随笔分类 - 工作时的小零碎
摘要：最近需要处理一堆PDF文档，这堆PDF文档中有图片，并且需要提取出pdf中的图片来识别图片中的文字，老规矩先上代码： import os import fitz import pytesseract from PIL import Image # 设置Tesseract OCR引擎的路径（根据你的系
阅读全文
摘要：在Python官方词汇表中，关于hashable类型的定义有这样一段话： An objectis hashable if it has a hash value which never changes during its lifetime (it needs a hash() method), a
阅读全文
摘要：python内封装了很多强大的功能库，包括对office办公软件的许多操作，相比较于对word的操作库来说，python对excel表格的操作库要友好很多，其中广为人知的当属于pandas和openpyxl。 我在对excel表操作时注意到，对于一个较大的excel表的操作，在相同环境下使用pand
阅读全文
摘要：记录一下关于selenium下XPath和CSS选择器的进阶 XPath轴（axes）和CSS选择器的伪类（pseudo-classes）与伪元素（pseudo-elements）是高级定位技术，可以在复杂的HTML结构中帮助你更精确地定位元素。 1. XPath轴（Axes） XPath轴提供了一
阅读全文
摘要：最近在用selenium对网页上的数据进行爬取时发现，通过pyinstaller打包成的.exe文件运行时速度越来越慢，通过查找任务管理器里的句柄数，发现可能存在内存泄漏的原因，记录一下关于内存泄漏的处理方法和代码优化 1. 内存泄漏 如果您怀疑代码可能存在内存泄漏，可以尝试跟踪内存分配： 这里我用
阅读全文
