精华内容
下载资源
问答
  • #功能描述:随机生成一个中文名字import random import json from conf.setting import FIRSTNAME, LASTNAME ... first_name_list = open(FIRSTNAME, encoding='utf-8')#打开文件,获取文件句柄 last_na...
    #功能描述:随机生成一个中文名字

    import
    random import json from conf.setting import FIRSTNAME, LASTNAME def random_name():#定义一个函数 first_name_list = open(FIRSTNAME, encoding='utf-8')#打开文件,获取文件句柄 last_name_list = open(LASTNAME, encoding='utf-8') first_names = json.load(first_name_list)#从文件中获取用load读取文件,并且把文件中的字符串转换成列表 last_names = json.load(last_name_list) name_all = random.choice(last_names) + random.choice(first_names) + random.choice(first_names)#从列表中获取一个字儿,从另一个列表中获取两个字儿,把字儿都拼接到一起。return name_all random_name()

    这里面有两个常量,FIRSTNAME, LASTNAME ,是两个文件里面存着json串格式,import jso#下面是两个汉字的列表

    last_names = ['', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '',
                  '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '',
                  '', '', '', '', '', '', '', '']
    
    first_names = ['', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '',
                   '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '', '',
                   '', '', '']
    
    res = json.dumps(first_names, ensure_ascii=False)#把frist_names列表转换成json字符串
    print(res)#打印出来是一个字符串类型的列表
    print(type(res))#打印res类型是字符串
    f = open('first_names.json', 'w', encoding='utf8')#打开文件,赋给f文件句柄
    f = open('last_names.json', 'w', encoding='utf8')#打开文件,赋给f文件句柄
    json.dump(first_names, f, ensure_ascii=False, indent=10)#直接写入文件了,不需要再f.write,写入以后还有缩进,是json格式
    json.dump(first_names, f, ensure_ascii=False, indent=10)#直接写入文件了,不需要再f.write,写入以后还有缩进,是json格式





     

    转载于:https://www.cnblogs.com/wmm007/p/7804805.html

    展开全文
  • 下载的东西是这样,不管是什么文件名字都是这,这是什么鬼?? 改善后下载的中文档案 会显示名字: ...file_name_chinese = obj.files.first().name response['Content-Disposition'] = 'attachment;filename=...

    下载的东西是这样,不管是什么文件名字都是这,这是什么鬼??

    改善后下载的中文档案 会显示名字:

    改善后代码:

    from django.utils.http import urlquote
    file_name_chinese = obj.files.first().name
    response['Content-Disposition'] = 'attachment;filename="%s"'%(urlquote(file_name_chinese))
                outfile = open(filename, "rb")
                response = FileResponse(outfile)
                response['Content-Type'] = 'application/octet-stream'
                from django.utils.http import urlquote
                file_name_chinese = obj.files.first().name
                response['Content-Disposition'] = 'attachment;filename="%s"'%(urlquote(file_name_chinese))
                print(obj.files.first().name)
                return response

     

    原代码:

      outfile = open(filename, "rb")
                response = FileResponse(outfile)
                response['Content-Type'] = 'application/octet-stream'
                response['Content-Disposition'] = 'attachment;filename="%s"' % obj.files.first().name
                return response

     

    展开全文
  • 完整代码如下: name.csv 需要自己采集数据import tensorflow as tf name_dataset = './name.csv' train_x = [] train_y = [] with open(name_dataset, 'r',encoding='UTF... first_l...
    完整代码如下: name.csv 需要自己采集数据import tensorflow as tf


    name_dataset = './name.csv'
    train_x = []
    train_y = []
    with open(name_dataset, 'r',encoding='UTF-8') as f:
        first_line = True
        for line in f:
            if first_line is True:
                first_line = False
                continue
            sample = line.strip().split(',')
            if len(sample) == 2:
                train_x.append(sample[0])
                if sample[1] == '男':
                    train_y.append([0, 1])  # 男
                else:
                    train_y.append([1, 0])  # 女

    max_name_length = max([len(name) for name in train_x])
    # print("最长名字的字符数: ", max_name_length)
    max_name_length = 8
    counter = 0
    vocabulary = {}
    for name in train_x:
        counter += 1
        tokens = [word for word in name]
        for word in tokens:
            if word in vocabulary:
                vocabulary[word] += 1
            else:
                vocabulary[word] = 1

    vocabulary_list = [' '] + sorted(vocabulary, key=vocabulary.get, reverse=True)
    # print(len(vocabulary_list))

    # 字符串转为向量形式
    vocab = dict([(x, y) for (y, x) in enumerate(vocabulary_list)])
    train_x_vec = []
    for name in train_x:
        name_vec = []
        for word in name:
            name_vec.append(vocab.get(word))
        while len(name_vec) < max_name_length:
            name_vec.append(0)
        train_x_vec.append(name_vec)


    input_size = max_name_length
    num_classes = 2

    batch_size = 64
    num_batch = len(train_x_vec) // batch_size

    X = tf.placeholder(tf.int32, [None, input_size])
    Y = tf.placeholder(tf.float32, [None, num_classes])

    dropout_keep_prob = tf.placeholder(tf.float32)


    def neural_network(vocabulary_size, embedding_size=128, num_filters=128):
        # embedding layer
        with tf.device('/cpu:0'), tf.name_scope("embedding"):
            W = tf.Variable(tf.random_uniform([vocabulary_size, embedding_size], -1.0, 1.0))
            embedded_chars = tf.nn.embedding_lookup(W, X)
            embedded_chars_expanded = tf.expand_dims(embedded_chars, -1)
        # convolution + maxpool layer
        filter_sizes = [3, 4, 5]
        pooled_outputs = []
        for i, filter_size in enumerate(filter_sizes):
            with tf.name_scope("conv-maxpool-%s" % filter_size):
                filter_shape = [filter_size, embedding_size, 1, num_filters]
                W = tf.Variable(tf.truncated_normal(filter_shape, stddev=0.1))
                b = tf.Variable(tf.constant(0.1, shape=[num_filters]))
                conv = tf.nn.conv2d(embedded_chars_expanded, W, strides=[1, 1, 1, 1], padding="VALID")
                h = tf.nn.relu(tf.nn.bias_add(conv, b))
                pooled = tf.nn.max_pool(h, ksize=[1, input_size - filter_size + 1, 1, 1], strides=[1, 1, 1, 1],
                                        padding='VALID')
                pooled_outputs.append(pooled)

        num_filters_total = num_filters * len(filter_sizes)
        h_pool = tf.concat(pooled_outputs, 3)
        h_pool_flat = tf.reshape(h_pool, [-1, num_filters_total])
        # dropout
        with tf.name_scope("dropout"):
            h_drop = tf.nn.dropout(h_pool_flat, dropout_keep_prob)
        # output
        with tf.name_scope("output"):
            W = tf.get_variable("W", shape=[num_filters_total, num_classes],
                                initializer=tf.contrib.layers.xavier_initializer())
            b = tf.Variable(tf.constant(0.1, shape=[num_classes]))
            output = tf.nn.xw_plus_b(h_drop, W, b)

        return output


    # 训练
    def train_neural_network():
        output = neural_network(len(vocabulary_list))

        optimizer = tf.train.AdamOptimizer(1e-3)
        loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=output, labels=Y))
        grads_and_vars = optimizer.compute_gradients(loss)
        train_op = optimizer.apply_gradients(grads_and_vars)

        saver = tf.train.Saver(tf.global_variables())
        with tf.Session() as sess:
            sess.run(tf.global_variables_initializer())

            for e in range(1):  # 201
                for i in range(num_batch):
                    batch_x = train_x_vec[i * batch_size: (i + 1) * batch_size]
                    batch_y = train_y[i * batch_size: (i + 1) * batch_size]
                    _, loss_ = sess.run([train_op, loss], feed_dict={X: batch_x, Y: batch_y, dropout_keep_prob: 0.5})
                    print(e, i, loss_)
                # 保存模型
                if e % 50 == 0:
                    saver.save(sess, './name2sex.model', global_step=e)

    # 测试
    def detect_sex(name_list):
        x = []
        for name in name_list:
            name_vec = []
            for word in name:
                name_vec.append(vocab.get(word))
            while len(name_vec) < max_name_length:
                name_vec.append(0)
            x.append(name_vec)

        output = neural_network(len(vocabulary_list))

        saver = tf.train.Saver(tf.global_variables())
        with tf.Session() as sess:
            # 恢复前一次训练
            ckpt = tf.train.get_checkpoint_state('./')
            if ckpt != None:
                print(ckpt.model_checkpoint_path)
                saver.restore(sess, ckpt.model_checkpoint_path)
                print('已加载模型...')
            else:
                print("没找到模型")

            predictions = tf.argmax(output, 1)
            res = sess.run(predictions, {X: x, dropout_keep_prob: 1.0})

            i = 0
            for name in name_list:
                print(name, '女' if res[i] == 0 else '男')
                i += 1

    # 训练开关
    # train_neural_network()
    detect_sex(["你哥", "你妹", "董明珠", "雷布斯"])
    展开全文
  • 我们来创建一座房子吧!创建一个房子的模型,用类来表示房间和地点,每个有门的地方都要用一个接口。 ①我们来从这个类模型开始吧 ...Location有两个字段Name是当前地点的名字,Exits是一个Location数组,保存着当前

    我们来创建一座房子吧!创建一个房子的模型,用类来表示房间和地点,每个有门的地方都要用一个接口。

     

    我们来从这个类模型开始吧

     

    房子里面的每一个房间、地点都用自己的对象表示。内部房间都继承Room,室外地点都继承OutSide,而Room和Outside又都继承Location。Location有两个字段Name是当前地点的名字,Exits是一个Location数组,保存着当前房间联通的所有房间。所以diningRoom.Name等于“Dining Room”,DiningRoom.Exits等于数组{LivingRoom,Kitchen}。

    -->创建一个窗体应用并把Location,Room,Outside这些类写进去。

     

    你需要这张蓝图

    房子有三个房间,还有前院、后院、花园。还有两个门:前门连接前院和起居室,后门连接厨房和后院。

     

    有户外门的房间要用IHasExteriorDoor接口

     

    房子里又两个户外门,前门和后门。每个有户外门的地点都要实现IHasExteriorDoor接口。DoorDescruption只读属性包含对门的描述。DoorLocation字段含有一个指向门通向哪里的引用。

    展开全文
  • 随机生成一个常见的英文名 Random.first() 随机生成一个常见的英文姓 Random.last() 随机生成一个常见的...随机生成一个常见的中文名 Random.cfirst() 随机生成一个常见的中文姓 Random.clast() 随机...
  • 中文版 英文版 中英文歌词 歌谱 吉他谱 MP3 视频 视频转贴: swf格式:http://www.tudou.com/v/DTMkgrldLZw html格式: 经文相关: 1 Corinthians 15:3-4 3For what I received I passed on to you as of ...
  • 子查询出现在其他语句中的SELECT语句,称为子查询或内查询外部的查询语句称为主查询(外查询)示例#查询部门地址编号为1700的所有员工的名字SELECT first_name FROM employeeWHERE department_id in (SELECT department...
  • 快速启动首先,创建一个为person的istruct对象,其中first_name和last_name是必需的,而middle_name、dob和email是可选的(指定了默认值)。>>> from istruct import istruct>>> person = istruct...
  • #参考这篇博客:http://blog.csdn.net/naruto1021/article/details/17502783,不过这个只支持查询一个... 支持查询三个中文以内中文,比如 ”张三枫“,输入‘zs’,就可以查询出来select name,get_first_pinyin_ch...
  • JS正则允许数字字母和中文

    千次阅读 2019-02-27 11:53:50
    ^[0-9a-zA-Z\u4e00-\u9fa5]+$ 有时候英文中需要允许空格,可以直接在后面加上手动空格 ^[0-9a-zA-Z\u4e00-\u9fa5 ]+$ ...名字英文可以分First Name SecondName,但是英文队伍名称,赛事名称就没办法这样操作了 ...
  • VBSCRIPT中文手册

    热门讨论 2010-11-12 10:13:06
    VBSCRIPT中文手册,这里的信息可以帮你很方便地浏览 Visual Basic 脚本的许多不同部分。 你可以找到在按字母排序的关键字列表中列出的 VBScript 语言的所有部分。如果你只想调阅某一部分,例如“对象”,那么语言的每...
  • 下面是一个用户注册表单,可以输入、姓和密码。 数据库中也定义了这些字段: ...create_table "users",... t.string "first_name" t.string "last_name" t.string "password" end 但是,如果我们想改变用户
  • 名字的修改  安装中文包后的前台翻译很生硬,找到中文包下的Mage_Customer,用记事本打开,找到First Name,然后把后面的翻译改为自己习惯的,比如“姓氏”;再找到Last Name改为自己习惯的,比如“名字...
  • 上个星期,我写了篇《Function call by name in Golang》。由于是英文的,所以被人诟病(说谁,谁知道!)。好吧,现在用中文重新写一遍。 Golang 中的函数跟 C 的一样,是个代码块,不过它可以像其他类型那样赋值...
  • Oracle9i初始化参数中文说明 Blank_trimming: 说明: 如果值为TRUE, 即使源长度比目标长度 (SQL92 兼容) 更长, 也允许分配数据。 值范围: TRUE | FALSE 默认值: FALSE serializable: 说明: 确定查询是否获取表级...
  • Print copy name on each printed copy (for example, "First copy", "Second copy"). You can set up copy names easily. What you get with FastReport? Once you purchase FastReport, you get more than ...
  • FastReport.v4.15 for.Delphi.BCB.Full.Source企业版含ClientServer中文修正版支持Delphi 4-XE5 and C++Builder 6-XE5. D2010以上版本(D14_D19)安装必读 delphi2010以上版本(D14_D19)使用者安装时,请将res\frccD14_...
  • 英语语法

    2019-10-03 06:47:11
    英语 1、一般看见subject第一反应可能中文就是科目的意思,但是从语言学...3、family name姓=surname=second name given name名=first name introduce介绍,引进。 我有一头小毛驴,从来也不骑。。。。。...
  • 想要获知更多PMP信息,可以...1、其中PMI网站填写英文报名表的时候需要注意:Last name中文的姓,First name中文,Middle name是中间,一般中国人没有中间,故不填写。 2、填写信息的时候特别需要注意...
  • 汉字转拼音

    2016-07-23 22:39:45
    工具pinyin4j-2.5.0.jar ... 整理了3个方法, ...2. 返回中文姓 中文名 英文姓(last name) 英文名(First Name) 3.返回首字母 public class pinyin4jDemo { // 将汉字转换为全拼 public static String getPin
  • 鉴于很多人没有注意到注册的细节,这里提前给大家提示一下,注册账号时,填的名字,不管是英文名、拼音还是中文名,在姓与名之间加上空格,因为英文名的First name与Last name之间是有空格的。 注册地址:...
  • 中文描述 字段类型 1 sku_id 商品ID string 2 brand_id 品牌ID string 3 shop_id 店铺ID string 4 sku_name 商品 string 5 first_cate_id ...
  • Citavi初体验 参考文献引用格式: 在citation选项卡里,可以浏览自己想要的...国内就是使用GB/T 7714格式,无论中文还是英文,都是姓在前,在后,即last-name,first-name。 citavi搜索到的格式里面,包含了文献出处链
  • C primer plus 第六版 第6版 004章 第四章 编程 练习 答案 中文 4.1 /*编写一个程序,提示用户输入和姓,然后以“,姓”的格式打印出出来*/ ... char first_name[40], last_name[40]; printf("Pleas...
  • SQL

    2020-05-24 16:22:14
    SQL*PLUS的语法: 建立表: create table table( 字段1 字段类型1, 字段2 字段类型2,...) 字段类型: 文本: CHAR(n) :占用n个空间的文本(一个中文占用两个...first_name CHAR(15), lase_name CHAR(2.
  • ///  /// 获取类的中文名  ///  ///  ///  ///  public static string GetDisplayName(Type dataType, string fieldName)  {  // First look in
  • columnName Model属性——字段中文名 ${model.column} rate Model属性——字段占比 ${model.rate} nullValueCount Model属性——字段空值数 ${model.nullValueCount} listB-List<特性2>--表格2 map.listB ...

空空如也

空空如也

1 2 3 4
收藏数 72
精华内容 28
关键字:

name中文名first