Java使用aspose刪除pdf中不需要的圖片

spose是什么

Aspose于2002年3月在澳大利亞悉尼創建，旗下產品覆蓋文檔、圖表、PDF、條碼、OCR、CAD、HTML、電子郵件等各個文檔管理領域，為全球.NET 、Java、C ++等10余種平臺開發人員提供豐富的開發選擇。

Aspose.PDF for java

此鏈接「鏈接」是官方的Aspose.PDF for Java文檔，包含了非常全的Java API使用示例，可以作為操作PDF的一手資料。

Aspose.PDF for Java

Aspose.PDF 操作圖片

    public static void processImages(String filePath) {
        Document document=new Document(filePath);
        for (int i=1; i <=document.getPages().size(); i++) {
            Page page=document.getPages().get_Item(i);
            for (int j=1; j <=page.getResources().getImages().size(); j++) {
                XImage image=page.getResources().getImages().get_Item(j);
                System.out.println(image);
                // delete by image features
                if (image.getWidth()==302 && image.getHeight()==95) {
                    System.out.println("delete ad image");
                    image.delete();
                }
            }
        }
        document.save(filePath.replace(".pdf", System.currentTimeMillis() + ".pdf"));
    }

代碼解析：

將文檔解析為document對象 Document |Aspose.PDF for Java API Reference
從document拿到page對象 Page |Aspose.PDF for Java API Reference
從page拿到resource，最終拿到XImage XImage |Aspose.PDF for Java API Reference
通過XImage去操作，刪除圖片

較七個在 Python 中繪圖的庫和 API，看看哪個最能滿足你的需求。

來源：https://linux.cn/article-12327-1.html
作者：Shaun Taylor-morgan
譯者：Xingyu.Wang

（本文字數：8312，閱讀時長大約：9 分鐘）

比較七個在 Python 中繪圖的庫和 API，看看哪個最能滿足你的需求。

“如何在 Python 中繪圖？”曾經這個問題有一個簡單的答案：Matplotlib 是唯一的辦法。如今，Python 作為數據科學的語言，有著更多的選擇。你應該用什么呢？

本指南將幫助你決定。

它將向你展示如何使用四個最流行的 Python 繪圖庫：Matplotlib、Seaborn、Plotly 和 Bokeh，再加上兩個值得考慮的優秀的后起之秀：Altair，擁有豐富的 API；Pygal，擁有漂亮的 SVG 輸出。我還會看看 Pandas 提供的非常方便的繪圖 API。

對于每一個庫，我都包含了源代碼片段，以及一個使用 Anvil 的完整的基于 Web 的例子。Anvil 是我們的平臺，除了 Python 之外，什么都不用做就可以構建網絡應用。讓我們一起來看看。

示例繪圖

每個庫都采取了稍微不同的方法來繪制數據。為了比較它們，我將用每個庫繪制同樣的圖，并給你展示源代碼。對于示例數據，我選擇了這張 1966 年以來英國大選結果的分組柱狀圖。

Bar chart of British election data

我從維基百科上整理了英國選舉史的數據集：從 1966 年到 2019 年，保守黨、工黨和自由黨（廣義）在每次選舉中贏得的英國議會席位數，加上“其他”贏得的席位數。你可以以 CSV 文件格式下載它。

Matplotlib

Matplotlib 是最古老的 Python 繪圖庫，現在仍然是最流行的。它創建于 2003 年，是 SciPy Stack 的一部分，SciPy Stack 是一個類似于 Matlab 的開源科學計算庫。

Matplotlib 為你提供了對繪制的精確控制。例如，你可以在你的條形圖中定義每個條形圖的單獨的 X 位置。下面是繪制這個圖表的代碼（你可以在這里運行）：

    import matplotlib.pyplot as plt
    import numpy as np
    from votes import wide as df

    # Initialise a figure. subplots() with no args gives one plot.
    fig, ax=plt.subplots()

    # A little data preparation
    years=df['year']
    x=np.arange(len(years))

    # Plot each bar plot. Note: manually calculating the 'dodges' of the bars
    ax.bar(x - 3*width/2, df['conservative'], width, label='Conservative', color='#0343df')
    ax.bar(x - width/2, df['labour'], width, label='Labour', color='#e50000')
    ax.bar(x + width/2, df['liberal'], width, label='Liberal', color='#ffff14')
    ax.bar(x + 3*width/2, df['others'], width, label='Others', color='#929591')

    # Customise some display properties
    ax.set_ylabel('Seats')
    ax.set_title('UK election results')
    ax.set_xticks(x)    # This ensures we have one tick per year, otherwise we get fewer
    ax.set_xticklabels(years.astype(str).values, rotation='vertical')
    ax.legend()

    # Ask Matplotlib to show the plot
    plt.show()

這是用 Matplotlib 繪制的選舉結果:

Matplotlib plot of British election data

Seaborn

Seaborn 是 Matplotlib 之上的一個抽象層；它提供了一個非常整潔的界面，讓你可以非常容易地制作出各種類型的有用繪圖。

不過，它并沒有在能力上有所妥協！Seaborn 提供了訪問底層 Matplotlib 對象的逃生艙口，所以你仍然可以進行完全控制。

Seaborn 的代碼比原始的 Matplotlib 更簡單（可在此處運行）：

    import seaborn as sns
    from votes import long as df

    # Some boilerplate to initialise things
    sns.set()
    plt.figure()

    # This is where the actual plot gets made
    ax=sns.barplot(data=df, x="year", y="seats", hue="party", palette=['blue', 'red', 'yellow', 'grey'], saturation=0.6)

    # Customise some display properties
    ax.set_title('UK election results')
    ax.grid(color='#cccccc')
    ax.set_ylabel('Seats')
    ax.set_xlabel(None)
    ax.set_xticklabels(df["year"].unique().astype(str), rotation='vertical')

    # Ask Matplotlib to show it
    plt.show()

并生成這樣的圖表：

Seaborn plot of British election data

Plotly

Plotly 是一個繪圖生態系統，它包括一個 Python 繪圖庫。它有三個不同的接口：

一個面向對象的接口。
一個命令式接口，允許你使用類似 JSON 的數據結構來指定你的繪圖。
類似于 Seaborn 的高級接口，稱為 Plotly Express。

Plotly 繪圖被設計成嵌入到 Web 應用程序中。Plotly 的核心其實是一個 JavaScript 庫！它使用 D3 和 stack.gl 來繪制圖表。

你可以通過向該 JavaScript 庫傳遞 JSON 來構建其他語言的 Plotly 庫。官方的 Python 和 R 庫就是這樣做的。在 Anvil，我們將 Python Plotly API 移植到了 Web 瀏覽器中運行。

這是使用 Plotly 的源代碼（你可以在這里運行）：

    import plotly.graph_objects as go
    from votes import wide as df

    #  Get a convenient list of x-values
    years=df['year']
    x=list(range(len(years)))

    # Specify the plots
    bar_plots=[
        go.Bar(x=x, y=df['conservative'], name='Conservative', marker=go.bar.Marker(color='#0343df')),
        go.Bar(x=x, y=df['labour'], name='Labour', marker=go.bar.Marker(color='#e50000')),
        go.Bar(x=x, y=df['liberal'], name='Liberal', marker=go.bar.Marker(color='#ffff14')),
        go.Bar(x=x, y=df['others'], name='Others', marker=go.bar.Marker(color='#929591')),
    ]

    # Customise some display properties
    layout=go.Layout(
        title=go.layout.Title(text="Election results", x=0.5),
        yaxis_title="Seats",
        xaxis_tickmode="array",
        xaxis_tickvals=list(range(27)),
        xaxis_ticktext=tuple(df['year'].values),
    )

    # Make the multi-bar plot
    fig=go.Figure(data=bar_plots, layout=layout)

    # Tell Plotly to render it
    fig.show()

選舉結果圖表：

Plotly plot of British election data

Bokeh

Bokeh （發音為 “BOE-kay”）擅長構建交互式繪圖，所以這個標準的例子并沒有將其展現其最好的一面。和 Plotly 一樣，Bokeh 的繪圖也是為了嵌入到 Web 應用中，它以 HTML 文件的形式輸出繪圖。

下面是使用 Bokeh 的代碼（你可以在這里運行）：

    from bokeh.io import show, output_file
    from bokeh.models import ColumnDataSource, FactorRange, HoverTool
    from bokeh.plotting import figure
    from bokeh.transform import factor_cmap
    from votes import long as df

    # Specify a file to write the plot to
    output_file("elections.html")

    # Tuples of groups (year, party)
    x=[(str(r[1]['year']), r[1]['party']) for r in df.iterrows()]
    y=df['seats']

    # Bokeh wraps your data in its own objects to support interactivity
    source=ColumnDataSource(data=dict(x=x, y=y))

    # Create a colourmap
    cmap={
        'Conservative': '#0343df',
        'Labour': '#e50000',
        'Liberal': '#ffff14',
        'Others': '#929591',
    }
    fill_color=factor_cmap('x', palette=list(cmap.values()), factors=list(cmap.keys()), start=1, end=2)

    # Make the plot
    p=figure(x_range=FactorRange(*x), width=1200, title="Election results")
    p.vbar(x='x', top='y', width=0.9, source=source, fill_color=fill_color, line_color=fill_color)

    # Customise some display properties
    p.y_range.start=0
    p.x_range.range_padding=0.1
    p.yaxis.axis_label='Seats'
    p.xaxis.major_label_orientation=1
    p.xgrid.grid_line_color=None

圖表如下：

Bokeh plot of British election data

Altair

Altair 是基于一種名為 Vega 的聲明式繪圖語言（或“可視化語法”）。這意味著它具有經過深思熟慮的 API，可以很好地擴展復雜的繪圖，使你不至于在嵌套循環的地獄中迷失方向。

與 Bokeh 一樣，Altair 將其圖形輸出為 HTML 文件。這是代碼（你可以在這里運行）：

    import altair as alt
    from votes import long as df

    # Set up the colourmap
    cmap={
        'Conservative': '#0343df',
        'Labour': '#e50000',
        'Liberal': '#ffff14',
        'Others': '#929591',
    }

    # Cast years to strings
    df['year']=df['year'].astype(str)

    # Here's where we make the plot
    chart=alt.Chart(df).mark_bar().encode(
        x=alt.X('party', title=None),
        y='seats',
        column=alt.Column('year', sort=list(df['year']), title=None),
        color=alt.Color('party', scale=alt.Scale(domain=list(cmap.keys()), range=list(cmap.values())))
    )

    # Save it as an HTML file.
    chart.save('altair-elections.html')

結果圖表：

Altair plot of British election data

Pygal

Pygal 專注于視覺外觀。它默認生成 SVG 圖，所以你可以無限放大它們或打印出來，而不會被像素化。Pygal 繪圖還內置了一些很好的交互性功能，如果你想在 Web 應用中嵌入繪圖，Pygal 是另一個被低估了的候選者。

代碼是這樣的（你可以在這里運行它）：

    import pygal
    from pygal.style import Style
    from votes import wide as df

    # Define the style
    custom_style=Style(
        colors=('#0343df', '#e50000', '#ffff14', '#929591')
        font_family='Roboto,Helvetica,Arial,sans-serif',
        background='transparent',
        label_font_size=14,
    )

    # Set up the bar plot, ready for data
    c=pygal.Bar(
        title="UK Election Results",
        style=custom_style,
        y_title='Seats',
        width=1200,
        x_label_rotation=270,
    )

    # Add four data sets to the bar plot
    c.add('Conservative', df['conservative'])
    c.add('Labour', df['labour'])
    c.add('Liberal', df['liberal'])
    c.add('Others', df['others'])

    # Define the X-labels
    c.x_labels=df['year']

    # Write this to an SVG file
    c.render_to_file('pygal.svg')

繪制結果：

Pygal plot of British election data

Pandas

Pandas 是 Python 的一個極其流行的數據科學庫。它允許你做各種可擴展的數據處理，但它也有一個方便的繪圖 API。因為它直接在數據幀上操作，所以 Pandas 的例子是本文中最簡潔的代碼片段，甚至比 Seaborn 的代碼還要短！

Pandas API 是 Matplotlib 的一個封裝器，所以你也可以使用底層的 Matplotlib API 來對你的繪圖進行精細的控制。

這是 Pandas 中的選舉結果圖表。代碼精美簡潔！

    from matplotlib.colors import ListedColormap
    from votes import wide as df

    cmap=ListedColormap(['#0343df', '#e50000', '#ffff14', '#929591'])

    ax=df.plot.bar(x='year', colormap=cmap)

    ax.set_xlabel(None)
    ax.set_ylabel('Seats')
    ax.set_title('UK election results')

    plt.show()

繪圖結果：

Pandas plot of British election data

要運行這個例子，請看這里。

以你的方式繪制

Python 提供了許多繪制數據的方法，無需太多的代碼。雖然你可以通過這些方法快速開始創建你的繪圖，但它們確實需要一些本地配置。如果需要， Anvil 為 Python 開發提供了精美的 Web 體驗。祝你繪制愉快！

via: https://opensource.com/article/20/4/plot-data-python

作者： Shaun Taylor-Morgan 譯者： wxy 校對： wxy

本文由 LCTT 原創編譯， Linux中國榮譽推出

點擊“了解更多”可訪問文內鏈接

譯自： https://opensource.com/article/18/9/open-source-javascript-chart-libraries
作者： Dr.michael J.garbade
譯者：周家未

圖表及其它可視化方式讓傳遞數據的信息變得更簡單。

對于數據可視化和制作精美網站來說，圖表和圖形很重要。視覺上的展示讓分析大塊數據及傳遞信息變得更簡單。JavaScript 圖表庫能讓數據以極好的、易于理解的和交互的方式進行可視化，還能夠優化你的網站設計。

本文會帶你學習最好的 3 個開源 JavaScript 圖表庫。

1、 Chart.js

Chart.js 是一個開源的 JavaScript 庫，你可以在自己的應用中用它創建生動美麗和交互式的圖表。使用它需要遵循 MIT 協議。

使用 Chart.js，你可以創建各種各樣令人印象深刻的圖表和圖形，包括條形圖、折線圖、范圍圖、線性標度和散點圖。它可以響應各種設備，使用 HTML5 Canvas 元素進行繪制。

示例代碼如下，它使用該庫繪制了一個條形圖。本例中我們使用 Chart.js 的內容分發網絡（CDN）來包含這個庫。注意這里使用的數據僅用于展示。

<!DOCTYPE html>
<html>
<head>
<script src="https://cdnjs.cloudflare.com/ajax/libs/Chart.js/2.5.0/Chart.min.js"></script>
</head>
<body>
<canvas id="bar-chart" width=300" height="150"></canvas>
<script>
new Chart(document.getElementById("bar-chart"), {
type: 'bar',
data: {
labels: ["North America", "Latin America", "Europe", "Asia", "Africa"],
datasets: [
{
label: "Number of developers (millions)",
backgroundColor: ["red", "blue","yellow","green","pink"],
data: [7,4,6,9,3]
}
]
},
options: {
legend: { display: false },
title: {
display: true,
text: 'Number of Developers in Every Continent'
},
scales: {
yAxes: [{
ticks: {
beginAtZero:true
}
}]
}
}
});
</script>
</body>
</html>

如你所見，通過設置 type 和 bar 來構造條形圖。你可以把條形體的方向改成其他類型 —— 比如把 type 設置成 horizontalBar。

在 backgroundColor 數組參數中提供顏色類型，就可以設置條形圖的顏色。

顏色被分配給關聯數組中相同索引的標簽和數據。例如，第二個標簽 “Latin American”，顏色會是 “藍色（blue）”（第二個顏色），數值是 4（data 中的第二個數字）。

代碼的執行結果如下。

2、 Chartist.js

Chartist.js 是一個簡單的 JavaScript 動畫庫，你能夠自制美麗的響應式圖表，或者進行其他創作。使用它需要遵循 WTFPL 或者 MIT 協議。

這個庫是由一些對現有圖表工具不滿的開發者進行開發的，它可以為設計師或程序員提供美妙的功能。

在項目中包含 Chartist.js 庫后，你可以使用它們來創建各式各樣的圖表，包括動畫，條形圖和折線圖。它使用 SVG 來動態渲染圖表。

這里是使用該庫繪制一個餅圖的例子。

<!DOCTYPE html>
<html>
<head>
<link href="https//cdn.jsdelivr.net/chartist.js/latest/chartist.min.css" rel="stylesheet" type="text/css" />
<style>
.ct-series-a .ct-slice-pie {
fill: hsl(100, 20%, 50%); /* filling pie slices */
stroke: white; /*giving pie slices outline */
stroke-width: 5px; /* outline width */
}
.ct-series-b .ct-slice-pie {
fill: hsl(10, 40%, 60%);
stroke: white;
stroke-width: 5px;
}
.ct-series-c .ct-slice-pie {
fill: hsl(120, 30%, 80%);
stroke: white;
stroke-width: 5px;
}
.ct-series-d .ct-slice-pie {
fill: hsl(90, 70%, 30%);
stroke: white;
stroke-width: 5px;
}
.ct-series-e .ct-slice-pie {
fill: hsl(60, 140%, 20%);
stroke: white;
stroke-width: 5px;
}
</style>
</head>
<body>
<div class="ct-chart ct-golden-section"></div>
<script src="https://cdn.jsdelivr.net/chartist.js/latest/chartist.min.js"></script>
<script>
var data={
series: [45, 35, 20]
};
var sum=function(a, b) { return a + b };
new Chartist.Pie('.ct-chart', data, {
labelInterpolationFnc: function(value) {
return Math.round(value / data.series.reduce(sum) * 100) + '%';
}
});
</script>
</body>
</html>

使用 Chartist JavaScript 庫，你可以使用各種預先構建好的 CSS 樣式，而不是在項目中指定各種與樣式相關的部分。你可以使用這些樣式來設置已創建的圖表的外觀。

比如，預創建的 CSS 類 .ct-chart 是用來構建餅狀圖的容器。還有 .ct-golden-section 類可用于獲取縱橫比，它基于響應式設計進行縮放，幫你解決了計算固定尺寸的麻煩。Chartist 還提供了其它類別的比例容器，你可以在自己的項目中使用它們。

為了給各個扇形設置樣式，可以使用默認的 .ct-serials-a 類。字母 a 是根據系列的數量變化的（a、b、c，等等），因此它與每個要設置樣式的扇形相對應。

Chartist.Pie 方法用來創建一個餅狀圖。要創建另一種類型的圖表，比如折線圖，請使用 Chartist.Line。

代碼的執行結果如下。

3、 D3.js

D3.js 是另一個好用的開源 JavaScript 圖表庫。使用它需要遵循 BSD 許可證。D3 的主要用途是，根據提供的數據，處理和添加文檔的交互功能，。

借助這個 3D 動畫庫，你可以通過 HTML5、SVG 和 CSS 來可視化你的數據，并且讓你的網站變得更精美。更重要的是，使用 D3，你可以把數據綁定到文檔對象模型（DOM）上，然后使用基于數據的函數改變文檔。

示例代碼如下，它使用該庫繪制了一個簡單的條形圖。

<!DOCTYPE html>
<html>
<head>
<style>
.chart div {
font: 15px sans-serif;
background-color: lightblue;
text-align: right;
padding:5px;
margin:5px;
color: white;
font-weight: bold;
}
</style>
</head>
<body>
<div class="chart"></div>
<script src="https://cdnjs.cloudflare.com/ajax/libs/d3/5.5.0/d3.min.js"></script>
<script>
var data=[342,222,169,259,173];
d3.select(".chart")
.selectAll("div")
.data(data)
.enter()
.append("div")
.style("width", function(d){ return d + "px"; })
.text(function(d) { return d; });
</script>
</body>
</html>

使用 D3 庫的主要概念是應用 CSS 樣式選擇器來定位 DOM 節點，然后對其執行操作，就像其它的 DOM 框架，比如 JQuery。

將數據綁定到文檔上后，.enter() 函數會被調用，為即將到來的數據構建新的節點。所有在 .enter() 之后調用的方法會為數據中的每一個項目調用一次。

代碼的執行結果如下。

總結

JavaScript 圖表庫提供了強大的工具，你可以將自己的網絡資源進行數據可視化。通過這三個開源庫，你可以把自己的網站變得更好看，更容易使用。

你知道其它強大的用于創造 JavaScript 動畫效果的前端庫嗎？請在下方的評論區留言分享。

via: https://opensource.com/article/18/9/open-source-javascript-chart-libraries

作者： Dr.Michael J.Garbade 選題： lujun9972 譯者： BriFuture 校對： wxy

本文由 LCTT 原創編譯， Linux中國榮譽推出

點擊“了解更多”可訪問文內鏈接

在線咨詢

上一篇：前端系列：純CSS代碼來寫多邊形和不規則圖形
下一篇：Excel窗體控件 ListView

您的項目需求

*請認真填寫需求信息，我們會在24小時內與您取得聯系。

整合營銷服務商

Java使用aspose刪除pdf中不需要的圖片

spose是什么

Aspose.PDF for java

Aspose.PDF 操作圖片

示例繪圖

Matplotlib

Seaborn

Plotly

Bokeh

Altair

Pygal

Pandas

以你的方式繪制

點擊“了解更多”可訪問文內鏈接

1、 Chart.js

2、 Chartist.js

3、 D3.js

總結

點擊“了解更多”可訪問文內鏈接

您的項目需求