文档建议反馈控制台
首页
学习
活动
专区
圈层
工具
MCP广场
文章/答案/技术大牛
发布

Python 自动化指南（繁琐工作自动化）第二版：十五、使用 PDF 和 WORD 文档

除了文本，它们还存储大量的字体、颜色和布局信息。如果您想让您的程序读写 PDF 或 Word 文档，您需要做的不仅仅是简单地将它们的文件名传递给open()。...PDF 文档 PDF代表可移植文档格式，使用pdf文件扩展名。虽然 PDF 支持许多功能，但本章将集中讨论您最常使用它们做的两件事：从 PDF 读取文本内容和从现有文档制作新的 PDF。...尽管有很多免费的程序可以合并 PDF 文件，但是很多程序只是将整个文件合并在一起。让我们编写一个 Python 程序来定制在合并的 PDF 中需要哪些页面。...创建一个PdfFileWriter对象来保存组合的 PDF 页面 ➍。最后，一些注释概述了程序的其余部分。 第二步：打开每个 PDF 现在程序必须读取pdfFiles中的每个 PDF 文件。...它有与之相关的字体、大小、颜色和其他样式信息。Word 中的样式就是这些属性的集合。Run对象是具有相同样式的连续文本串。每当文本样式改变时，就需要一个新的Run对象。

5.7K51

刺向巴勒斯坦的致命毒针——双尾蝎 APT 组织的攻击活动分析与总结

攻击平台主要包括 Windows 与Android: 其中针对windows的平台,其比较常见的手法有投放带有"*.exe"或"*.scr"文件后缀的释放者文件,在目标用户打开后释放对应的诱饵文档,并且释放下一步的侦查者...in government institutions.pdf CreateFile函数创造诱饵PDF文档-pic11 通过WriteFile函数将PDF源数据写入创建的诱饵文档内 诱饵PDF文档源数据...该样本属于包含恶意宏的文档,我们打开可以看到其内容关于财政部关于文职和军事雇员福利的声明,属于涉及政治类的题材 样本Employee-entitlements-2020.doc正文与翻译-pic45...删除%ProgramData%\IntegratedOffice.txt 样本Employee-entitlements-2020.doc中的恶意宏文件主要代码(带注释)-pic46 样本IntegratedOffice.exe...C&C的关系图 双尾蝎本次活动样本与C&C服务器关系图-pic122 通过之前的分析我们发现了该组织拥有很强的技术对抗能力,并且其投放的样本一直围绕着与巴勒斯坦和以色列的敏感话题进行投放,我们对其话题关键字做了统计

3.4K10
    • 您找到你想要的搜索结果了吗？
    是的
    没有找到

    刺向巴勒斯坦的致命毒针——双尾蝎 APT 组织的攻击活动分析与总结

    攻击平台主要包括 Windows 与Android: 其中针对windows的平台,其比较常见的手法有投放带有"*.exe"或"*.scr"文件后缀的释放者文件,在目标用户打开后释放对应的诱饵文档,并且释放下一步的侦查者...收集username和computername并且读取GUID-pic21 再以如下格式拼接信息 当前计算机名称_当前用户名_GUID码 ?...获取删除指令-pic41 此外我们还关联到一个与之相似的样本,诱饵文档与之相同故不再赘述 ?...样本Employee-entitlements-2020.doc中的恶意宏文件主要代码(带注释)-pic46 ? 样本IntegratedOffice.exe文件信息(表格)-pic47 ?...双尾蝎本次活动样本与C&C服务器关系图-pic122 通过之前的分析我们发现了该组织拥有很强的技术对抗能力,并且其投放的样本一直围绕着与巴勒斯坦和以色列的敏感话题进行投放,我们对其话题关键字做了统计,方便各位看官了解

    3.7K11

    Python 深入浅出 – PyPDF2 处理 PDF 文件

    大家好，又见面了，我是你们的朋友全栈君。 实际应用中，可能会涉及处理 pdf 文件，PyPDF2 就是这样一个库，使用它可以轻松的处理 pdf 文件，它提供了读，割，合并，文件转换等多种操作。...参数： stream：*File 对象或支持与 File 对象类似的标准读取和查找方法的对象，也可以是表示 PDF 文件路径的字符串。...# 在文件的最后一页写入一个空白页,保存至文件中 pdfFileWriter.write(open(outFile,'wb')) 结果是：在写入的 copy.pdf 文档的最后最后一页写入了一个空白页...numPages = pdfFileReader.getNumPages() if numPages > 5: # 从第五页之后的页面，输出到一个新的文件中，即分割文档...PageObject 对象的属性和方法 属性或方法 描述 static createBlankPage(pdf=None,width=None,height=None) 返回一个新的空白页面 extractText

    2.3K30

    用 LazyLLM 搭建一个代码注释 文档 Agent 的实测体验

    作为一名经常需要写代码的开发者，我常常被一个问题困扰：写代码本身并不难，但写清晰的函数注释和 API 文档却很费时间。尤其在多人协作项目里，如果缺少规范的注释，新人接手代码往往需要花大量时间理解。...最近，我尝试用 LazyLLM 来做一个小实验：让它自动扫描代码库，生成函数注释和接口文档。下面分享一下我基于 LazyLLM 的实测过程。...我的实验流程如下：指定本地 Python 文件（例如 snake.py）。读取文件内容。将代码作为上下文交给模型。自动生成函数注释和 API 文档。...对我这种经常写代码的人来说，省下了不少写注释和整理文档的时间，也让团队协作更加顺畅。总体来说，它不仅是一个聊天 SDK，更像是一个本地可落地的智能代码助手。...定期分享编程干货与独家资源~ 一起交流 如果你也尝试了 LazyLLM，欢迎在评论区分享你的使用体验或遇到的问题！

    40410

    独家 | 手把手教你如何用Python从PDF文件中导出数据（附链接）

    这里，我们从PDFMiner的不同模块中引入多个不同的类。由于这些类都没有文档说明，也没有实现其文档字符串属性，我将不会深入讲解它们做了什么。如果你真的好奇的话，尽管可以深入地研究它们的源代码。...因此你需要思考一些方法来分析出你感兴趣的文本。 PDFMiner的好处就是你可以很方便地按文本、HTML或XML格式来“导出”PDF文件。...最后，我们将一列单词写入CSV文件中。 这就是得到的结果： ? 我认为这个例子同JSON或XML的例子相比读起来难了点，但是它不算太难。现在让我们继续来看一下怎样才能将图片从PDF中提取出来。...我没法使其运行于我的PDF样本。在Ned Batchelder的博客上有一篇文章谈到了一点儿如何从PDF中提取JPG图片。代码如下： ? 这同样对我使用的PDF文件无效。...但没有一个对我有效。 我的建议是使用一个类似于Poppler 的工具来提取图片。Poppler有一个工具叫做pdfimages，你可以同Python的subprocess模块一起来使用。

    6.7K30

    PyMuPDF 1.24.4 中文文档（十三）

    文档处理中存在多个坐标系统。例如，PDF 页面和由其创建的图像的坐标系统是不同的。因此，我们需要方法来转换一个坐标系统到另一个（偶尔也需要反向转换）。这就是 Matrix 的任务。...在执行Page.show_pdf_page()时，会发生以下事情： 源文档中源页面的resources和contents对象与目标文档一起复制，共同创建一个新的Form XObject，具有以下属性。...因此，我们需要方法来转换坐标，从一个系统到另一个系统（并且有时也需要反向转换）。这是一个矩阵的任务。...表单字段是类型为 (19, ‘Widget’) 的注释。有一个新的文档方法来检查 PDF 是否为表单。Annot 类具有描述字段详细信息的新属性。...与版本 1.9.3 相比的其他更改 新的 Document 方法 write() 将已打开的 PDF 写入内存（与 save() 不同，它将文件写入）。 注释现在可以在页面上缩放和移动。

    2.9K11

    如何从文档创建 RAG 评估数据集

    有什么具体的事情你想测试或讨论吗？我可以帮你。” 创建 RAG 评估数据集 我们加载文档并将上下文传递给生成器 LLM，生成器会生成问题和答案。问题、答案和上下文是传递给 LLM 评委的一个数据样本。...目前无法将 Ragas 与非英语文档一起使用。 我在本文中使用了 OpenAI 指南“RAG 评估” 2 作为代码的基础。不过，我尝试简化他们的示例代码，并根据一些研究结果更改了评估 3、4、5。...读取文件 我们将使用 LangChain 读取包含所有文件的文件夹。 首先，我们需要安装所有必要的软件包。LangChain的 DirectoryLoader 使用非结构化库来读取各种文件类型。...在本文中，我将仅读取 PDF，以便我们可以安装较小版本的unstructured。...生成问答上下文样本 使用 OpenAI 客户端和我们之前创建的模型，我们首先编写一个生成器函数来从我们的文档中创建问题和答案。

    2.6K20

    一种 Au3 远控木马变种样本分析

    0x03变种木马分析 3.1 可疑文件 可疑文件被嵌入在某文档中，以邮件的方式进行传播: ? 提取出可执行程序样本后，发现该样本为 RAR 自解压程序： ?...3.2 脚本分析 对 file2 进行分析发现，该脚本文件的源码通过大量增加无用注释（; 号开头的行都是单行注释）和无用代码（#-d-d-d 开头的大多是无用代码，且不干扰程序正常运行）的方式来增加内容和文件体积...为了构造攻击所需的 “payload”，脚本程序会从配置文件中读取新的加密代码段及新的解密密钥。 当一系列攻击操作完成时，被入侵的主机会主动向 C&C 服务器发起回连请求。...需要注意的是，这些函数大部分是 Au3 官方提供的，而具有攻击性的 payload 代码大部分是存储在 DLL 数据里面： #NoTrayIcon：用于隐藏程序的运行状态及任务栏图标 ProcessExists...FileRead：用于读取配置文件中的加密代码块。 FileSetAttrib：用于设置文件属性。 FileWrite：用于写入解密后的新脚本到新文件中。

    2.8K70

    使用%XML.TextReader

    这些方法中的每一个都返回一个状态($OK或失败代码)，以指示结果是否成功。...这些内容将在本章后面的“解析方法的参数列表”中介绍。检查解析方法返回的状态，并在适当的情况下退出。如果解析方法返回$OK，则有一个与源XML文档相对应的文本阅读器对象。可以导航此对象。...若要返回到元素(如果适用)，请使用MoveToElement()。如果需要，可以使用Rewind()方法返回到文档的开头(第一个节点之前)。这是唯一可以在源代码中倒退的方法。...这将读取源文件，创建一个文本阅读器对象，并通过引用在变量doc中返回该对象。如果ParseFile()成功，则该方法然后调用read()方法来查找文档中的每个后续节点。...对于每个节点，该方法写入包含节点序列号、节点类型、节点名称(如果有)、节点路径和节点值(如果有)的输出行。输出将写入当前设备。以下示例源文档：<?

    77820

    CSharp每日代码示例：使用iTextSharp创建PDF文件

    说明：一个段落有一个且仅有一个间距，如果你添加了一个不同字体的短句或块，原来的间距仍然有效，你可以通过SetLeading来改变间距，但是段落中所有内容将使用新的中的间距。...文件链接注释： 你需要指定一个可点击的矩形和一个字符串（文件名称）和目的文件或页码。...Annotation(100f, 700f, 200f, 800f, "other.pdf", 2); 指定行为链接注释 你需要指定一个可点击的矩形和一个指定的行为： Annotation annot...十四、表单写入 读取表单中的域： 隐藏行号 复制代码 ？ 这是一段程序代码。...Document类允许创建一个新的PDF文件。 PdfWriter类提供了从文档类对象编写PDF文档的即时访问。

    4.5K10

    自动化API文档生成与Swagger UI集成：API文档，如何从枯燥变得生动有趣？

    但，如果我告诉你有一种方法，能够自动化生成这些文档，且不需要担心和代码同步的问题，你是不是会觉得有点儿小兴奋？...今天，我要给大家介绍一个神奇的工具——Swagger，它能自动读取你的代码注释，根据OpenAPI规范，自动生成API文档，并且通过Swagger UI提供交互式调试，极大提高开发和使用API的效率。...想象一下，每次你开发一个API时，不用再为写文档而烦恼，也不需要担心文档和代码不同步。Swagger能通过读取代码中的注释，自动生成文档，而且每当API有改动时，文档会自动更新。是不是特别省心？...打开一个新的 app.js 文件，写入以下代码：const express = require('express');const swaggerUi = require('swagger-ui-express...你只需要在代码中加上特定格式的注释，Swagger就会根据这些注释自动生成文档。

    82010

    Go 1.4 相比 Go 1.3 有哪些值得注意的改动？

    规范导入路径通过在 package 声明行添加特定注释来指定唯一的导入路径，防止同一个包被通过不同路径导入，提高了代码的可维护性。...在 Go 1.5 中，当 GC 与用户 Goroutine 并发运行时，写屏障将允许 GC 介入和记录这些指针写入操作，以确保 GC 的正确性（例如，防止 GC 错误地回收被用户代码新近引用的对象）。...工作方式： 包的作者可以在其源代码文件的 package 声明行的末尾添加一个特定格式的注释，来声明该包的 唯一 官方导入路径。..., go install）编译一个导入了带有此种注释的包时，它会检查导入时使用的路径是否与注释中声明的规范路径完全一致。...这次调用给予了 SplitFunc 处理输入结束状态的最后机会，使其能够根据需要生成最后一个令牌，即使这个令牌是空的。

    47100

    GPT学术优化 (GPT Academic):支持一键润色、一键中英互译、一键代码解释、chat分析报告生成、PDF论文全文翻译功能、互联网信息聚合+GPT等等

    这些函数插件旨在提供一些高级功能，如解析项目源代码、批量翻译PDF文档和Latex全文润色等。其中一些插件还支持热更新功能，不需要重启程序即可生效。...，并将转化后的代码存储到一个新的文件中。...库来提取PDF文档的文本内容，对每个PDF文件分别进行处理并生成中英文摘要。...功能比较复杂，其中需要调用多个函数和依赖库，涉及到多线程操作和UI更新。文件中有详细的注释和变量命名，代码比较清晰易读。...其中解析源代码新函数是实际处理源代码分析并生成报告的函数。该函数首先会逐个读取传入的源代码文件，生成对应的请求内容，通过多线程发送到chatgpt进行分析。然后将结果写入文件，并进行汇总分析。

    3.7K30

    深度 | 超越DQN和A3C：深度强化学习领域近期新进展概览

    从本质上讲，对于某个状态下我们可采取的每个动作，我们都可以使用收到的即时奖励和对新状态的价值估计来更新原来的状态-动作对的价值估计： ?...HRL 是当前一个非常受欢迎的研究领域，而且也非常容易与其它技术组合到一起，比如这篇论文将 HRL 与模仿学习结合了起来：https://arxiv.org/pdf/1803.00590.pdf。...接下来，z_t 会被输入 MBP 的 LSTM，其输出会被用于更新先验分布以及通过向量值的「读取键」和「写入键」来对记忆进行读取/写入——这两者是以作为 LSTM 的隐藏状态的线性函数得到的。...这个 VLB 损失包含两个成分： 在这下一个状态变量上的先验和后验概率分布之间的 KL 距离，其中后验分布还额外有新观察的条件。最小化这个 KL 距离能确保新状态变量与之前的观察/动作保持一致。...我们总是在根据对我们所处的环境的某个心智模型来规划和预测未来，但我们也都清楚我们的心智模型并不完全准确——尤其是当我们处在新环境中或遇到我们未曾见过的情形时。

    87710

    用Python玩转PDF的各种骚操作

    该代码编写为向后与原始代码兼容，并且用了好多年，效果一直很好，其最后一个版本是在2016年。 有一个名为PyPDF3的软件包简短系列版本，然后该项目被重命名为PyPDF4。...pdfileWriter，因为我们需要编写一个新的pdf。...最后，使用.write()把所有新页写入新的PDF。 如何合并PDF？ 在许多情况下，我们希望将两个或多个PDF合并到一个PDF中。例如，现在可能有一个标准的封面，需要转到许多类型的报告中。...当完成对列表中所有PDF的所有页面的写入后，将在末尾写入新的结果中。 如果不想合并每个PDF的所有页面，可以通过添加一系列要添加的页面来稍微增强这个脚本。...遍历完成后，最后将新加水印的PDF写入磁盘。 如何加密PDF？ PyPDF2目前仅支持将用户密码和所有者密码添加到预先存在的PDF。

    2.6K50

    如何写出易于维护的Verilog代码？

    ： 缩写 全拼 含义 rst reset 复位 clk clock 时钟 rd read 读取 wr write 写入 addr address 地址 ack acknowledge 响应 更多的常用端口命名和变量命名缩写...空格和缩进让代码更清晰 运算符两端增加一个空格，可以让程序结构更清晰，可读性更高 缩进风格采用KR风格，即begin写在行尾，不占用单独一行，end单独占用一行 缩进统一使用4个空格来代替TAB键 if...我不否认有些人的代码写的就是很规范，命名合理，格式清晰。 但是我觉得你还没有达到那种程度，不能保证每一个人都能读懂没有注释的代码。注释不仅是为了给别人看，更多的也是为了给自己看，好记性不如烂笔头。...注释统一使用/**/注释的方式，或者使用与//混合使用，看个人习惯！...每个变量定义后需要注释变量的功能 每个always块功能需要注释 状态机状态含义需要注释 条件语句的后面需要添加注释 代码修改，注释也要随之修改 其他 合理使用generate for可以批量化定义和例化模块

    87810

    使用 Grafana Mimir 实现云原生监控报警可视化

    ingester（数据接收器） 接收程序是一个有状态组件，它将传入序列写入长期存储的写路径，并返回读取路径上查询的序列样本。...因此，查询器可能需要在读取路径上执行查询时，从接收器和长期存储中获取样本。任何调用接收器的 Mimir 组件都首先查找哈希环中注册的接收器，以确定哪些接收器可用。...querier（查询器） 查询器是一个无状态组件，它通过在读取路径上获取时间序列和标签来评估 PromQL 表达式，使用存储网关组件查询长期存储，使用接收组件查询最近写入的数据。...在这个初始 bucket 扫描阶段，查询器无法处理传入的查询，其 /ready ready 探测端点将不会返回 HTTP 状态代码 200。运行时，查询器定期迭代存储桶以发现新的租户和最近上载的块。...查询请求解析 连接到存储网关 连接到接收器 支持元数据缓存 query-frontend 查询前端是一个无状态组件，它提供与查询器相同的 API，并可用于加快读取路径。

    2.9K40

    Py 自动化办公

    作者； 创建者； 制作者； Subject； 标题； 页数； 这里我下载了官网提供的 PDF 样本《Seige_of_Vicksburg_Sample_OCR》一共六页，作为测试数据 image-20210313230206113...) 结果如下 image-20210313232532349 代码中同时用到了PdfFileReader,PdfFileWriter 这两个类，页面旋转并不是在原有 PDF 基础上进行操作而是在内存处创建了一个新的...多个 PDF 文件合并为单个 pdf 拆分与合并方向虽然相反，但用到的类、原理都是一样的 PdfFileReader读取每个pdf，并递归获取每一页page 对象， PdfFileWrite 新建一个流对象...page 对象中的 margePage() 方法，通过将两个页面合并来达到添加水印的效果 因为 PyPDF2 只能操作 pdf 对象，因此在添加水印之前，需要将准备添加的水印存放到一个 pdf 文件中...，并写入到一个非加密 pdf 中

    2K00
    点击加载更多

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 粤公网安备44030502008569号

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号

      领券