设置〉搜索设置 里有个区域设置, 实际测试之后发现不同区域的搜索结果不一样, 定在美国, 中文搜索的结果就是**知识网靠前, 定在香港, 就是 CSDN 靠前, 其他的没试过.

https://github.com/zxjlm/Poirot 也许可以看看这个, 我以前写的一个小玩具, 虽然很久没维护了不过应该还能用.

主要看是动态的还是静态的吧, 要是那种刷新一次换一个字体文件的可以梭哈 OCR, 静态的写匹配规则效率更高一点

个人感觉 dataframe -> html.table 最灵活的方法还是直接使用 jinja2，我在公司邮件里面生成表格就是这样操作的。

terminal 的格式化输出我推荐用的 https://github.com/willmcgugan/rich 这个库，不过不确定能不能解决你的这个问题。

```python
df = pd.DataFrame([['Allen', 'red', 20], ['Tom', 'yellow', 30], ['Jack', 'blue', 40], ['Bob', 'grey', 50]],
columns=['name', 'color', 'age'])
df_result = df.style.apply(highlight_hot_color, subset=['color'])

with open('test.html','w') as f:
f.write(df_result.render())
```

试试这样写？最后的生成 html 我是出于方便这么写的，你可以再看看有没有更好的写法。

我更好奇的是第一个需求，是要达到 https://github.com/pandas-dev/pandas/issues/18066#issuecomment-371150717 这样的结果吗

@leafleave 本质上这是通过将字体文件(fft\woff\woff2)中的每个字转换为 png 图片,来后针对每一张图片做 OCR 。有兴趣的话可以看看[实现思路]( https://blog.harumonia.moe/font-antispider-cracker/)。

最终是对含有单个字的图片进行识别，而不是对一段话的识别。

你说的这个思路倒是可以通过引进不同的 OCR 方式来检测出有争议的识别结果。
其实目前程序的设计还是有问题的。比如如果使用了第三方 OCR 做增补，这个增补只是针对本地 OCR 没识别出来的图片，而不是本地 OCR 识别错的图片（蛋疼的是这个错误只有人工能判断）。诸如此类的，我计划等周末再琢磨琢磨提高准确率的方法。

@leafleave 嗯，目前是依赖于 chineseocr_lite 做本地的 OCR，不过也提供了百度的接口，有条件的话用第三方接口识别率可能会更高。
我也不知道现在国内的 OCR 哪家比较厉害，计划是再加一个腾讯的接口。
毕竟 OCR 不能保证 100%的识别率，这也是做成 web 服务的原因，最后必须要经过一次人工核对的。

单从你举的例子来看，应该是计算字符串相似度吧。四楼说的去除地区名，正好我前几天用到了，可以去 github 上面找找，有整理好的行政区清单。

@amai0w0 算法确实是老大难，寒假那会儿内推阿里，算法题险些裸奔（最后还是跪了~~o(>_<)o ~~

@SunriseFox 字节也有投过，一来应该是本科双非，二来这个时间点找实习有点晚了，总之石沉大海 o(╥﹏╥)o

开发动动手，测试累成狗，确实是有这种说法。不过我更担心的是一直呆在测试岗，会不会丧失技术提升的空间，还不想这么早就进入养老模式:D
之所以有这种想法，是因为我目前所接触的自动化测试工具，初试都会感觉很新鲜有趣，但是用习惯了之后会发现技术的上限就在那里，不像做开发可以一直学习新的东西，能够一直前进。有这种想法也可能是因为我对测试使用得不够深度吧。

@v2webdev 哈哈，没想到这么久远的帖子还有人能回复。多谢老哥鼓励。
那段时间疯狂找实习还是过于急躁了，现在正在整理强化以前的一些技术知识，等暑假再冲一波。

@xtx 重启确实有用，不过每次这种情况都要重启就太致郁了-_-||

@DGideas 可以说是相当合格的 1 、2 、3 楼了，建议拜把子:D