simhei_ps为何清除不了fon

• simhei，ps为何清除不了fon？
• 如何利用Python抓取静态网站及其内部资源？
• 请问华文行楷和隶书的英文怎么拼写哦？
• 为什么PDF中编辑的字体重叠？
• 税控开票软件重装后是乱码？

simhei，ps为何清除不了fon？

要想删除无用或不常用的字体，就要知道哪些字体不能删除。首先宋体不能删除，它是系统默认的中文字体;屏幕字体文件(扩展名为.FON)不能随意删除，否则一些对话框中的文字会变成乱码，甚至会导致系统无法启动;“.SYS”为系统字体，在系统提示信息和图标描述性文字中要用到这些字体，删除后可能会导致系统崩溃;还有一些符号，如Marlett、Windings等字体，也不能随意删除。而且带有这些文字的字体不要删除:Arial、Courier、MSSerif、Tahoma、Verdana、ComicSans、MSSansSerif、Symbol、TimeNewRoman、Impact、LucidaConsole、Marlett、Modem、SamallFonts、Webdings、Windings、Roman、MS-DOSCP437、script、SIMHEI、SimSun&NSimSun、Palatino、Linotype、Microsoft、MS。

二、做好字体备份，以免删除的字体以后想再用时无法挽回。

这里推荐一个好方法，把字体移出“FONTS”文件夹，集中保存在另外的目录，比如“D:fontsback”中。同时要为该文件创建一个快捷方式，并将其放在“开始”菜单或“快速启动”栏上。当使用这些字体时，只需打开该文件夹，然后双击某个字体让其显示在预览窗口，只要预览窗口一打开，字体就装载至内存，而且在任何应用程序的“字体”菜单中都能看到。用户可以使用这种方式载入多种字体，等使用完这些字体后，只要关闭预览窗口即可。

如何利用Python抓取静态网站及其内部资源？

这次分享一个房地产网站数据采集及可视化分析的Python实际案例，应用效果还是有，步骤如下：

1、获取目标网站

2、分析网站，确定数据采集的方法

3、对采集的数据进行处理

4、最后可视化

先看看最终效果：

首先获取目标网站，可以发现获取的数据信息都在网页上面，所以可以直接使用xpath标签定位获取网页上的数据，而不用担心动态网页的数据会出现变化：

然后获取各个采集字段的具体xpath，包括房源信息、房价、地区、建面（面积）等字段的xpa，部分代码如下：

fymc=n.xpath('./div/div[1]/a/text()')[0]#房源名称 fj=n.xpath('./div/div[6]/div/span[1]/text()')[0]#房价 diqu=n.xpath('./div/div[2]/span[1]/text()')[0]#地区 mj=n.xpath('./div/div[3]/span/text()')[0]

然后我们要爬取页数要设置，可以看到页数链接明显出现变化，而且还是规律性的，所以可以构造一个循环采集指定页数的信息（也就是翻页采集），部分代码如下：

for i in range(1,6): url='https://nn.fang.lianjia.com/loupan/pg'+str(i) #print(url)

翻页采集搞定了，接下来就是数据处理，先判断采集的数据有没有空值或者缺失值，就必须使用numpy和pandas这两个模块进行数据处理，部分代码如下：

data=pd.read_csv(r'C:/Users/Administrator/Desktop/链家数据.csv',encoding='gbk') #data.describe()#做描述性分析，判断有没有空值或者缺失值

然后查看采集的数据发现，建面面积这个字段既有中文又有数字和特殊符号，我们要对这个字段进行拆分，拆分为最大面积和最小面积，代码如下：

data['最小面积']=data['面积'].str.split(expand=True)[1].str.split('-',expand=True)[0] data['最大面积']=data['面积'].str.split(expand=True)[1].str.split('-',expand=True)[1].str.split('㎡',expand=True)[0] data=data.drop('面积',axis=1)

处理完采集的数据，接下来就是对数据进行可视化，可视化就用到matplotlib这个模块，我们用了三个图去可视化数据，包括折线图、饼图、条形图，部分代码如下：

#制作可视化图表 plt.figure(figsize=(10,8)) plt.suptitle("南宁房价可视化分析",fontsize=20) plt.subplot(2,2,1) #不同地区的房源数量--饼图 plt.title('不同地区的房源数量占比--饼图') explode=[0,0,0,0,0.2,0] plt.pie(x=data.地区.value_counts(),labels=data.地区.value_counts().index, explode=explode,autopct='%.3f%%') plt.subplot(2,2,2) plt.title('不同地区的房源数量--条形图') plt.ylim(0,20) x=data.地区.value_counts().index y=data.地区.value_counts() plt.bar(x=x,height=y,width=0.5) for a,b in zip(x,y): plt.text(a,b+0.2,str(b),ha='center',va='bottom',fontsize=10.5,color='green') plt.subplot(2,1,2) plt.title('不同地区平均房价——折线图') plt.ylim(0,30000) qingxiu=int(data[data['地区']=="青秀区"].房价.mean()) xixiangtang=int(data[data['地区']=="西乡塘区"].房价.mean()) xingning=int(data[data['地区']=="兴宁区"].房价.mean()) liangqing=int(data[data['地区']=="良庆区"].房价.mean()) yongning=int(data[data['地区']=="邕宁区"].房价.mean()) dq=['青秀区','西乡塘区','兴宁区','良庆区','邕宁区'] mean_fj=[qingxiu,xixiangtang,xingning,liangqing,yongning] #折线图# plt.plot(dq,mean_fj,label='不同地区平均房价') for a,b in zip(dq,mean_fj): plt.text(a,b+0.2,str(b),ha='center',va='top',fontsize=10.5) plt.legend(loc=1,fontsize=13) plt.show()

最后不多说了，附上完整代码：

import requests from lxml import etree import csv import pandas as pd import matplotlib.pyplot as plt from pylab import mpl import time with open('C:/Users/Administrator/Desktop/链家数据.csv','w',encoding='gbk') as f: f.write('房源名称,房价,地区,面积\n') f.close() for i in range(1,6): url='https://nn.fang.lianjia.com/loupan/pg'+str(i) #print(url) headers={ 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36' } r=requests.get(url,headers=headers).content b=etree.HTML(r) c=b.xpath('/html/body/div[3]/ul[2]/li') try: for n in c: fymc=n.xpath('./div/div[1]/a/text()')[0]#房源名称 fj=n.xpath('./div/div[6]/div/span[1]/text()')[0]#房价 diqu=n.xpath('./div/div[2]/span[1]/text()')[0]#地区 mj=n.xpath('./div/div[3]/span/text()')[0] with open('C:/Users/Administrator/Desktop/链家数据.csv','a',encoding='gbk') as f1: f1.write('{},{},{},{}\n'.format(fymc,fj,diqu,mj)) print("数据爬取成功！") except: pass time.sleep(20) mpl.rcParams['font.sans-serif']=['SimHei'] mpl.rcParams['axes.unicode_minus']=False data=pd.read_csv(r'C:/Users/Administrator/Desktop/链家数据.csv',encoding='gbk') #数据处理，拆分面积字段为两列数据，最小面积和最大面积 #data.describe() data['最小面积']=data['面积'].str.split(expand=True)[1].str.split('-',expand=True)[0] data['最大面积']=data['面积'].str.split(expand=True)[1].str.split('-',expand=True)[1].str.split('㎡',expand=True)[0] data=data.drop('面积',axis=1) #制作可视化图表 plt.figure(figsize=(10,8)) plt.suptitle("南宁房价可视化分析",fontsize=20) plt.subplot(2,2,1) #不同地区的房源数量--饼图 plt.title('不同地区的房源数量占比--饼图') explode=[0,0,0,0,0.2,0] plt.pie(x=data.地区.value_counts(),labels=data.地区.value_counts().index, explode=explode,autopct='%.3f%%') plt.subplot(2,2,2) plt.title('不同地区的房源数量--条形图') plt.ylim(0,20) x=data.地区.value_counts().index y=data.地区.value_counts() plt.bar(x=x,height=y,width=0.5) for a,b in zip(x,y): plt.text(a,b+0.2,str(b),ha='center',va='bottom',fontsize=10.5,color='green') plt.subplot(2,1,2) plt.title('不同地区平均房价——折线图') plt.ylim(0,30000) qingxiu=int(data[data['地区']=="青秀区"].房价.mean()) xixiangtang=int(data[data['地区']=="西乡塘区"].房价.mean()) xingning=int(data[data['地区']=="兴宁区"].房价.mean()) liangqing=int(data[data['地区']=="良庆区"].房价.mean()) yongning=int(data[data['地区']=="邕宁区"].房价.mean()) dq=['青秀区','西乡塘区','兴宁区','良庆区','邕宁区'] mean_fj=[qingxiu,xixiangtang,xingning,liangqing,yongning] #折线图# plt.plot(dq,mean_fj,label='不同地区平均房价') for a,b in zip(dq,mean_fj): plt.text(a,b+0.2,str(b),ha='center',va='top',fontsize=10.5) plt.legend(loc=1,fontsize=13) plt.show()

请问华文行楷和隶书的英文怎么拼写哦？

常用的字体：雅黑：msyh 黑体：SimHei 宋体：SimSun 华文细黑：STXihei 华文楷体：STKaiti 华文宋体：STSong 华文仿宋：STFangsong 华文彩云：STCaiyun 华文琥珀：STHupo 华文隶书：STLiti 华文行楷：STXingkai 华文新魏：STXinwei

为什么PDF中编辑的字体重叠？

1、在 Adobe Acrobat 中打开出错的PDF文件，在工具栏中选中“TouchUp文本工具”按钮。

2、选中那些位置出现错乱的文本，发现文本编辑框的行高特别的高，这就是字符重叠的罪魁祸首。

3、选中位置错乱的文本行中的所有文本，从右键菜单中选择“属性”选项。

4、看到“文本属性”窗口，从字体列表中选择“SimSun”或“SimHei”也就是转换成宋体或黑体。

税控开票软件重装后是乱码？

把黑体字字体安装一下就行了，找个正常的电脑，c/Windows/fonts 把里面的simhei拷贝出来，拷贝到这个电脑里面相同的位置，或者网上下载一下黑体字字库，拷贝到这里，之后重启开票软件，重新打印就行了。