Python 代碼實現(xiàn)各種酷炫功能
一、生成二維碼
二維碼又稱二維條碼，常見的二維碼為QR Code，QR全稱Quick Response，是一個近幾年來移動設備上超流行的一種編碼方式，而生成一個二維碼也非常簡單，在Python中我們可以通過MyQR模塊了生成二維碼，而生成一個二維碼我們只需要2行代碼，我們先安裝MyQR模塊，這里選用國內的源下載：
pip install qrcode
安裝完成后我們就可以開始寫代碼了：
import qrcode text = input(輸入文字或URL：) ? # 設置URL必須添加http:// img =qrcode.make(text) img.save() ? ? ? ? ? ? ? ? ? ? ? ? ? ? #保存圖片至本地目錄，可以設定路徑 img.show()
我們執(zhí)行代碼后會在項目下生成一張二維碼。當然我們還可以豐富二維碼：
我們先安裝MyQR模塊
pip install ?myqr def gakki_code(): ? ? version, level, qr_name = myqr.run( ? ? ? ? words=https://520mg.com/it/#/main/2, ? ? ? ? ? # 可以是字符串，也可以是網址(前面要加http(s)://) ? ? ? ? version=1, ?# 設置容錯率為最高 ? ? ? ? level='H', ? ? ? ? ? # 控制糾錯水平，范圍是L、M、Q、H，從左到右依次升高 ? ? ? ? picture=gakki.gif, ? ? ? ? ? # 將二維碼和圖片合成 ? ? ? ? colorized=True, ?# 彩色二維碼 ? ? ? ? contrast=1.0, ? ? ? ? ? ?# 用以調節(jié)圖片的對比度，1.0 表示原始圖片，更小的值表示更低對比度，更大反之。默認為1.0 ? ? ? ? brightness=1.0, ? ? ? ? ? # 用來調節(jié)圖片的亮度，其余用法和取值同上 ? ? ? ? save_name=gakki_code.gif, ? ? ? ? ? # 保存文件的名字，格式可以是jpg,png,bmp,gif ? ? ? ? save_dir=os.getcwd() ?# 控制位置 ? ? ) ? ?gakki_code()
另外MyQR還支持動態(tài)圖片。
二、生成詞云
詞云又叫文字云，是對文本數據中出現(xiàn)頻率較高的“關鍵詞”在視覺上的突出呈現(xiàn)，形成關鍵詞的渲染形成類似云一樣的彩色圖片，從而一眼就可以領略文本數據的主要表達意思。
但是作為一個老碼農，還是喜歡自己用代碼生成自己的詞云，復雜么？需要很長時間么？很多文字都介紹過各種的方法，但實際上只需要10行python代碼即可。
先安裝必要庫
pip install wordcloud pip install jieba pip install matplotlib
import matplotlib.pyplot as plt
from wordcloud import WordCloud
import jieba
text_from_file_with_apath = open('/Users/linuxmi/linuxmi.txt').read()
wordlist_after_jieba = jieba.cut(text_from_file_with_apath, cut_all = True)
wl_space_split = ?.join(wordlist_after_jieba)
my_wordcloud = WordCloud().generate(wl_space_split)
plt.imshow(my_wordcloud)
plt.axis(off)
plt.show()如此而已，生成的一個詞云是這樣的：
讀一下這10行代碼：
1～3 行，分別導入了畫圖的庫matplotlib，詞云生成庫wordcloud 和 jieba的分詞庫；
4 行，是讀取本地的文件
5～6 行，使用jieba進行分詞，并對分詞的結果以空格隔開；
7行，對分詞后的文本生成詞云；
8～10行，用pyplot展示詞云圖。
這是我喜歡python的一個原因吧，簡潔明快。
三、批量摳圖
摳圖的實現(xiàn)需要借助百度飛槳的深度學習工具paddlepaddle，我們需要安裝兩個模塊就可以很快的實現(xiàn)批量摳圖了，第一個是PaddlePaddle：
python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
還有一個是paddlehub模型庫：
pip install -i https://mirror.baidu.com/pypi/simple paddlehub
接下來我們只需要5行代碼就能實現(xiàn)批量摳圖：
import os, paddlehub as hub
humanseg = hub.Module(name='deeplabv3p_xception65_humanseg') ? ? ? ?# 加載模型
path = 'D:/CodeField/Workplace/PythonWorkplace/GrapImage/' ? ?# 文件目錄
files = [path + i for i in os.listdir(path)] ? ?# 獲取文件列表
results = humanseg.segmentation(data={'image':files}) ? ?# 摳圖四、文字情緒識別
在paddlepaddle面前，自然語言處理也變得非常簡單。實現(xiàn)文字情緒識別我們同樣需要安裝PaddlePaddle和Paddlehub，具體安裝參見三中內容。
然后就是我們的代碼部分了：
import paddlehub as hub ? ? ? ?
senta = hub.Module(name='senta_lstm') ? ? ? ?# 加載模型
sentence = [ ? ?# 準備要識別的語句
? ? '你真美', '你真丑', '我好難過', '我不開心', '這個游戲好好玩', '什么垃圾游戲',
]
results = senta.sentiment_classify(data={text:sentence}) ? ?# 情緒識別
# 輸出識別結果
for result in results:
? ? print(result)識別的結果是一個字典列表：
{'text': '你真美', 'sentiment_label': 1, 'sentiment_key': 'positive', 'positive_probs': 0.9602, 'negative_probs': 0.0398}
{'text': '你真丑', 'sentiment_label': 0, 'sentiment_key': 'negative', 'positive_probs': 0.0033, 'negative_probs': 0.9967}
{'text': '我好難過', 'sentiment_label': 1, 'sentiment_key': 'positive', 'positive_probs': 0.5324, 'negative_probs': 0.4676}
{'text': '我不開心', 'sentiment_label': 0, 'sentiment_key': 'negative', 'positive_probs': 0.1936, 'negative_probs': 0.8064}
{'text': '這個游戲好好玩', 'sentiment_label': 1, 'sentiment_key': 'positive', 'positive_probs': 0.9933, 'negative_probs': 0.0067}
{'text': '什么垃圾游戲', 'sentiment_label': 0, 'sentiment_key': 'negative', 'positive_probs': 0.0108, 'negative_probs': 0.9892}
其中sentiment_key字段包含了情緒信息，詳細分析可以參見Python自然語言處理只需要5行代碼。
五、識別是否帶了口罩
這里同樣是使用PaddlePaddle的產品，我們按照上面步驟安裝好PaddlePaddle和Paddlehub
然后就開始寫代碼：
import paddlehub as hub
# 加載模型
module = hub.Module(name='pyramidbox_lite_mobile_mask')
# 圖片列表
image_list = ['face.jpg']
# 獲取圖片字典
input_dict = {'image':image_list}
# 檢測是否帶了口罩
module.face_detection(data=input_dict)執(zhí)行上述程序后，項目下會生成detection_result文件夾，識別結果都會在里面。
六、簡易信息轟炸
Python控制輸入設備的方式有很多種，我們可以通過win32或者pynput模塊。我們可以通過簡單的循環(huán)操作來達到信息轟炸的效果，這里以pynput為例，我們需要先安裝模塊：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ pynput
在寫代碼之前我們需要手動獲取輸入框的坐標：
from pynput import mouse # 創(chuàng)建一個鼠標 m_mouse = mouse.Controller() # 輸出鼠標位置 print(m_mouse.position)
可能有更高效的方法，但是我不會。
獲取后我們就可以記錄這個坐標，消息窗口不要移動。然后我們執(zhí)行下列代碼并將窗口切換至消息頁面：
import time
from pynput import mouse, keyboard
time.sleep(5)
m_mouse = mouse.Controller() ? ?# 創(chuàng)建一個鼠標
m_keyboard = keyboard.Controller() ?# 創(chuàng)建一個鍵盤
m_mouse.position = (850, 670) ? ? ? # 將鼠標移動到指定位置
m_mouse.click(mouse.Button.left) # 點擊鼠標左鍵
while(True):
? ? m_keyboard.type('你好') ? ? ? ?# 打字
? ? m_keyboard.press(keyboard.Key.enter) ? ?# 按下enter
? ? m_keyboard.release(keyboard.Key.enter) ? ?# 松開enter
? ? time.sleep(0.5) ? ?# 等待 0.5秒七、識別圖片中的文字
我們可以通過Tesseract來識別圖片中的文字，在Python中實現(xiàn)起來非常簡單，但是前期下載文件、配置環(huán)境變量等稍微有些繁瑣，所以本文只展示代碼：
import pytesseract
from PIL import Image
img = Image.open('text.jpg')
text = pytesseract.image_to_string(img)
print(text)其中text就是識別出來的文本。如果對準確率不滿意的話，還可以使用百度的通用文字接口。
八、簡單的小游戲
從一些小例子入門感覺效率很高。
import random print(1-100數字猜謎游戲！) num = random.randint(1,100) guess =guess i = 0 while guess != num: ? ? i += 1 ? ? guess = int(input(請輸入你猜的數字：)) ? ? if guess == num: ? ? ? ? print(恭喜，你猜對了！) ? ? elif guess < num: ? ? ? ? print(你猜的數小了...) ? ? else: ? ? ? ? print(你猜的數大了...) print(你總共猜了%d %i + 次）
到此這篇關于Python 代碼實現(xiàn)各種酷炫功能的文章就介紹到這了,更多相關Python 實現(xiàn)酷炫功能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
今天小編就為大家分享一篇對pycharm代碼整體左移和右移縮進快捷鍵的介紹，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2018-07-07
Python 數據分析之Beautiful Soup 提取頁面信息
Beautiful Soup 提供一些簡單的、python 式的函數用來處理導航、搜索、修改分析樹等功能。它是一個工具箱，通過解析文檔為用戶提供需要抓取的數據，因為簡單，所以不需要多少代碼就可以寫出一個完整的應用程序2021-10-10
本文主要介紹了python小數字符串轉數字的五種方法,根據具體需求選擇合適的方法進行小數字符串轉數字,具有一定的參考價值,感興趣的可以了解一下2024-01-01
python3中dict.keys().sort()用不了的解決方法
本文主要介紹了python3中dict.keys().sort()用不了的解決方法，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2021-12-12
這篇文章主要介紹了Python如何使用內置庫matplotlib繪制折線圖,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2020-02-02
這篇文章主要為大家詳細介紹了python實現(xiàn)掃雷小游戲，文中示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下2020-04-04
PyTorch 實現(xiàn)L2正則化以及Dropout的操作
這篇文章主要介紹了PyTorch 實現(xiàn)L2正則化以及Dropout的操作，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2021-05-05
在本篇文章里小編給大家整理了關于python是否屬于解釋型語言的相關知識點內容，需要的朋友們可以學習下。2020-06-06
python從2.6開始支持format，新的更加容易讀懂的字符串格式化方法，下面這篇文章主要介紹了Python中字符串格式化str.format的相關資料，需要的朋友可以參考借鑒，下面來一起看看吧。2017-02-02
這篇文章主要介紹了python字符串下標與切片及使用方法,本文通過實例代碼給大家介紹的非常詳細，具有一定的參考借鑒價值，需要的朋友可以參考下2020-02-02