摘要：代理检测 目标：检测代理响应速度、稳定性、匿名度、是否在黑（白）名单 1、响应速度可以通过超时请求来过滤 2、匿名度 url = 'http://httpbin.org/get' 如何headers中有"Ngx-Client-Ip": "xxx.xxx.xxx.xxx"或者origin字段中有包含本 阅读全文

摘要：参考地址：https://github.com/jsvine/pdfplumber 简单的pdf转换文本： import pdfplumber with pdfplumber.open(path) as pdf: for page in pdf.pages: content = page.extra 阅读全文

摘要：Tesseract（识别引擎），一款由HP实验室开发由Google维护的开源OCR（Optical Character Recognition , 光学字符识别）引擎，与Microsoft Office Document Imaging（MODI）相比，我们可以不断的训练的库，使图像转换文本的能力不 阅读全文

摘要：首先python是不能直接读写doc格式的文件的，这是python先天的缺陷。但是可以利用python-docx (0.8.6)库可以读取.docx文件或.txt文件，且一路畅通无阻。 这样的话，可以先将doc格式转化为docx格式，但是不能直接修改文件名的后缀（这样文件会被损坏，即使没被损坏可能也 阅读全文