Posts

前言 假如你经常更新博客内容，每次写完文章后还要手动登录服务器执行 rsync 命令来部署，就显得非常麻烦了。更理想的情况是：每次 push 代码到 GitHub 后，GitHub Actions 自动帮我们构建 Hugo 站点并同步到服务器上，这样我们就可以专注于写作，而不必担心部署细节。 什么是 GitHub Actions GitHub Actions 是 GitHub 提供的一套 CI/CD（持续集成/持续部署）工具，允许我们在代码仓库中定义自动化工作流程。当特定事件发生时（例如 push、pull request、release 等），GitHub Actions 就会触发相应的工作流程，执行预定义的任务。我们可以使用 GitHub Actions 来自动化构建 Hugo 站点，并将生成的静态文件部署到远程服务器上。 准备工作 要使用 GitHub Actions 自动部署 Hugo 博客，我们需要准备以下几个方面： 远程服务器：你需要有一台远程服务器，已经安装了 Nginx 或 Apache，并且配置好了网站根目录（例如 /var/www/html/）。 GitHub 仓库：你需要在 GitHub 上创建一个仓库，用来存放你的博客源码。这个仓库将作为 GitHub Actions 的触发源，当你 push 代码到这个仓库时，GitHub Actions 就会自动执行部署流程。 SSH 密钥：为了让 GitHub Actions 能够安全地连接到你的远程服务器并执行部署操作，你需要生成一对 SSH 密钥，并将公钥添加到服务器的 ~/.ssh/authorized_keys 文件中，同时将私钥存储在 GitHub 仓库的 Secrets 中。 什么是 SSH 密钥 首先，我们需要知道什么是 SSH 协议。SSH（Secure Shell）是一种网络协议，用于在不安全的网络上安全地访问远程计算机。SSH 使用公钥加密技术来验证用户身份和保护数据传输的安全性。 SSH 密钥对由两部分组成：公钥和私钥。公钥可以公开分享，而私钥必须保密。使用 SSH 密钥对进行身份验证时，用户将私钥保存在本地计算机上，并将公钥上传到远程服务器。当用户尝试连接到服务器时，服务器会使用公钥来验证用户的身份，如果验证成功，用户就可以访问服务器。 ...

前言 笔者今天在处理一批 PDF 文档时，使用了 pyMuPDF 库来提取文本和表格。今天在查阅相关文档时无意间发现了一个名为 pymupdf4llm 的库，它是基于 pyMuPDF 的一个扩展，专门针对将 PDF 内容转换为适合 LLM 输入的 Markdown 格式进行了优化。这个库不仅能提取文本，还能识别表格和图片，并将它们以 Markdown 语法的形式输出，非常适合我们在 RAG 流水线中使用。在这篇文章中，我们先重点关注下pyMuPDF的基本使用。 关于 PyMuPDF PyMuPDF 是一个功能强大的 Python 库，用于处理 PDF、XPS、OpenXPS、CBZ 和 EPUB 等文档格式。它提供了丰富的 API 来提取文本、图像、表格等内容，并支持对文档进行修改和注释。PyMuPDF 的核心优势在于其高效的解析能力和对复杂文档结构的良好支持，使得它成为处理 PDF 文档的首选工具之一。 安装 在 Python 环境中安装 PyMuPDF 非常简单： bash Copy pip install --upgrade pymupdf PyMuPDF 基础功能 1. 打开文档 python Copy import fitz # PyMuPDF 的别名 doc = fitz.open("example.pdf") # 打开 PDF 文档（路径填写相对路径或者绝对路径） print(f"文档页数: {doc.page_count}") 这里，doc 是一个 Document 对象，表示打开的 PDF 文档。你可以通过 doc.page_count 获取文档的总页数。如果你查看 doc 对象的类型，你会发现它是一个 Document 类的实例。 ...