写了个小网页，实现的功能是：

• 1.在前端网页选择项中选择指定内容；
• 2.传送给后端服务器，查询数据库找出相应的内容；
• 3.并把这些内容存放Excel表格后，把下载链接提供回前端页面上显示。

然后下载数据文件。

用的 Keep主题，主题的配置文件中关于这个Valine 评论的配置就以下内容：

1
2
3
4
5
6
7

# Valine
# See: https://github.com/xCss/Valine
valine:
  appid: U************************sz
  appkey: y************************m7
  placeholder: 请在此输入您的留言

本文记录一些自己使用过的SQL语句，以及在Python中的应用。

用 Python处理Excel中的数据，把以下图片中的图一转到下面图二的形式：

就是一个列转到行。

解决思路：

• 1.用Pandas库读取表格中的数据；
• 2.把读取出来的数据处理下，形成列转到行；
• 3.再把数据写入一个新的Excel表格。

笔记本装的是win11家庭版，没有装Hyper-V。因为想装Docker Desktop，偶尔测试用，所以就把 Hyper-V装起来试一下。

这个应该是Python低版本都会碰到的错误，我用的Python3.8.6就报错了，比这个低的版本可能都会有这个错误。

报错信息如下：

1
2
3
4
5
6
7
8
9
10
11
12

# 运行 pip install turtle
Collecting turtle
Downloading' turtle-0.0.2. tar. gz (11,kB) Preparing metadata (setup.py)
error. error: subprocess-exited-with-error.
X python setup.py egg info did not run successfully. exit code:1
'[7 lines'of output]
Traceback (most recent call last): File “<string>", line.36,| in <module>
File “<pip=setuptools-caller>", line 34, in'<module>
File "C:\Users\wq\AppData\Local\Temp\pip-install'-vq_spolw\turtle_0870ca33270d4fe9b738a5def2756154\setup.py",line:40
except ValueError",ve: SyntaxError: invalid syntax [end of output]
U 20
note: This error originates from a subprocess, and is liķely not a problem with pip. 

1Panel 是一个开源的 Linux 服务器运维管理面板。

安装很方便，运行一条命令就安装好了。

原来一直没用面板，主要就是都用的Docker，所以也不用看什么，基本上命令就够用了。

不过随着Docker中的容器越来越多，先是装了个 LazyDocker 来看。突然看到这个开源的管理面板工具，就试了下。感觉还不错。

在Python中，我们经常需要对小数进行四舍五入操作。四舍五入是一种常见的数值处理方式，可以将小数精确到指定的位数。Python提供了多种方法来实现小数的四舍五入操作。

原因是这样的：

用手机拍了四五百张照片后，用苹果手机连接电脑，想导入到电脑里。

然后发现了这个问题：连接电脑后，在电脑上看到了像U盘盘符的Apple盘符，打开后发现照片不全；如果在手机相册中打开某张没有的照片，再在电脑中打开就能看到这张照片，不知道什么bug，感觉是没加载全的。

为了快速找到到底缺了哪些照片，因为图片文件名都是按序号递增的，就想用到Python直接检查一下好了。毕竟少了好几十张，手动找起来真的麻烦死了。

pytesseract是Python的一个OCR文本识别库。

以下几点概括了它的主要信息：

• 基于Tesseract OCR引擎：pytesseract是Tesseract OCR引擎的Python接口，需要先安装Tesseract。
• 支持多种语言：通过Tesseract训练好的语言数据，pytesseract支持英文、中文等多种语言的OCR识别。
• 主要功能：主要提供 image_to_string等方法，将图像文件识别为文本内容。
• 准确率：基于深度学习的Tesseract 4.0+，识别准确率可以达到96%以上。
• 使用简单：只需要几行代码就可以实现OCR识别，非常易于上手。
• 识别流程：加载图像-> 预处理(提高识别质量) -> OCR识别 -> 后处理文本
• 适用场景：printed文本识别、 invoices识别、身份证/护照识别等。
• 优势：开源、使用简单、支持多语言、支持训练自定义模型。
• 劣势：对手写体识别效果较差，对图像质量要求较高。
• 备选方案：EasyOCR、PaddleOCR等其他OCR库。

Github项目地址：https://github.com/tesseract-ocr/tesseract