欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python實戰(zhàn)之用emoji表情生成文字

 更新時間:2021年05月08日 10:41:09   作者:x670127565  
這篇文章主要介紹了python實戰(zhàn)之用emoji表情生成文字,文中有非常詳細的代碼示例,對正在學習python的小伙伴們有很好地幫助,需要的朋友可以參考下

一、前言

昨夜刷b站的時候,看到了一條評論,形式如下圖,于是心血來潮寫了個python腳本,可以根據文字來生成這種由emoji拼接成的“文字”。

二、思路

代碼的思路極其簡單,這種形式的“文字”可以理解為一張黑白圖片,圖中的白色使用一種emoji表情代替,黑色使用另一種emoji代替。那么想要生成這種“文字”,則我們只需要兩步即可,第一步是根據輸入文字得到一張圖,第二步則是遍歷這張圖片,當前像素的顏色為黑色時我們輸出🇨🇳表情,為白色時輸出✨b表情。在網上簡單搜索了一下,PIL中的ImageDraw類型含有text方法用于生產文字圖片,本腳本即采用該方法實現。

三、代碼

腳本代碼如下,各種注意事項均已在代碼注釋中寫明。

# coding=utf-8
from PIL import Image, ImageFont, ImageDraw
import numpy as np
 
def getTextImage(text, fontFilePath = None, fontSzie = 10):
    #此處踩坑,truetype方法必須傳入字體文件路徑,傳入None會報錯
    font = ImageFont.truetype(fontFilePath, fontSzie, encoding='unic')
    #此處踩坑,在生成圖片的文字為多行文字時,getsize方法返回的寬高會交換,具體什么原因未知,但是這么寫就是對的
    height,width = font.getsize(text)
    #此處踩坑,getsize方法返回的高度在有些情況下可能不夠長 因此將高度拓展為原來的1.2倍
    height = int(height * 1.2)
    #生成一張黑白紋理
    img = Image.new("1", (width, height))
    draw = ImageDraw.Draw(img)
    #textsize方法同樣可以得到要生成的文字的大小 該大小更為準確  那么為啥不用這個大小直接生成圖片呢 存疑
    w,h = draw.textsize(text, font)
    #渲染文字, 第一個參數是offset,此處傳入的值是為了讓渲染的文字居于圖片的中心
    draw.text(((width - w) / 2 ,(height - h) /2 ), text, font = font, fill='red', align='center')
    # img.show()
    return img
 
 
def getEmojiTextFromPureText(text):
    #在輸入的文字中插入換行符,以得到豎排文字
    mutilLineText = ''
    lens = len(text)
    for i in range(lens):
        mutilLineText += text[i]
        if i != lens - 1:
            mutilLineText += '\n'
    #此處踩坑 在mac上有些字體生成漢字是會亂碼,經本人嘗試,simsun.ttc字體和Hiragino Sans GB.ttc字體均可生成中文圖片,其余的不知道哪種字體可行
    img = getTextImage(mutilLineText, '/Users/xiaoyi/Downloads/simsun.ttc', fontSzie= 11)
 
    #將PIL的Image轉為np的array 遍歷圖片輸出即可
    array = np.array(img)
    height,width  = array.shape
    for j in range(height):
        for i in range(width):
            if array[j][i] :
                print('🇨🇳', end = '') #傳入end參數,用于指定不換行
            else:
                print('✨', end = '')
        print('')
 
getEmojiTextFromPureText('全世界無產者聯合起來')

四、效果

使用該腳本生成“文字”效果如下:

✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳✨
✨✨🇨🇳✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨🇨🇳✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨🇨🇳✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳✨✨
✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳✨
✨🇨🇳🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨
✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨🇨🇳✨✨
✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳🇨🇳✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨
✨🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳✨✨✨✨✨✨✨🇨🇳🇨🇳✨
✨✨✨✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳✨
✨🇨🇳🇨🇳✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨
✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨🇨🇳✨🇨🇳✨✨✨✨🇨🇳✨✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳✨✨🇨🇳✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨🇨🇳✨🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨
✨🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨
✨🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨✨✨✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨
✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳✨✨🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨🇨🇳✨✨✨✨🇨🇳✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨🇨🇳🇨🇳✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳🇨🇳🇨🇳✨
✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨

五、遺留問題

該腳本中有幾個遺留的小問題:

1.因為在手機微信中發(fā)送消息時會將過長的消息自動換行,所以腳本中將fontSize指定為11,但是這樣生成出來的文字分辨率很低,面對一些復雜的問題時,最終得到的結果會難以辨識。

2.因為將長度擴展了1.2倍,所以生成出來的結果中在上下兩側會冗余一些無用的emoji表情。

3.本腳本并未將結果輸出至文本中,僅在控制臺打印 使用或有不便。

到此這篇關于python實戰(zhàn)之用emoji表情生成文字的文章就介紹到這了,更多相關python用emoji表情生成文字內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!

相關文章

  • 利用pandas按日期做分組運算的操作

    利用pandas按日期做分組運算的操作

    這篇文章主要介紹了利用pandas按日期做分組運算的操作,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧
    2021-03-03
  • python?requests實現上傳excel數據流

    python?requests實現上傳excel數據流

    這篇文章主要介紹了python?requests實現上傳excel數據流,具有很好的參考價值,希望對大家有所幫助。如有錯誤或未考慮完全的地方,望不吝賜教
    2022-02-02
  • python關于逆序輸出留空格的方法解讀

    python關于逆序輸出留空格的方法解讀

    這篇文章主要介紹了python關于逆序輸出留空格的方法,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教
    2024-02-02
  • python區(qū)分不同數據類型的方法

    python區(qū)分不同數據類型的方法

    這篇文章主要介紹了python區(qū)分不同數據類型的方法實例以及相關知識點,需要的朋友們學習下。
    2019-10-10
  • python Opencv計算圖像相似度過程解析

    python Opencv計算圖像相似度過程解析

    這篇文章主要介紹了python Opencv計算圖像相似度過程解析,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
    2019-12-12
  • Python3.10新特性之match語句示例詳解

    Python3.10新特性之match語句示例詳解

    這篇文章主要為大家介紹了Python3.10新特性之match語句示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪
    2023-02-02
  • python實現發(fā)送form-data數據的方法詳解

    python實現發(fā)送form-data數據的方法詳解

    這篇文章主要介紹了python實現發(fā)送form-data數據的方法,結合實例形式分析了Python發(fā)送form-data數據的相關操作步驟、實現方法與注意事項,需要的朋友可以參考下
    2019-09-09
  • 詳解Python3網絡爬蟲(二):利用urllib.urlopen向有道翻譯發(fā)送數據獲得翻譯結果

    詳解Python3網絡爬蟲(二):利用urllib.urlopen向有道翻譯發(fā)送數據獲得翻譯結果

    這篇文章主要介紹了Python3網絡爬蟲(二):利用urllib.urlopen向有道翻譯發(fā)送數據獲得翻譯結果,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧
    2019-05-05
  • PyTorch手寫數字數據集進行多分類

    PyTorch手寫數字數據集進行多分類

    這篇文章主要介紹了PyTorch手寫數字數據集進行多分類,損失函數采用交叉熵,激活函數采用ReLU,優(yōu)化器采用帶有動量的mini-batchSGD算法,需要的朋友可以參考一下
    2022-03-03
  • python中matplotlib調整圖例位置的方法實例

    python中matplotlib調整圖例位置的方法實例

    在matplotlib中,一般圖例默認是在圖表內部的,如果要放置到圖例外面,需要對坐標進行指定,下面這篇文章主要給大家介紹了關于python中matplotlib調整圖例位置的相關資料,需要的朋友可以參考下
    2022-06-06

最新評論