近期准备搜集整理一些pdf中的资料，但大部分是扫描版，不能直接拷贝。手打又很费劲，所以从技术角度出发，看有什么突破。试了几个ocr软件试用版感觉效果很强大。所以搭建java版本的ocr环境看能不能减轻工作量。 ...

问题描述 利用jsoup进行网页抓取时，通过document获取 element元素。但是中文内容会随机出现几个字符乱码。每次出现的位置还会不一样，如下 /禁毒办/艾���病署 处理过程 刚开始就以为是简单的编码...

近期用springboot框架做了个小型项目，用来处理用户回复的消息相关。阿里云服务器上没有tomcat，所以打算将项目打包成jar运行。使用eclipse中的 项目右键 -> export -> 可执行jar，这种方式下的jar无法正常运行...

有个小需求，将数据库中的标题做规划化处理， 原： 中华人民共和国专属经济区和大陆架法_1998-06-26发布 中华人民共和国著作权法(2010修正)_2010-02-26发布 中华人民共和国驻外外交人员法_2009-10-31发布 ...

背景说明 近期程序猿得根据需求要使用java代码生成处理一堆图片，图片是以文章的标题来生成的。字数的长度大小要跟着整体比例进行基本的自适应处理。几百张吧，一次性生成好。 处理过程 JAVA肯定是用a...

背景说明 由于目标页面是vue结构写的，所以无法用urlConnection获取获取连接后，使用Document/Jsoup等解析。页面元素是通过js动态渲染出来的。后来尝试通过webMagic框架，配合selenium\Chrome等进行基础数据...

问题场景 利用selenium、chromedriver模拟浏览器操作网页。一套共280多个页面，循环获取页面元素内容，有输入、跳转等动作 问题现象 主要出现在以下这段代码处，打开页面后，获取页面上样式表为“.el-i...

背景 之前写过一篇《java使用transportClient连接elasticsearch并做接口实现增删改查ES6.4.3版本》的文章，在项目中可以作为基本的使用。但是没有权限验证及分词的处理。在资料查找中，发现TransportClien客...

jsoup解析url中的html元素 有时候需要通过解析不同网站的网站元素、数据等信息做些基本的调研或者分析。随着技术的不断发展及升级，很多网站已经升级使用vue或者相关前端框架作为首选。这样的话，使用jsoup...

有时候，需要做自定义类加载器，业务场景类似tomcat a)、要保证部署在tomcat上的每个应用依赖的类库相互独立，不受影响。 b)、由于tomcat是采用java语言编写的，它自身也有类库依赖，为了安全考虑，tomcat使用的...

程序猿最近要摘取pdf文件中的信息，选材用到了itextpdf工具包，整体比较简单，记录一下 1.pdf操作pom设置 <!-- https://mvnrepository.com/artifact/com.itextpdf/itextpdf --> <dependency> &...

程序猿最近在做对文件操作的功能，搜索到docx4J的介绍，使用起来不错，所以这里整理记录下。 1.pom文件增加 <!-- https://mvnrepository.com/artifact/org.docx4j/docx4j --> <dependency>...

Scrapy爬虫在抓取的时候，主要是根据页面元素结构进行解析。有多种方式，如：Jsoup、正则、xpath等解析。或者selenium自动化工具等。 Xpath XPath 是一门在 XML 文档中查找信息的语言。XPath 使用路径表达式...

Scrapy介绍 Scrapy是python开发的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化数据。scrapy用途广泛，可以用于数据挖掘、检测和自动化测试。 Scrapy是一个为遍历爬行...

dubbo上下文信息 上下文中存放的是当前调用过程中所需的环境信息。所有配置信息都将转换为URL得参数，RpcContext是一个ThreadLocal的临时状态记录器，当接收到RPC请求，或发起RPC请求时，RpcContext的状态都会变...