billmetangmo

import githubAppJwt from 'universal-github-app-jwt';
import { request } from "@octokit/request";

const APPID = "XXXXXX"

// Replace with the path to your GitHub App's private key file
const PRIVATE_KEY =  `YYYYYYYYYYYYYYY`;


try {

billmetangmo

import json

def transform_transcribe_output(json_output):
    transcriptions = []
    output = json.loads(json_output)
    current_speaker_label = None

    for result in output['results']['items']:
        if 'speaker_label' in result:
            speaker_label = result['speaker_label']

billmetangmo

# katana -list urls.txt -fs dn -j -o pages.json -silent

import json
import re
import csv
from concurrent.futures import ThreadPoolExecutor

def find_email_in_json_line(json_line):
    # Parse the JSON line
    data = json.loads(json_line)

billmetangmo

# https://github.com/huggingface/notebooks/blob/main/sagemaker/11_deploy_model_from_hf_hub/deploy_transformer_model_from_hf_hub.ipynb
pip install "sagemaker>=2.48.0" --upgrade

billmetangmo

data "aws_iam_policy_document" "override" {
  statement {
    sid = "PublicReadForGetBucketObjects"
    principals {
      identifiers = ["*"]
      type        = "AWS"
    }

    actions = ["s3:GetObject"]
    resources = [(terraform.workspace == "default") ? "arn:aws:s3:::${var.WEBSITE_BUCKET_NAME}/*" : "arn:aws:s3:::${terraform.workspace}-${var.WEBSITE_BUCKET_NAME}/*"

billmetangmo

import urllib.request
import json

# Define the URL of the Flask service
service_url = "https://5000-mongulucm-mtchounmouh-h28ndlzaxu8.ws-eu99.gitpod.io/extract_text"

# Define the URL to be scraped
scrape_url = "https://www.compta-online.com/oubli-de-facturation-facture-faite-posteriori-t72224#NULL"

# Combine these into the full request URL

billmetangmo

import urllib2
from bs4 import BeautifulSoup

url = "https://www.compta-online.com/oubli-de-facturation-facture-faite-posteriori-t72224#NULL"

response = urllib2.urlopen(url)
html = response.read()
soup = BeautifulSoup(html, 'html.parser')

# Find the input element with the name 'text'

billmetangmo

import chardet

def guess_encoding(file):
    with open(file, 'rb') as f:
        result = chardet.detect(f.read())
    return result['encoding']

encoding = guess_encoding(csv_file)
df = pd.read_csv(csv_file, encoding=encoding)

billmetangmo

Comment détecter les tableaux sur les pages de pdf scannés ?

Détecter les tableaux dans des pages de PDF scannés est un problème qui implique plusieurs étapes, car vous travaillez avec des images numérisées plutôt qu'avec du texte numérique. Voici une approche générale:

1. OCR (Reconnaissance optique de caractères) : La première étape consiste à utiliser une technologie OCR pour transformer les images numérisées en texte lisible par une machine. Il existe plusieurs outils qui peuvent faire cela, y compris Google's Vision API, Tesseract, Adobe's Acrobat, et d'autres. Notez que la qualité de la numérisation et la netteté de l'image peuvent affecter la précision de l'OCR.

2. Détection des tableaux : Une fois que vous avez du texte lisible par une machine, vous pouvez commencer à détecter les tableaux. Il s'agit souvent d'une tâche difficile, car les tableaux peuvent avoir des formats très différents. Vous pourriez envisager d'utiliser des expressions régulières pour détecter des motifs qui res

billmetangmo

import argilla as rg
from argilla.client.feedback.schemas.records import ResponseSchema, SuggestionSchema, ValueSchema

rg.init(
    api_url="http://localhost:6900",
    api_key="admin.apikey"
)

dataset = rg.FeedbackDataset(
    guidelines="Add some guidelines for the annotation team here.",