python字型檔
⑴ tesseract 訓練字型檔 python 怎麼調用
1、系統環境
OS X 10.7
MacBook Pro(13英寸，2012年初期)
Python 2.7
2、需要軟體包
a、需要安裝PIL以及pytesseract庫
Python-tesseract是一個基於google's Tesseract-OCR的獨立封裝包；
Python-tesseract功能是識別圖片文件中文字，並作為返回參數返回識別結果；
Python-tesseract默認支持tiff、bmp格式圖片，只有在安裝PIL之後，才能支持jpeg、gif、png等其他圖片格式；
Python-tesseract支持python2.5及更高版本；
PIL［Python Imaging Library］來支持更多的圖片格式；
b、需要安裝google tesseract-ocr
執行命令行 tesseract.exe 1.png output -l eng ，可以識別1.png中文字，並把識別結果輸出到output.txt中；
Pytesseract對上述過程進行了二次封裝，自動調用tesseract.exe，並讀取output.txt文件的內容，作為函數的返回值進行返回。
⑵ python+tesseract怎樣才能識別單個數字
Usage:tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile...]
pagesegmode values are:
0 = Orientation and script detection (OSD) only.
1 = Automatic page segmentation with OSD.
2 = Automatic page segmentation, but no OSD, or OCR
3 = Fully automatic page segmentation, but no OSD. (Default)
4 = Assume a single column of text of variable sizes.
5 = Assume a single uniform block of vertically aligned text.
6 = Assume a single uniform block of text.
7 = Treat the image as a single text line.
8 = Treat the image as a single word.
9 = Treat the image as a single word in a circle.
10 = Treat the image as a single character.
-l lang and/or -psm pagesegmode must occur before anyconfigfile.
tesseract imagename outputbase [-l lang] [-psm pagesegmode] [configfile...]
tesseract 圖片名 輸出文件名 -l 字型檔文件 -psm pagesegmode 配置文件
例如：
tesseract code.jpg result -l chi_sim -psm 7 nobatch
-l chi_sim 表示用簡體中文字型檔（需要下載中文字型檔文件，解壓後，存放到tessdata目錄下去,字型檔文件擴展名為 .raineddata 簡體中文字型檔文件名為: chi_sim.traineddata）
-psm 7 表示告訴tesseract code.jpg圖片是一行文本 這個參數可以減少識別錯誤率. 默認為 3
configfile 參數值為tessdata\configs 和 tessdata\tessconfigs 目錄下的文件名
⑶ python中背單詞如何設計選項A,B,C,D
import requests
from lxml import etree
#請求頭和目標網址
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.117 Safari/537.36'
}
url = 'https://www.koolearn.com/dict/tag_2697_2.html'
#第二種寫法的 xpath
#獲取所有 li標簽
xpath_items = '//a[@class="word"]'
#對每個 li標簽再提取
xpath_link = './@href'
xpath_title = './text()'
#獲取和解析網頁
r = requests.get(url, headers=headers,verify=False)
r.encoding = r.apparent_encoding
dom = etree.HTML(r.text)
#獲取所有的文章標簽
items = dom.xpath(xpath_items)
words = []
for article in items:
t = {}
t['title'] = article.xpath(xpath_title)[0]
if t['title']:
# t['translate']=translate(t['title'])
#t['translate'] = bing_translate(t['title'])
t['translate'] = you_translate(t['title'])
t['link'] = "https://www.koolearn.com"+article.xpath(xpath_link)[0]
words.append(t)
import urllib.request
import urllib.parse
import json
import re
def translate(content):
# 翻譯地址
request_url = 'http://fanyi.you.com/translate?smartresult=dict&smartresult=rule'
# data參數
data = {'i': content,
'from': 'AUTO',
'to': 'AUTO',
'smartresult': 'dict',
'client': 'fanyideskweb',
'salt': '15944508027607',
'sign': '',
'ts': '1594450802760',
'bv': '',
'doctype': 'json',
'version': '2.1',
'keyfrom': 'fanyi.web',
'action': 'FY_BY_REALTlME',
}
# headers參數
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/83.0.4103.116 Safari/537.36'}
# 將data規范化
data = urllib.parse.urlencode(data)
# 轉為位元組型
data = bytes(data, 'utf-8')
# 創建請求
request = urllib.request.Request(request_url, data, headers=headers)
# 發送請求並獲取相應
response = urllib.request.urlopen(request)
# 返回內容,得到一個json字元串
html = response.read().decode('utf-8')
# 將json字元串轉為字典
html = json.loads(html)
print(html['translateResult'][0][0]['tgt'])
return html['translateResult'][0][0]['tgt']
import pandas as pd
df =pd.DataFrame(data=words)
# 讀取所有Sheet
df1 = pd.read_excel("C:\\work\\english.xlsx", sheet_name=None)
index=len(list(df1))
sheetname="Sheet{}".format(index+1)
writer = pd.ExcelWriter('test_excel.xlsx')
df.to_excel(writer,sheet_name=sheetname)
writer.close()
⑷ Python數據分析庫有哪些
Python數據分析必備的第三方庫：
1、Pandas
Pandas是Python強大、靈活的數據分析和探索工具，包含Serise、DataFrame等高級數據結構和工具，安裝Pandas可使Python中處理數據非常快速和簡單。
Pandas是Python的一個數據分析包，Pandas最初使用用作金融數據分析工具而開發出來，因此Pandas為時間序列分析提供了很好的支持。
Pandas是為了解決數據分析任務而創建的，Pandas納入了大量的庫和一些標準的數據模型，提供了高效的操作大型數據集所需要的工具。Pandas提供了大量是我們快速便捷的處理數據的函數和方法。Pandas包含了高級數據結構，以及讓數據分析變得快速、簡單的工具。
2、Numpy
Numpy可以提供數組支持以及相應的高效處理函數，是Python數據分析的基礎，也是Scipy、Pandas等數據處理和科學計算庫最基本的函數功能庫，且其數據類型對Python數據分析十分有用。
Numpy提供了兩種基本的對象：ndarray和ufunc。ndarray是存儲單一數據類型的多維數組，而ufunc是能夠對數組進行處理的函數。
3、Matplotlib
Matplotlib是強大的數據可視化工具和作圖庫，是主要用於繪制數據圖表的Python庫，提供了繪制各類可視化圖形的命令字型檔、簡單的介面，可以方便用戶輕松掌握圖形的格式，繪制各類可視化圖形。
Matplotlib是Python的一個可視化模塊，他能方便的只做線條圖、餅圖、柱狀圖以及其他專業圖形。
Matplotlib是基於Numpy的一套Python包，這個包提供了豐富的數據繪圖工具，主要用於繪制一些統計圖形。
4、SciPy
SciPy是一組專門解決科學計算中各種標准問題域的包的集合，包含的功能有最優化、線性代數、積分、插值、擬合、特殊函數、快速傅里葉變換、信號處理和圖像處理、常微分方程求解和其他科學與工程中常用的計算等，這些對數據分析和挖掘十分有用。
SciPy是一款方便、易於使用、專門為科學和工程設計的Python包，它包括統計、優化、整合、線性代數模塊、傅里葉變換、信號和圖像處理、常微分方程求解器等。Scipy依賴於Numpy，並提供許多對用戶友好的和有效的數值常式，如數值積分和優化。
5、Keras
Keras是深度學習庫，人工神經網路和深度學習模型，基於Theano之上，依賴於Numpy和Scipy，利用它可以搭建普通的神經網路和各種深度學習模型，如語言處理、圖像識別、自編碼器、循環神經網路、遞歸審計網路、卷積神經網路等。
6、Scrapy
Scrapy是專門為爬蟲而生的工具，具有URL讀取、HTML解析、存儲數據等功能，可以使用Twisted非同步網路庫來處理網路通訊，架構清晰，且包含了各種中間件介面，可以靈活的完成各種需求。
7、Gensim
Gensim是用來做文本主題模型的庫，常用於處理語言方面的任務，支持TF-IDF、LSA、LDA和Word2Vec在內的多種主題模型演算法，支持流式訓練，並提供了諸如相似度計算、信息檢索等一些常用任務的API介面。
⑸ python語言凱撒密碼加密為什麼要%26
%26是確保加密後的值仍然在字母表范圍內（當然為了能解密，前提條件是原文的字元也不能超過這26個字母）
為什麼要%26呢？直接用原文的Unicode值加三再轉換成字元不就可以了嗎？---
凱撒密碼應該是很古老的加密技術吧，那時候計算機都還沒出現，ASCII碼或者你說的unicode碼更不存在。所以說表示字元的就那麼26個。當然你說我可以創造一些字元啊，那也沒問題，和直接用數字也沒多少區別。但有可能保持這26個字母更能起到混淆視聽的作用，畢竟它們可能不能一眼看出是密碼。
不管在古代還是現代，增加字型檔都是有成本的，比如雕刻活字、設計字體等，能復用現有字體的話，列印傳播密文的成本就大大降低。
⑹ python常用包及主要功能
Python常用包：NumPy數值計算、pandas數據處理、matplotlib數據可視化、sciPy科學計算、Scrapy爬蟲、scikit-learn機器學習、Keras深度學習、statsmodels統計建模計量經濟。
NumPy是使用Python進行科學計算的基礎包，Numpy可以提供數組支持以及相應的高效處理函數，是Python數據分析的基礎，也是SciPy、Pandas等數據處理和科學計算庫最基本的函數功能庫，且其數據類型對Python數據分析十分有用。
pandas 是python的一個數據分析包,是基於NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。pandas提供了大量能使我們快速便捷地處理數據的函數和方法。
Matplotlib是強大的數據可視化工具和作圖庫，是主要用於繪制數據圖表的Python庫，提供了繪制各類可視化圖形的命令字型檔、簡單的介面，可以方便用戶輕松掌握圖形的格式，繪制各類可視化圖形。
SciPy是一組專門解決科學計算中各種標准問題域的包的集合，包含的功能有最優化、線性代數、積分、插值、擬合、特殊函數、快速傅里葉變換、信號處理和圖像處理、常微分方程求解和其他科學與工程中常用的計算等，這些對數據分析和挖掘十分有用。
Scrapy是專門為爬蟲而生的工具，具有URL讀取、HTML解析、存儲數據等功能，可以使用Twisted非同步網路庫來處理網路通訊，架構清晰，且包含了各種中間件介面，可以靈活地完成各種需求。
Scikit-Learn是Python常用的機器學習工具包，提供了完善的機器學習工具箱，支持數據預處理、分類、回歸、聚類、預測和模型分析等強大機器學習庫，其依賴於Numpy、Scipy和Matplotlib等。
Keras是深度學習庫，人工神經網路和深度學習模型，基於Theano之上，依賴於Numpy和Scipy，利用它可以搭建普通的神經網路和各種深度學習模型，如語言處理、圖像識別、自編碼器、循環神經網路、遞歸審計網路、卷積神經網路等。
Statsmodels是Python的統計建模和計量經濟學工具包，包括一些描述統計、統計模型估計和推斷。
⑺ python 中如何輸出c2=a2+b2上標
輸出什麼樣的字元取決於你電腦使用的字型檔，和使用Python沒有關系。一般的輸入法都支持特殊字元的輸入，它代替你查找字型檔的字碼。
先輸入c，在在輸入法輸入「平方」，然後向後翻，就可以找到 ² 的符號，選中即可。
⑻ 關於PY軟體，我來掃盲(什麼是PY)
)n; (US) 'paiθ?n ]n.蟒蛇，巨蛇 )，是一種面向對象的解釋性的計算機程序設計語言，也是一種功能強大而完善的通用型語言，已經具有十多年的發展歷史，成熟且穩定。Python 具有腳本語言中最豐富和強大的類庫，足以支持絕大多數日常應用。 Python是一種編程語言，它的名字來源於一個喜劇。也許最初設計Python這種語言的人並沒有想到今天Python會在工業和科研上獲得如此廣泛的使用。著名的自由軟體作者Eric Raymond在他的文章《如何成為一名黑客》中，將Python列為黑客應當學習的四種編程語言之一，並建議人們從Python開始學習編程。這的確是一個中肯的建議，對於那些從來沒有學習過編程或者並非計算機專業的編程學習者而言，Python是最好的選擇之一。Python第一次學習Python，我只用了不到二十分鍾的時間，站在書店裡把一本教初學編程的人學習Python的書翻了一遍。也是從那時起，我開始被這種神奇的語言吸引。 Python的歷史 Python的創始人為Guido van Rossum。1989年聖誕節期間，在阿姆斯特丹，Guido為了打發聖誕節的無趣，決心開發一個新的腳本解釋程序，做為 ABC 語言的一種繼承。之所以選中 Python（大蟒蛇的意思）作為程序的名字，是因為他是一個Monty Python的飛行馬戲團的愛好者。 ABC是由Guido參加設計的一種教學語言。就Guido本人看來，ABC 這種語言非常優美和強大，是專門為非專業程序員設計的。但是ABC語言並沒有成功，究其原因，Guido 認為是非開放造成的。Guido 決心在 Python 中避免這一錯誤（的確如此，Python 與其它的語言如C、C++和java結合的非常好）。同時，他還想實現在 ABC 中閃現過但未曾實現的東西。 就這樣，Python在Guido手中誕生了。實際上，第一個實現是在Mac機上。可以說，Python是從ABC發展起來，主要受到了Mola-3（另一種相當優美且強大的語言，為小型團體所設計的）的影響。並且結合了Unix shell和C的習慣。 Python在編程語言中的定位 很多大規模軟體開發計劃例如 Zope， Mnet 及 BitTorrent. Google都在廣泛地使用它。 通常認為，Python是一種解釋性的語言，但是這種說法是不正確的，實際上，Python在執行時，首先會將.py文件中的源代碼編譯成Python的byte code（位元組碼），然後再由Python Virtual Machine來執行這些編譯好的byte code。這種機制的基本思想跟Java，.NET是一致的。然而，Python Virtual Machine與Java或.NET的Virtual Machine不同的是，Python的Virtual Machine是一種更高級的Virtual Machine。這里的高級並不是通常意義上的高級，不是說Python的Virtual Machine比Java或.NET的功能更強大，而是說和Java 或.NET相比，Python的Virtual Machine距離真實機器的距離更遠。或者可以這么說，Python的Virtual Machine是一種抽象層次更高的Virtual Machine。 基於C的Python編譯出的位元組碼文件，通常是.pyc格式。 在實際開發中，python常被昵稱為膠水語言，這不是說他會把你的手指粘住，而是說他能夠很輕松的把用其他語言製作的各種模塊（尤其是C/C++）輕松地聯結在一起。常見的一種應用情形是，使用python快速生成程序的原型（有時甚至是程序的最終界面），然後對其中有特別要求的部分，用更合適的語言改寫，比如3D游戲中的圖形渲染模塊，速度要求非常高，就可以用C++重寫。 Python的缺點和補救措施 NO.1 運行速度（雖然比java快，但沒法和需要編譯的語言相比）。有速度要求的話，用C++改寫關鍵部分吧。 NO.2 國內市場較小（國內以python來做主要開發的，目前只有一些 web2.0公司）。但時間推移，目前很多國內軟體公司，尤其是游戲公司，也開始規模使用他。 No.3 中文資料匱乏（好的python中文資料屈指可數）。托社區的福，有幾本優秀的教材已經被翻譯了，但入門級教材多，高級內容還是只能看英語版。 NO.4 構架選擇太多（沒有像C#這樣的官方.net構架，也沒有像ruby由於歷史較短，構架開發的相對集中。Ruby on Rails 構架開發中小型web程序天下無敵）。不過這也從另一個側面說明，python比較優秀，吸引的人才多，項目也多。 ＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝以上內容來自網路下面經過我的篩選，整理一點，再加上一些網友的評論PY軟體。 對於普通的手機用戶，我們不用了解太多，只是安上Python這個平台就可以了，可以讓我們的手機支持更多以Python開發的程序。目前在Symbian手機上已經有相當多的Python開發的程序，也都是比較實用的。 python平台是一個運行軟體的平台，就是有些軟體需要python平台的支持才可以運行，直接安裝上手機是開啟不了的，py插件就是指py平台上的補丁！ 1. 首先要確定你的手機里安裝了適合機型的python平台，建議再安裝增強模塊以保證能運行部分py軟體。 2. py軟體安裝之後會在功能表裡顯示圖標，像打開普通軟體那樣打開就可以了。如果軟體打不開請檢查是否正確安裝python平台和增強模塊。 3. 部分軟體會顯示口口，建議安裝字型檔，因為軟體開發者沒有設置默認顯示字體py軟體的構造 所有的py軟體都要包括如下文件：.app--1.65k；.rsc--337b；.aif。這三個文件在所有py軟體中都是相同的，唯一的區別就是軟體的uid不同。這些文件其實就是一個py文件的殼，軟體的真正起作用部分是在.py或.pyc文件里。