python實(shí)戰(zhàn)之用emoji表情生成文字
一、前言
昨夜刷b站的時(shí)候,看到了一條評(píng)論,形式如下圖,于是心血來(lái)潮寫(xiě)了個(gè)python腳本,可以根據(jù)文字來(lái)生成這種由emoji拼接成的“文字”。
二、思路
代碼的思路極其簡(jiǎn)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(jù)輸入文字得到一張圖,第二步則是遍歷這張圖片,當(dāng)前像素的顏色為黑色時(shí)我們輸出🇨🇳表情,為白色時(shí)輸出✨b表情。在網(wǎng)上簡(jiǎn)單搜索了一下,PIL中的ImageDraw類(lèi)型含有text方法用于生產(chǎn)文字圖片,本腳本即采用該方法實(shí)現(xiàn)。
三、代碼
腳本代碼如下,各種注意事項(xiàng)均已在代碼注釋中寫(xiě)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(huì)報(bào)錯(cuò) 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(shí),getsize方法返回的寬高會(huì)交換,具體什么原因未知,但是這么寫(xiě)就是對(duì)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(zhǎng) 因此將高度拓展為原來(lái)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(zhǔn)確 那么為啥不用這個(gè)大小直接生成圖片呢 存疑 w,h = draw.textsize(text, font) #渲染文字, 第一個(gè)參數(shù)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(huì)亂碼,經(jīng)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(zhuǎn)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(shù),用于指定不換行 else: print('✨', end = '') print('') getEmojiTextFromPureText('全世界無(wú)產(chǎn)者聯(lián)合起來(lái)')
四、效果
使用該腳本生成“文字”效果如下:
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳✨
✨✨🇨🇳✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨🇨🇳✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨🇨🇳✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳✨✨
✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳✨
✨🇨🇳🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨
✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨🇨🇳✨✨
✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳🇨🇳✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨
✨🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳✨✨✨✨✨✨✨🇨🇳🇨🇳✨
✨✨✨✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳✨
✨🇨🇳🇨🇳✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨
✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨🇨🇳✨🇨🇳✨✨✨✨🇨🇳✨✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳✨✨🇨🇳✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨🇨🇳✨🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨
✨🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨
✨🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨✨✨✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨
✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳✨✨🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨🇨🇳✨✨✨✨🇨🇳✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨🇨🇳🇨🇳✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳🇨🇳🇨🇳✨
✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
五、遺留問(wèn)題
該腳本中有幾個(gè)遺留的小問(wèn)題:
1.因?yàn)樵谑謾C(jī)微信中發(fā)送消息時(shí)會(huì)將過(guò)長(zhǎng)的消息自動(dòng)換行,所以腳本中將fontSize指定為11,但是這樣生成出來(lái)的文字分辨率很低,面對(duì)一些復(fù)雜的問(wèn)題時(shí),最終得到的結(jié)果會(huì)難以辨識(shí)。
2.因?yàn)閷㈤L(zhǎng)度擴(kuò)展了1.2倍,所以生成出來(lái)的結(jié)果中在上下兩側(cè)會(huì)冗余一些無(wú)用的emoji表情。
3.本腳本并未將結(jié)果輸出至文本中,僅在控制臺(tái)打印 使用或有不便。
到此這篇關(guān)于python實(shí)戰(zhàn)之用emoji表情生成文字的文章就介紹到這了,更多相關(guān)python用emoji表情生成文字內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
python?requests實(shí)現(xiàn)上傳excel數(shù)據(jù)流
這篇文章主要介紹了python?requests實(shí)現(xiàn)上傳excel數(shù)據(jù)流,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2022-02-02python區(qū)分不同數(shù)據(jù)類(lèi)型的方法
這篇文章主要介紹了python區(qū)分不同數(shù)據(jù)類(lèi)型的方法實(shí)例以及相關(guān)知識(shí)點(diǎn),需要的朋友們學(xué)習(xí)下。2019-10-10python Opencv計(jì)算圖像相似度過(guò)程解析
這篇文章主要介紹了python Opencv計(jì)算圖像相似度過(guò)程解析,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-12-12python實(shí)現(xiàn)發(fā)送form-data數(shù)據(jù)的方法詳解
這篇文章主要介紹了python實(shí)現(xiàn)發(fā)送form-data數(shù)據(jù)的方法,結(jié)合實(shí)例形式分析了Python發(fā)送form-data數(shù)據(jù)的相關(guān)操作步驟、實(shí)現(xiàn)方法與注意事項(xiàng),需要的朋友可以參考下2019-09-09詳解Python3網(wǎng)絡(luò)爬蟲(chóng)(二):利用urllib.urlopen向有道翻譯發(fā)送數(shù)據(jù)獲得翻譯結(jié)果
這篇文章主要介紹了Python3網(wǎng)絡(luò)爬蟲(chóng)(二):利用urllib.urlopen向有道翻譯發(fā)送數(shù)據(jù)獲得翻譯結(jié)果,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2019-05-05PyTorch手寫(xiě)數(shù)字?jǐn)?shù)據(jù)集進(jìn)行多分類(lèi)
這篇文章主要介紹了PyTorch手寫(xiě)數(shù)字?jǐn)?shù)據(jù)集進(jìn)行多分類(lèi),損失函數(shù)采用交叉熵,激活函數(shù)采用ReLU,優(yōu)化器采用帶有動(dòng)量的mini-batchSGD算法,需要的朋友可以參考一下2022-03-03python中matplotlib調(diào)整圖例位置的方法實(shí)例
在matplotlib中,一般圖例默認(rèn)是在圖表內(nèi)部的,如果要放置到圖例外面,需要對(duì)坐標(biāo)進(jìn)行指定,下面這篇文章主要給大家介紹了關(guān)于python中matplotlib調(diào)整圖例位置的相關(guān)資料,需要的朋友可以參考下2022-06-06