从 PDF 表格中获取数据是一项痛苦的工作。不久前，一位开发者提供了一个名为 Camelot 的工具，使用三行代码就能从 PDF 文件中提取表格数据。PDF 文件是一种非常常用的文件格式，通常用于正式的电子版文件。它能够很好的将不同的排版格式固定下来，形成版面清晰且美观的展示效果。然而，对于想要从 PDF 中提取信息的人们来说，PDF 是个噩梦，尤其是表格。大量的学术报告、论文、分析文章都使用 P
转载
2023-09-21 10:45:42
1950阅读
一、任务描述从上交所官网上爬取年报并转成TXT二、解决思路1、解析网页，结合日期获取全部的年报链接，下载PDF 2、读取第一步获取的PDF，并直接转成 TXT 格式的文字三、网页分析点进去年报所在的网页，点击查看源码，该页面下的URL就是对应年报PDF下载地址； 观察URL其实可以看到不同的PDF是对应不同的日期的，根据这个特点，自主规定要下载的日期范围四、PDF转TXT1、PDF转PDF的库是p
转载
2023-08-26 11:00:03
222阅读
从PDF文件获取表格中的数据，也是日常办公容易涉及到的一项工作。一个一个复制吧，效率确实太低了。用Python从PDF文档中提取表格数据，并写入Excel文件，灰常灰常高效。上市公司的年报往往包含几百张表格，用它作为例子再合适不过，搞定这个，其他含表格的PDF都是小儿科了。今天以"保利地产年报"为例，这个PDF文档中有321页含有表格，总表格数超过这个数了。 先导入PDF读取模块p
转载
2023-09-07 19:32:39
752阅读
前言上篇文章《【爬虫】30行代码轻松爬取全部A股公司年报》介绍了如何爬取2003-2019年A股全部年报，但是爬取的年报都是PDF格式，不能直接用于文本分析，需要先转换为TXT格式。因此，今天也学习了一下如何运用Python将PDF转换为TXT，并在此基础上统计年报相关主题关键词词频基本思路1.获取年报PDF文档2.利用PDFminer3k模块来抽取PDF内容并写入TXT文件3.读取TXT文件，统
转载
2024-06-14 08:04:57
655阅读
Python3 100例一、1-101、tab键转义2、复制3、格式化当时时间二、11-201、列表remove()用法2、lambda、map用法3、条件运算符的嵌套4、关于日期的使用5、判断字符串某个字符是否为字母、数字、空格三、21-30集合1、集合set2、center()3、什么是递归4、对Pythonh输出的文本颜色进行设置5、list之insert的使用四、41-501、Pytho
转载
2023-09-06 20:47:29
92阅读
# Python年报文本分析入门指南
在这个数字化时代，分析和提炼年报中的信息对企业、投资者和分析师来说变得越来越重要。本文将为初学者提供一个关于“Python年报文本分析”的系统流程，并逐步展示每一步的代码实现。
## 流程概述
我们可以将文本分析分成以下几个步骤：
| 步骤 | 描述 |
|---
原创
2024-09-15 04:01:03
379阅读
引言给定两个文本文件（比如2018年政府工作报告.txt与2019年政府工作报告.txt），怎么计算两者的相似度有多大？这是文本挖掘的一个任务，本篇将使用的方法思想如下：使用jieba包分别对两篇中文txt文件进行分词，得如['今天', '我', '遇到', '一只', '蹦蹦跳跳', '的', '兔子']的两个字符串数组;*对得到的分词后的数组通过进行词袋模型统计，得到他们每个词在文
转载
2023-10-26 12:19:11
186阅读
# 使用Python计算年报文本相似度
随着数据分析和自然语言处理（NLP）技术的发展，文本相似度的计算逐渐成为金融分析和文本挖掘中的重要课题。特别是在分析公司年报时，比较不同年份年报之间的相似性可以帮助我们了解公司的财务变化和运营动态。本文将详细讲解如何使用Python计算年报文本相似度，并用结构化的方式展示整个流程。
## 流程概述
为了计算年报文本的相似度，我们可以遵循以下流程：
|
以长春高新（000661）2021年年度报告为例。首先，由于年报文件为pdf格式，jieba无法直接处理，因此我们用pdfplumber读取pdf文件所有内容，并将其拼接成一整个字符串。代码如下：import pdfplumber
path = '000661：2021年年度报告.pdf'
pdf = pdfplumber.open(path)
text_all = ""
for page in
转载
2024-05-16 15:00:31
94阅读
在这篇博文中，我们将探讨如何使用Python实现“年报文本可读性分析”这一任务。随着数据时代的到来，企业年报的可读性与分析变得愈发重要，帮助读者轻松理解复杂的信息变得必要。我们的目标是利用Python的强大功能，使这一过程变得简单且高效。
### 协议背景
在进行年报文本可读性分析之前，需要理解相关背景。首先，我们可以构建一个关系图，展示年报与其数据来源、读者及分析工具之间的关系。
```m
用简单的流程图表示如下：本文主要是对该项目进行总结，以方便读者更好的理解，并对代码进行了更新，提供了更多参数和接口，方便对代码进行修改实现多样化需求。2. 更新内容2.1获取企业基本数据新特性：✅全新接口，更全面的获取数据✅更友好的进度显示✅更多可选参数，支持年份区间下载参数部分代码：if __name__ == '__main__':
# 全局变量
# 排除列表可以加入'更正后'
# 如何使用 Python 生成年度报告 PDF
在这个快速发展的技术世界中，成为一名开发者意味着不断学习新的工具和技术。今天，我们将带您了解如何使用 Python 创建年度报告 PDF 文件。这个流程包括几个步骤，下面我们将一一解释。
## 流程概述
我们可以将生成年度报告 PDF 的过程分为以下几个步骤：
| 步骤 | 描述
# Python抓取MMS报文
在现代通信中，MMS（多媒体消息服务）是一种常用的消息传递格式，它可以用于发送图片、视频、音频等多种多媒体内容。Python作为一种强大的编程语言，凭借其丰富的库和框架，成为了抓取和解析MMS报文的理想选择。本文将介绍如何使用Python抓取MMS报文，并提供相应的代码示例。
## 什么是MMS报文？
MMS报文是一种标准的传输格式，主要用于在移动设备之间发送
原创
2024-09-08 05:31:13
87阅读
# 如何用Python抓取公司年报
抓取公司年报是金融分析师和投资者常用的一项技能。年报通常由上市公司发布，包含了公司经营的全面数据，投资者可以利用这些数据进行市场分析、财务评估和投资决策。本文将介绍如何使用Python抓取公司的年报，并提供一个实际的示例。
## 1. 目标与准备
我们的目标是从某个上市公司的官方网站获取最新的年报数据。为此，我们将使用Python中的`requests`库
# 使用Python抓取解析UDP报文的入门教程
在这篇文章中，我们将学习如何使用Python抓取和解析UDP报文。这是一个网络编程的基本任务，适合刚入门的开发者。我们将通过以下步骤完成任务：
## 项目流程
| 步骤 | 描述 |
|------|----------------------------------
爬虫是Python的一个重要的应用，使用Python爬虫我们可以轻松的从互联网中抓取我们想要的数据，本文将基于爬取B站视频热搜榜单数据并存储为例，详细介绍Python爬虫的基本流程。如果你还在入门爬虫阶段或者不清楚爬虫的具体工作流程，那么应该仔细阅读本文！第一步：尝试请求首先进入b站首页，点击排行榜并复制链接 现在启动Jupyter notebook，并运行以下代码import requ
# Python抓取修改HTTP报文
在网络编程中，HTTP协议是最常见的一种协议。HTTP协议是基于TCP/IP协议的应用层协议，用于从网络传输超文本到本地浏览器的传输协议。本文将介绍如何使用Python来抓取和修改HTTP报文。
## 抓取HTTP报文
Python中有许多库可以用来抓取HTTP报文，其中最常用的是`requests`库。`requests`库提供了一个简单易用的API来
原创
2024-07-25 10:23:19
47阅读
在百度学术中，当我们查找论文原文时，需要知道该论文的DOI（Digital Object Identifier），通过它可以方便、可靠地链接到论文全文。但是，如果我们所需查找的同主题论文数目繁多，这时候我们再手动操作，难免机械重复、劳心劳力。于是乎，我们可以通过Python来帮助我们实现论文的自动化查找。主要思路是：爬取DOI→构建sci-hub下载链接→下载到指定文件夹Python源代码如下：【
转载
2023-08-15 08:13:44
186阅读
前几天打开手机相册发现自己相册里面居然有一万多张图片，一个一个选择删除真是删烦了,所以自己做了一个小应用来帮我。 也许你会说为什么不导入到电脑上进行删除,没办法我就是想整点不一样的,学了python就是喜欢整点骚操作。(手动滑稽)所以下面就在手机上使用python进行一波骚操作。。。准备工具首先你得有个手机，233(和没说一样),咳咳 说正经的,既然我要在手机上运行python了,这里
ARP报文抓取已知IP求MAC广播请求报文 单播回应报文
原创
2024-08-05 16:37:19
60阅读
