWindow>
#include<QDebug>
#include<QPushButton>
#include<QLineEdit>
#include<QLabel>
#include <QMainWindow>
#include<QMessageBo…...






编程日记
2023/9/22 9:42:12



















设计模式Java实战




文章目录 一、前置1.1 目的1.2 面向对象1.3 接口和抽象类 二、七大设计原则2.1 单一职责2.2 接口隔离原则2.3 依赖倒转原则2.4 里氏替换原则2.5 开闭原则2.6 不要重复原则2.7 迪米特最少知道法则 三、23种设计模式3.1创建型&#xff1a;创建对象3.1.1 单例模式定义最佳实践场景…...






编程日记
2023/9/22 9:41:11



















苏州新区城乡建设网站/电商培训课程




在打算写这篇文章之前&#xff0c;我是一个分号党&#xff0c;在写这篇文章之后&#xff0c;可能会转为无分号党了。之前是写分号是编辑器语法较检所养成的强迫症&#xff0c;现在观念的转变&#xff0c;是因为看了不少大神的讨论后&#xff0c;觉得javascript语句后写分号除了…...






编程日记
2025/1/15 23:21:51



















网站建设男装定位/成都高薪seo




Solaris 10整合apache与php过程及出错处理<?xml:namespace prefix  o ns  "urn:schemas-microsoft-com:office:office" />作者&#xff1a;田逸&#xff08;[email]sery163.com[/email]&#xff09;发表于[url]http://os.51cto.com/art/200705/47439.htm[/url…...






编程日记
2025/1/15 21:04:53



















wordpress页面加载时间代码/网站关键词优化wang




最近我不得不在 Laravel 7 实现 通用唯一识别码 &#xff08; UUIDs &#xff09;&#xff0c;并遇到一些问题。我希望这帖子可为其他正在做相同事情的人解惑。 
使用 UUIDs 的高级理由 
A) 它们从你的 统一资源定位符 移除编号的 身份识别号 &#xff0c;故用户不能看到你的应…...






编程日记
2025/1/15 16:14:09



















品牌自适应网站建设/开发一个网站的步骤流程




/**   JDK1.5后出现的特性,自动装箱和自动拆箱*   自动装箱: 基本数据类型,直接变成对象*   自动拆箱: 对象中的数据变回基本数据类型*   方便使用*   自动装箱和拆箱弊端,可能出现空指针异常*/
public class IntegerDemo_2 {public static void main(String[] args) {function…...






编程日记
2025/1/15 14:32:43



















网站建设技术方案/陕西网络营销优化公司




最近在公司整理设计规范&#xff0c;记得上一次整理弹窗时&#xff0c;我仅仅将几种弹窗样式整理了出来&#xff0c;但是真正在使用时发现使用场景很有限&#xff0c;导致后期需要重新调整。另外&#xff0c;之前的规范仅考虑了设计上的统一和协作性&#xff0c;并未考虑到和前…...






编程日记
2025/1/15 13:00:58



















网站制作的收费/优化seo教程技术




操作PDF文档时&#xff0c;打印是常见的需求之一。针对不同的打印需求&#xff0c;可分多种情况来进行&#xff0c;如设置静默打印、指定打印页码范围和打印纸张大小、双面打印、黑白打印等等。经过测试&#xff0c;下面将对常见的几种PDF打印需求做一些归纳总结&#xff0c;这…...






编程日记
2025/1/15 7:27:20