maryaTurova

В js есть такое- загрузить внешний скрипт.
А в Python-е есть что-то похожее?

Сравнили попу с пальцем. То, что вы говорите - это разве что в браузерном JS встречается. В том же node.js так не делается, и очень хорошо что так.

Вам нужно будет дописать к вашему скрипту приблуду, которая будет проверять наличие новой версии на сервере (а на каком? а что делать если он изменился?), скачивать её (а если интернет пропал? нужно продолжить загрузку) и распаковывать вместо старой (как насчёт резервной копии на случай отката обновелния?). А уж потом запускать распакованное (новое или старое).

Добавьте к этому необходимость в скриптах миграции (а если "скачать и запустить новую версию" мало? может, надо структуру БД разово подкорректировать, или ещё что?), в умении откатить сломавшееся обновление назад (а то подстава получится для клиентов, если что-то пойдёт не так), в умении определить порядок смены версий (может, у нас скрипты обновления не поддерживает прыжок через три версии?)... и поймете, что это огроменная задача, если решать её как следует, а не как получилось.

Однако есть и решения, которые часть этих задач берут на себя.
Например, тот же pip умеет качать пакеты с гитхаба, так что клиент может выполнить что-то типа

pip install --upgrade git+https://github.com/youracc/yourepo.git@branchname

Но большая часть задач всё равно остаётся.

Потому что в ходе присваивания в name() ты создаешь локальную переменную a, которая перекрывает глобальную.
Есть два решения:
1. Простое: вставить в начало name() строку global a, чтобы работать с глобальной переменной
2. Правильное: обернуть поток в класс, и работать с его экземплярной переменной вместо глобальной.

К слову, при запуске потока добавь daemon=True, иначе твой поток не даст завершить работу сервера (он же while True).

Подскажите каким образом можно вырезать светлую прямоугольную область?

Погуглил и сразу нашел)

import cv2
import numpy as np

img = cv2.imread("C:\\Users\\ramas\\Documents\\321.png")

def process(img):
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    _, thresh = cv2.threshold(img_gray, 128, 255, cv2.THRESH_BINARY)
    img_blur = cv2.GaussianBlur(thresh, (5, 5), 2)
    img_canny = cv2.Canny(img_blur, 0, 0)
    return img_canny

def get_contours(img):
    contours, _ = cv2.findContours(process(img), cv2.RETR_TREE, cv2.CHAIN_APPROX_NONE)
    r1, r2 = sorted(contours, key=cv2.contourArea)[-3:-1]
    x, y, w, h = cv2.boundingRect(np.r_[r1, r2])
    cv2.rectangle(img, (x, y), (x + w, y + h), (0, 0, 255), 2)
    crop = img[y:y+h, x:x+w]
    cv2.imwrite('result.png', crop)

get_contours(img)
cv2.imshow("img_processed", img)
cv2.waitKey(0)

есть ли простой способ для дальнейшего распознавания на ней текста?

Читаем эту простую инструкцию

import pytesseract
pytesseract.pytesseract.tesseract_cmd = r'C:\Program Files\Tesseract-OCR\tesseract'
print(pytesseract.image_to_string('result.png'))

и радуемся)

можно, но если только хотите дохрена геморрою, потраченных клеток и херовой безопасности. а, ну да, как же без этого: херовый инет (так как сервер может сжирать бОльшую часть трафика без подобающей настройки), проблемы с провайдером из-за DDOS, проблему с железом (замена, ремонт) ну и конечно же счета за электричество. Да и шум от сервера ни куда не денется. Да и много-много других причин. Так что если вы не готовы поднимать всё оборудование и настраивать "от" и "до", то заплатите каких-то несчастных 100-500 рублей и не будите париться.

Почему нельзя, можно, и даже нужно, начинать с этого вполне нормально. Позволяет очень сильно сэкономить на вложениях, за счет меньшей надежности.

Но нужно понимать что хостинг это не только машина, но и стабильное подключение к интернету, а еще гарантии, что сервис будет работать с определенными низкими шансами на остановки (гарантированные SLA, чем значение ближе к 1 тем хостинг круче и дороже), достигается это как командой админов, готовых как чип и дейл решать проблемы 24 часа в сутки, так и выбором серверного железа и резервированием. Ну и опыт и готовые решения с высокой вероятностью лучше у компаний, которые этим занимаются годами/десятилетиями чем домашний колхоз.

Дома все это сделать будет заметно сложнее и дороже (бессмысленно).

p.s. что будете делать если ваши недоброжелатели запустят ddos на ваш домашний ip и провайдер его выключит,..

p.p.s. в россии последние годы провайдеры с подачи текущей власти вытворяют эпическую дичь, ломая интернет и устоявшиеся стандарты.
Совершенно нормально внезапно обнаружить что входящие https нормально не работают, или скорость режется, или подвисают подключения и т.п. Это так работает самодельный DPI

просто снимай деньги за каждое распознование, если алгоритмы говно - то уменьшай стоимость. + сохраняй лог последних 50-100 картинок/значений капч по каждому клиенту для проверки в случае жалоб.

//..

$hash_list = [];

while ($row = mysqli_fetch_array($result)) {
      $response[$count]= json_encode(unserialize($row[0]));
      $count +=1;

      //собираем все hash в один список
      $hash_list[] = $row[1]; 
}

//апдейтим все pictures по списку hash одним запросом
if(!empty($hash_list)) {
    mysqli_query ($db, "
        UPDATE `pictures` SET `result`='PROCESS' 
        WHERE `hash` IN('".join("','", $hash_list)."') 
    ");
}

echo json_encode($response);

lst = ["15","17","23","48"]
dic = {"3263":"48","3878":"17","9512":"15","9673":"23"}

list(map({v:k for k, v in dic.items()}.get, lst))

Проще всего использовать masked array:

import cv2
import numpy as np
from PIL import Image

img = cv2.imread('words.png', cv2.IMREAD_GRAYSCALE)

mask = img.min(axis=0) == 255.0
masked = np.ma.array(img[0, :], mask=mask)
slices = np.ma.notmasked_contiguous(masked)

pieces = [img[:, s] for s in slices]

Чтобы слова не разбивались на части, сильнее заблюрьте изображение перед получением маски.

P.S. Для масштабирования достаточно передать коэффициенты по осям fx и fy:

scaled = cv2.resize(img, None, fx=2.5, fy=2.5, interpolation=cv2.INTER_AREA)

в чем проблема то

aaa = {}
aaa['test'] = aaa.get('test') or []
print(aaa) # {'test': []}

aaa = {'test': [1, 2, 3]}
aaa['test'] = aaa.get('test') or []
print(aaa) # {'test': [1, 2, 3]}

но такой подход я бы не рекомендовал

itertools.permutations

import itertools

for variant in itertools.permutations([a, b, c, d]):
    print(variant)