小编Dan*_*y M的帖子

我正在尝试pycurl在我的 上安装ubuntu 16.04 LTS，该模块看起来已安装，但当我尝试从 python 导入它时，它给我“没有名为 pycurl 的模块”。我的python3版本是3.7.8

pip3 freeze |grep pycurl告诉我已经安装了 7.43 版本pycurl==7.43.0

我已经成功运行：

apt-get update
apt-get install python3-pycurl

python3 -m pip install pycurl给我 ：

Defaulting to user installation because normal site-packages is not writeable
Requirement already satisfied: pycurl in /usr/lib/python3/dist-packages (7.43.0)

并python3 -m easy_install pycurl返回：

WARNING: The easy_install command is deprecated and will be removed in a future version.
Searching for pycurl
Best match: pycurl 7.43.0
Adding pycurl …

我正在尝试进行一些聚合查询并遇到一些问题。

GET /my_index/_search
{
"size" : 0,
"aggs":{
   "group_by":{
       "terms": {
            "field" : "category"
       }
   }
  }
  }

这让我回来了：

"hits": {
  "total": 180,
  "max_score": 0,
  "hits": []
 },
"aggregations": {
  "group_by": {
     "doc_count_error_upper_bound": 0,
     "sum_other_doc_count": 1,
     "buckets": [
        {
           "key": "pf_rd_m",
           "doc_count": 139
        },
        {
           "key": "other",
           "doc_count": 13
        },
        {
           "key": "_encoding",
           "doc_count": 12
        },
        {
           "key": "ie",
           "doc_count": 10
        },
        {
           "key": "cadeaux",
           "doc_count": 2
        },
        {
           "key": "cartes",
           "doc_count": 2
        },
        {
           "key": "cheques",
           "doc_count": 2
        }, …

我目前正在创建一个程序，该程序可以计算文本文档（+5000个文档）的语料库中的近似重复分数。我正在使用Simhash来生成文档的uniq足迹（由于这个github repo）

我的数据是：

data = {
    1: u'Im testing simhash algorithm.',
    2: u'test of simhash algorithm',
    3: u'This is simhash test.',
}

这给了我3个哈希，像这样：

00100110101110100011111000100010010101011001000001110000111001011100110101001101111010100010001011001011000110000100110101101110

00001001110010000000011000001000110010001010000101010000001100000100100011100100110010100000010000000110001001010110000010000100

10001110101100000100101010000010010001011010001000000000101000101100001100100000110011000000011001000000000110000000100110000000

现在，如何比较这三个哈希值？我知道我必须将它们分成多个块，但是没有确切的方法吗？

我想要做的是输出所有重复的文档（> 70％）及其ID和重复文档的ID。

有人可以帮忙吗？

我将Mac更新为High Sierra，现在无法安装pycurl。它失败，并显示以下消息：Curl is configured to use SSL, but we have not been able to determine which SSL backend it is using. Please see PycURL documentation for how to specify the SSL backend manually.

我在文档和网络上进行了搜索，发现了一些无法解决问题的解决方案。最受欢迎的是这个：

pip uninstall pycurl
export PYCURL_SSL_LIBRARY=openssl
pip install pycurl

这是完整的错误