本文目錄一覽：
- 1、如何創建pdf的buffer，讓pdf.js實現預覽pdf文件
- 2、numpy中array和asarray的區別
- 3、python中如何提取一組數據中的第一列數據
- 4、shared_x = theano.shared(numpy.asarray(data_x, dtype=theano.config.floatX))這句話什麼意思？
- 5、python check input data with np.asarray怎麼解決
- 6、python 批量定義變量
如何創建pdf的buffer，讓pdf.js實現預覽pdf文件
PDF.js 是基於開放的 HTML5 及 JavaScript 技術實現的開源產品。簡單說就是一個 PDF 解析器。運用HTML5JavaScript（即pdf.js僅使用安全的web語言，不包含任何攻擊者可以用的本地代碼塊）的PDF閱讀器pdf.js，直接在標準的HTML頁面上載入和渲染PDF文件, 還可以提高安全性（不需要安裝第三方插件，安全性由瀏覽器保證），瀏覽器所做的安全措施已經為pdf.js提供了安全的運行環境。其對IE和 FireFox瀏覽器的要求是IE9+, FireFox19+。
在線示例： ，
源碼：
官網：
pdf.js VS 傳統瀏覽器讀取pdf
一般來說，PDF檔案格式都是在瀏覽器中由外掛程式來描繪，通常是Adobe自己的PDF reader或來自其他供應商的描繪工具，但這些外掛通常無法充分運用PDF的特點，而且由於含有大量的受信任代碼，使得Google Chrome瀏覽器必須運用SandBox沙箱原理，來檢查PDF描繪工具是否遭到未知病毒感染。
使用adobe，必須在本地安裝軟件才能使用，而pdf.js不依賴環境、渲染速度快（測試過，確實很快）、安全性高。
pdf.js渲染PDF文件
pdf.js渲染PDF文件的流程：Fetch pdf (url / buffer) —— canvas —— 渲染
如果要深入pdf的渲染，需要去研究pdf.js源代碼。pdf.js可通過pdf文件的地址或pdf數據流獲取pdf，具體實現是調用接口函數 PDFJs.getDoc(url/buffer)將pdf載入html，通過canvas處理, 然後渲染pdf文件。網上給出的都是通過url來獲取pdf的例子，而我在做項目的時候，後台（python）要求是發pdf的數據流給前台，前台接收pdf的buffer,然後通過pdf.js來渲染。當然最初嘗試buffer出現了很多問題，具體問題總結如下：
1）如何通過$.ajax接收後台發給前台的buffer數據；
2）如何將buffer傳給pdf.js來處理（這裡我使用了viewer.js, 所以需要考慮的是如何將buffer傳給viewer.js來處理）；
3）如何將pdf.js轉換成pdf.js可以接收的buffer格式；
（對應問題解決見代碼注釋）
註：viewer.js是pdf.js的擴展，其將打印、翻頁、縮放等功能進行了實現，且界面非常好看。也就是說如果你引入了viewer.js，pdf的渲染和渲染之後的功能界面都已經幫你實現了，你不用自己去寫界面。
先從官網： 下載代碼，然後使用文件viewer.html , 我的html就是在viewer.html 的基礎上修改的，下面我給出buffer的例子：
!DOCTYPE html
html dir=”ltr” mozdisallowselectionprint moznomarginboxes
head
meta charset=”utf-8″
meta name=”viewport” content=”width=device-width, initial-scale=1, maximum-scale=1″
meta name=”google” content=”notranslate”
title在線預覽/title
{% load static %}{% get_static_prefix as STATIC_URL %}
link href=”{{STATIC_URL}}css/preview.css” rel=”stylesheet” type=”text/css” /
link rel=”stylesheet” href=”{{STATIC_URL}}pdfjs/web/viewer.css”/
script type=”text/javascript” src=”{{STATIC_URL}}pdfjs/web/compatibility.js”/script
link rel=”resource” type=”application/l10n” href=”{{STATIC_URL}}pdfjs/web/locale/locale.properties”/
script type=”text/javascript” src=”{{STATIC_URL}}pdfjs/web/l10n.js”/script
script type=”text/javascript” src=”{{STATIC_URL}}pdfjs/build/pdf.js”/script
script type=”text/javascript” src=”{{STATIC_URL}}pdfjs/web/debugger.js”/script
script src=”{{STATIC_URL}}js/jquery-1.8.3.js” type=”text/javascript”/script
script type=”text/javascript”
//convertDataURIToBinary()
//不知道什麼原因如果後台直接將pdf的數據流發給前台，得到的是亂碼，將數據轉換成 Uint8Array始終不成功
//所以就讓後台將發送之前的數據流做 了base64編碼發給前台，前台再解碼得到的數據就不是亂碼了。
var BASE64_MARKER = ‘;base64,’;
var preFileId = {{mark}};
//viewer.js全局變量,傳入buffer，回答問題2
var DEFAULT_URL
$(document).ready(function(){
$.ajax({
type:”post”,
async: false,
//ajax接收pdf數據流，注意dataType值的設置是否有錯，如果不指定，jQuery將自動根據HTTP包MIME信息返回
//responseXML或responseText . 回答問題1
contentType:”application/pdf;charset=utf-8″,
url:”{% url netPan.File.views.browserFuf%}”,
data:{
id: preFileId
},
success:function(data){
var pdfAsDataUri = data;
//如果引入了viewer.js , 處理方法
var pdfAsArray = convertDataURIToBinary(pdfAsDataUri);
DEFAULT_URL = pdfAsArray;
// 只引入了pdf.js, 未引入viewer.js， 處理方法
// var pdfAsArray = convertDataURIToBinary(pdfAsDataUri);
// PDFJS.getDocument（pdfAsArray).then(); 自己寫pdf的處理函數
}
});
});
function convertDataURIToBinary(dataURI) { //編碼轉換，回答問題3
var base64Index = dataURI.indexOf(BASE64_MARKER) + BASE64_MARKER.length;
var base64 = dataURI.substring(base64Index);
var raw = window.atob(base64);
var rawLength = raw.length;
//轉換成pdf.js能直接解析的Uint8Array類型,見pdf.js-4068
var array = new Uint8Array(new ArrayBuffer(rawLength));
for(i = 0; i rawLength; i++) {
array[i] = raw.charCodeAt(i);
}
return array;
}
/script
!–先設置全局變量DEFAULT_URL 的值，所以要後調入viewer.js —
script type=”text/javascript” src=”{{STATIC_URL}}pdfjs/web/viewer.js”/script
/head
body
省略內容
/body
/html
numpy中array和asarray的區別
論numpy中matrix 和 array的區別，有需要的朋友可以參考下。Numpy matrices必須是2維的,但是numpy arrays (ndarrays) 可以是多維的（1D，2D，3D····ND）. Matrix是Array的一個小的分支，包含於Array。所以matrix 擁有array的所有特性。在numpy中matrix的主要優勢是：相對簡單的乘法運算符號。例如，a和b是兩個matrices，那麼a*b，就是矩陣積。
python中如何提取一組數據中的第一列數據
概述
直接提取會報錯，把array數組轉換成list，即可提取，使用numpy轉換
步驟詳解
1、直接提取嘗試：
group=[[1,2],[2,3],[3,4]]
#提取第一列元素
print(group[:,1])
#Out:TypeError: list indices must be integers or slices, not tuple
2、使用numpy轉換：
import numpy as np
group=[[1,2],[2,3],[3,4]]
#numpy轉化
ar=np.array(group)
print(ar[:,1])
#Out:[2 3 4]
拓展內容
numpy詳解
Numpy對象是數組，稱為ndarray
維度(dimensions)稱作軸(axes),軸的個數叫做秩(rank)。註：有幾級中括號就有幾個維度
一、ndarray.attrs:
ndarray.ndim 秩
ndarray.shape 例如一個2排3列的矩陣，它的shape屬性是(2,3)
ndarray.size 數組元素的總個數
ndarray.dtype 元素類型，NumPy提供自己的數據類型
ndarray.itemsize 數組中每個元素的位元組大小
二、數組創建函數：
array
asarray將輸入轉換成ndarray
arange
ones
zeros
empty 只分配內存空間不填充任何值
eye 創建N*N單位矩陣(對角線為1)
三、數組和標量之間的運算
numpy數組的一個特點，不用編寫循環就可對數據執行批量運算，這通常稱作矢量化(vectorization)。
四、基本的索引和切片
numpy數組的索引是一個內容豐富的主題，因為選取數據子集或單個元素的方式有很多。這裡我僅詳細介紹常用的方法，對於高級功能的方式我列舉名稱，讀者可以等到要用的時候自行查閱資料。
shared_x = theano.shared(numpy.asarray(data_x, dtype=theano.config.floatX))這句話什麼意思？
我發現這句話幾乎跟我寫的一抹一樣，變量都一樣。我來給你詳解：
asarray是python numpy的函數，這裡的data_x應該就是機器學習的輸入向量，是numpy的array格式，為了把他轉成theano的floatX格式，用asarray加上後面的參數dtype改成想要的theano格式。也就是說theano.shared括號裏面的基本都是numpy。shared就是把他變成theano的全局變量。
注意：array就是數組，矩陣，asarray是一個函數，這裡就是把本來的矩陣該一下dtype重新改成符合theano dype的矩陣。
python check input data with np.asarray怎麼解決
If X is your dataframe, try using the .astype method to convert to float when running the model:
est = sm.OLS(y, X.astype(float)).fit()
python 批量定義變量
variables={}
for i in range(1,band):
variables[‘a’+str(i)]=ds.GetRasterBand(i).ReadAsArray(0,0,cols,rows)
原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-hk/n/239418.html
微信掃一掃 
支付寶掃一掃 