# nlp

**Repository Path**: icend27/nlp

## Basic Information

- **Project Name**: nlp
- **Description**: 自然语言处理方面的相关练习代码
- **Primary Language**: Python
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2022-04-09
- **Last Updated**: 2026-01-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# nlp

## 介绍

自然语言处理方面的相关练习代码

***因为最近时段gitee持续“癫狂”，已影响到项目的维护和使用，遂暂定，于2026年1月7日停止更新，将项目迁移到atomgit，此处留作备份。***

### 脚本功能说明

1. convertPdfToPic.py
    - 把pdf文件按页转换成图片
    - 需要配置的参数：pdf文件路径，图片输出文件夹路径，图片分辨率（当前设置值2300，越大越清晰）
    - 使用方法：配置后所需参数，命令行中执行：convertPdfToPic.py
2. translateJpCutletRomkan.py
    - 将日文句字分词（nltk、Mecab），日文汉字转为平假名，标注罗马音，并以markdown文件格式输出
    - 需要配置的参数：要转换的文件所在目录路径，输出路径
    - 使用方法：配置后所需参数，命令行中执行：translateJpCutletRomkan.py
3. mynltknlp.py
    - 查询英文单词的发音、释义，句字汉译文，排除冠词、常见介词、助动词等简单或初级词汇，并以markdown文件格式输出
    - 需要配置的参数：content.txt输入要查询的英文内容
    - 使用方法：配置后所需参数，命令行中执行：mynltknlp.py
4. swapsub.py
    - srt、lrc、txt文件相互转换
    - 需要配置的参数：需要处理的文件所在文件夹路径，要输出的文件夹路径+文件名（带扩展名）
5. translateJpByKuroshiro.js
    - traverseLrcFiles()函数把指定目录下（变量：const targetDirectory = 'C:/E/temp/pic/lrc/'），带有日文汉字的lrc文件，将日文汉字转为平假名，输出对应的带有平假名lrc和markdown文件
6. translateJpNodejs.js
    - 这个文件用来测试js代码
7. stannlp.py
    - “名不符实”的文件，此脚本功能是抓取头条文章、微头条和知乎文章、问答的图片url，拼装成markdown文件供预览，同时输出纯url到content.txt，可以用downloadPic.py（processing-img工程内）下载
8. translateJpKakasiToPing.py
    - 用来测试translateXXX.py类相关功能代码的文件
9. mycorenlp.py
    - 用java工具stanford-corenlp生成英文句子结构图的脚本，需要java环境和stanford-corenlp的jar包

#### 其他

1. markdown文件转图片
    - 方案一：
      - (1) 在obsidian中打开md文件,“导出为pdf...”
      - (2) 参数设置参考：页面尺寸A4，页边距小
      - (3) 用python（模块PyMuPDF、PIL）把pdf文件转换成图片
      - Tips：因为pdf文档是按页分隔内容，所以用这种方式无法得到连贯完整的图片！！！
    - 方案二：
      - (1) 用typora（或其他什么方式）把md文件导出为html
      - (2) 用chrome（或其他有截图功能的浏览器）打开（1）步中的html文件
      - (3) 快捷键“ctrl+shift+I”打开“开发者工具”，“ctrl+shift+P”打开命令面板，搜所关键词“screen”，选“full page...”（完整页面截图）保存图片
      - Tips：这种方式主要是利用typora等软件对md格式文本的渲染功能，且可以随html一并导出，不用再人为去设置

#### 特技

1. 使用 Readme\_XXX.md 来支持不同的语言，例如 Readme\_en.md, Readme\_zh.md
2. Gitee 官方博客 [blog.gitee.com](https://blog.gitee.com)
3. 你可以 [https://gitee.com/explore](https://gitee.com/explore) 这个地址来了解 Gitee 上的优秀开源项目
4. [GVP](https://gitee.com/gvp) 全称是 Gitee 最有价值开源项目，是综合评定出的优秀开源项目
5. Gitee 官方提供的使用手册 [https://gitee.com/help](https://gitee.com/help)
6. Gitee 封面人物是一档用来展示 Gitee 会员风采的栏目 [https://gitee.com/gitee-stars/](https://gitee.com/gitee-stars/)

文扬练字课堂[学会4个规律，想字丑都难](https://www.bilibili.com/BV1ch4y1n74N)
![pic1](http://i2.hdslb.com/bfs/archive/15203ec5d929eb5a7c6f6a6dab4439ffa3e63484.jpg)