TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #72 · 21 апр.

Регулярные выражения иногда могут быть просто монструозными. Выглядеть это может крайне запутанно. Сами регэкспы и без того история непростая, а когда это длинный паттерн на несколько десятков знаков, разобрать там что-либо становится не просто. Но на помощь приходит Python и его стремление сделать нашу жизнь проще! В функциях регулярок можно после паттерна указывать флаги, один из которых позволяет писать паттерны более свободно. А именно, добавлять пробелы и переносы, которые будут игнорированы. В результате мы можем разбить паттерн на строки и добавить комментов. Чтобы это сработало нужно добавить флаг re.VERBOSE. Пробелы в паттерне теперь следует указывать явно спец символами. Согласитесь, что даже с именованными группами а таком виде регэкспа выглядит вполне сносно 😉. #tricks#regex

Резултати

Пронајдени 3 слични објави

Пребарај: #sounds

当前筛选 #sounds清除筛选
Interesting Planet 🌍

@interesting_planet_facts · Post #1053 · 19.11.2025 г., 18:11

🌎 In 1977, the Soviet Venera 14 probe recorded mysterious low-frequency “thunder”-like sounds on Venus. Scientists now attribute these to seismic activity or wind interacting with the planet’s dense atmosphere. Venus’s surface winds move slowly, but thick air carries sound much farther than on Earth. ✨ #Venus⚡#sounds⚡#space 👉subscribe Interesting Planet 👉more Channels ​

djangoproject

@djangoproject · Post #255 · 02.02.2017 г., 18:57

https://github.com/tyiannak/pyAudioAnalysis #pyAudioAnalysis is a Python library covering a wide range of audio analysis tasks. Through pyAudioAnalysis you can: Extract #audio features and representations (e.g. mfccs, spectrogram, chromagram) Classify unknown #sounds Train, parameter tune and evaluate classifiers of audio segments Detect audio events and exclude silence periods from long recordings Perform supervised segmentation (joint segmentation - classification) Perform unsupervised segmentation (e.g. speaker diarization) Extract audio thumbnails Train and use audio regression models (example application: emotion recognition) Apply dimensionality reduction to visualize audio data and content similarities