欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

7個(gè)實(shí)用的Python自動(dòng)化代碼別再重復(fù)造輪子了

 更新時(shí)間:2023年11月13日 17:14:30   作者:python專欄  
關(guān)于Python有一句名言:不要重復(fù)造輪子,給大家分享經(jīng)過(guò)Python3.6.4調(diào)試通過(guò)的代碼,感興趣的朋友跟隨小編一起看看吧

關(guān)于Python有一句名言:不要重復(fù)造輪子。

但是問(wèn)題有三個(gè):

1、你不知道已經(jīng)有哪些輪子已經(jīng)造好了,哪個(gè)適合你用。有名有姓的的著名輪子就400多個(gè),更別說(shuō)沒(méi)名沒(méi)姓自己在制造中的輪子。

2、確實(shí)沒(méi)重復(fù)造輪子,但是在重復(fù)制造汽車(chē)。包括好多大神寫(xiě)的好幾百行代碼,為的是解決一個(gè)Excel本身就有的成熟功能。

3、很多人是用來(lái)抓圖,數(shù)據(jù),抓點(diǎn)圖片、視頻、天氣預(yù)報(bào)自?shī)首詷?lè)一下,然后呢?抓到大數(shù)據(jù)以后做什么用呢?比如某某啤酒賣(mài)的快,然后呢?比如某某電影票房多,然后呢?

以下是經(jīng)過(guò)Python3.6.4調(diào)試通過(guò)的代碼,與大家分享:

1、抓取知乎圖片

2、聽(tīng)兩個(gè)聊天機(jī)器人互相聊天

3、AI分析唐詩(shī)的作者是李白還是杜甫

4、彩票隨機(jī)生成35選7

5、自動(dòng)寫(xiě)檢討書(shū)

6、屏幕錄相機(jī)

7、制作Gif動(dòng)圖

① 抓取知乎圖片,只用30行代碼

from selenium import webdriver
import time
import urllib.request
driver = webdriver.Chrome()
driver.maximize_window()
driver.get("https://www.zhihu.com/question/29134042")
i = 0
while i < 10:
    driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")
    time.sleep(2)
    try:
        driver.find_element_by_css_selector('button.QuestionMainAction').click()
        print("page" + str(i))
        time.sleep(1)
    except:
        break
result_raw = driver.page_source
content_list = re.findall("img src=\"(.+?)\" ", str(result_raw))
n = 0
while n < len(content_list):
    i = time.time()
    local = (r"%s.jpg" % (i))
    urllib.request.urlretrieve(content_list[n], local)
    print("編號(hào):" + str(i))
    n = n + 1

② 沒(méi)事閑的時(shí)候,聽(tīng)兩個(gè)聊天機(jī)器人互相聊天

from time import sleep
import requests
s = input("請(qǐng)主人輸入話題:")
while True:
    resp = requests.post("http://www.tuling123.com/openapi/api",data={"key":"4fede3c4384846b9a7d0456a5e1e2943", "info": s, })
    resp = resp.json()
    sleep(1)
    print('小魚(yú):', resp['text'])
    s = resp['text']
    resp = requests.get("http://api.qingyunke.com/api.php", {'key': 'free', 'appid':0, 'msg': s})
    resp.encoding = 'utf8'
    resp = resp.json()
    sleep(1)
    print('菲菲:', resp['content'])
#網(wǎng)上還有一個(gè)據(jù)說(shuō)智商比較高的小i機(jī)器人,用爬蟲(chóng)的功能來(lái)實(shí)現(xiàn)一下:

import urllib.request
import re

while True:
    x = input("主人:")
    x = urllib.parse.quote(x)
    link = urllib.request.urlopen(
        "http://nlp.xiaoi.com/robot/webrobot?&callback=__webrobot_processMsg&data=%7B%22sessionId%22%3A%22ff725c236e5245a3ac825b2dd88a7501%22%2C%22robotId%22%3A%22webbot%22%2C%22userId%22%3A%227cd29df3450745fbbdcf1a462e6c58e6%22%2C%22body%22%3A%7B%22content%22%3A%22" + x + "%22%7D%2C%22type%22%3A%22txt%22%7D")
    html_doc = link.read().decode()
    reply_list = re.findall(r'\"content\":\"(.+?)\\r\\n\"', html_doc)
    print("小i:" + reply_list[-1])

③ 分析唐詩(shī)的作者是李白還是杜甫

import jieba
from nltk.classify import NaiveBayesClassifier
# 需要提前把李白的詩(shī)收集一下,放在libai.txt文本中。
text1 = open(r"libai.txt", "rb").read()
list1 = jieba.cut(text1)
result1 = " ".join(list1)
# 需要提前把杜甫的詩(shī)收集一下,放在dufu.txt文本中。
text2 = open(r"dufu.txt", "rb").read()
list2 = jieba.cut(text2)
result2 = " ".join(list2)
# 數(shù)據(jù)準(zhǔn)備
libai = result1
dufu = result2
# 特征提取
def word_feats(words):
    return dict([(word, True) for word in words])
libai_features = [(word_feats(lb), 'lb') for lb in libai]
dufu_features = [(word_feats(df), 'df') for df in dufu]
train_set = libai_features + dufu_features
# 訓(xùn)練決策
classifier = NaiveBayesClassifier.train(train_set)
# 分析測(cè)試
sentence = input("請(qǐng)輸入一句你喜歡的詩(shī):")
print("\n")
seg_list = jieba.cut(sentence)
result1 = " ".join(seg_list)
words = result1.split(" ")
# 統(tǒng)計(jì)結(jié)果
lb = 0
df = 0
for word in words:
    classResult = classifier.classify(word_feats(word))
    if classResult == 'lb':
        lb = lb + 1
    if classResult == 'df':
        df = df + 1
# 呈現(xiàn)比例
x = float(str(float(lb) / len(words)))
y = float(str(float(df) / len(words)))
print('李白的可能性:%.2f%%' % (x * 100))
print('杜甫的可能性:%.2f%%' % (y * 100))

④ 彩票隨機(jī)生成35選7

import random
temp = [i + 1 for i in range(35)]
random.shuffle(temp)
i = 0
list = []
while i < 7:
    list.append(temp[i])
    i = i + 1
list.sort()
print('\033[0;31;;1m')
print(*list[0:6], end="")
print('\033[0;34;;1m', end=" ")
print(list[-1])

⑤ 自動(dòng)寫(xiě)檢討書(shū)

import random
import xlrd
ExcelFile = xlrd.open_workbook(r'test.xlsx')
sheet = ExcelFile.sheet_by_name('Sheet1')
i = []
x = input("請(qǐng)輸入具體事件:")
y = int(input("老師要求的字?jǐn)?shù):"))
while len(str(i)) < y * 1.2:
    s = random.randint(1, 60)
    rows = sheet.row_values(s)
    i.append(*rows)
print(" "*8+"檢討書(shū)"+"\n"+"老師:")
print("我不應(yīng)該" + str(x)+",", *i)
print("再次請(qǐng)老師原諒!")
'''
以下是樣稿:
請(qǐng)輸入具體事件:抽煙
老師要求的字?jǐn)?shù):200
        檢討書(shū)
老師:
我不應(yīng)該抽煙, 學(xué)校一開(kāi)學(xué)就三令五申,
一再?gòu)?qiáng)調(diào)校規(guī)校紀(jì),提醒學(xué)生不要違反校規(guī),
可我卻沒(méi)有把學(xué)校和老師的話放在心上,
沒(méi)有重視老師說(shuō)的話,沒(méi)有重視學(xué)校頒布的重要事項(xiàng),
當(dāng)成了耳旁風(fēng),這些都是不應(yīng)該的。
同時(shí)也真誠(chéng)地希望老師能繼續(xù)關(guān)心和支持我,
并卻對(duì)我的問(wèn)題酌情處理。 
無(wú)論在學(xué)習(xí)還是在別的方面我都會(huì)用校規(guī)來(lái)嚴(yán)格要求自己,
我會(huì)把握這次機(jī)會(huì)。 
但事實(shí)證明,僅僅是熱情投入、刻苦努力、鉆研學(xué)業(yè)是不夠的,
還要有清醒的政治頭腦、大局意識(shí)和紀(jì)律觀念,
否則就會(huì)在學(xué)習(xí)上迷失方向,使國(guó)家和學(xué)校受損失。
再次請(qǐng)老師原諒!
'''

⑥ 屏幕錄相機(jī),抓屏軟件

from time import sleep
from PIL import ImageGrab
m = int(input("請(qǐng)輸入想抓屏幾分鐘:"))
m = m * 60
n = 1
while n < m:
    sleep(0.02)
    im = ImageGrab.grab()
    local = (r"%s.jpg" % (n))
    im.save(local, 'jpeg')
    n = n + 1

⑦ 制作Gif動(dòng)圖

from PIL import Image
im = Image.open("1.jpg")
images = []
images.append(Image.open('2.jpg'))
images.append(Image.open('3.jpg'))
im.save('gif.gif', save_all=True, append_images=images, loop=1, duration=1, comment=b"aaabb")

到此這篇關(guān)于7個(gè)實(shí)用的Python自動(dòng)化代碼別再重復(fù)造輪子了的文章就介紹到這了,更多相關(guān)Python自動(dòng)化代碼內(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

  • 一篇文章帶你了解python標(biāo)準(zhǔn)庫(kù)--random模塊

    一篇文章帶你了解python標(biāo)準(zhǔn)庫(kù)--random模塊

    這篇文章主要給大家介紹了關(guān)于Python中random模塊常用方法的使用教程,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
    2021-08-08
  • tensorboard 可視化之localhost:6006不顯示的解決方案

    tensorboard 可視化之localhost:6006不顯示的解決方案

    這篇文章主要介紹了tensorboard 可視化之localhost:6006不顯示的解決方案,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
    2021-05-05
  • Pycharm報(bào)錯(cuò)Non-zero?exit?code?(2)的完美解決方案

    Pycharm報(bào)錯(cuò)Non-zero?exit?code?(2)的完美解決方案

    最近在使用pycharm安裝或升級(jí)模塊時(shí)出現(xiàn)了錯(cuò)誤,下面這篇文章主要給大家介紹了關(guān)于Pycharm報(bào)錯(cuò)Non-zero?exit?code?(2)的完美解決方案,文中通過(guò)圖文介紹的非常詳細(xì),需要的朋友可以參考下
    2022-06-06
  • Python圖像處理之簡(jiǎn)單畫(huà)板實(shí)現(xiàn)方法示例

    Python圖像處理之簡(jiǎn)單畫(huà)板實(shí)現(xiàn)方法示例

    這篇文章主要介紹了Python圖像處理之簡(jiǎn)單畫(huà)板實(shí)現(xiàn)方法,結(jié)合實(shí)例形式分析了Python基于cv2模塊與numpy模塊的數(shù)值計(jì)算及矩形圖形繪制簡(jiǎn)單操作技巧,需要的朋友可以參考下
    2018-08-08
  • Python 字符串與數(shù)字輸出方法

    Python 字符串與數(shù)字輸出方法

    今天小編小編就為大家分享一篇Python 字符串與數(shù)字輸出方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2018-07-07
  • Python3內(nèi)置json模塊編碼解碼方法詳解

    Python3內(nèi)置json模塊編碼解碼方法詳解

    Python3中我們利用內(nèi)置模塊json解碼和編碼JSON對(duì)象。json模塊提供了四個(gè)功能:dumps、dump、loads、load本文詳細(xì)講解了Python3內(nèi)置json模塊的詳細(xì)使用方法
    2021-10-10
  • 舉例區(qū)分Python中的淺復(fù)制與深復(fù)制

    舉例區(qū)分Python中的淺復(fù)制與深復(fù)制

    這篇文章主要介紹了舉例區(qū)分Python中的淺復(fù)制與深復(fù)制,是Python入門(mén)學(xué)習(xí)中的重要知識(shí),需要的朋友可以參考下
    2015-07-07
  • pandas 時(shí)間格式轉(zhuǎn)換的實(shí)現(xiàn)

    pandas 時(shí)間格式轉(zhuǎn)換的實(shí)現(xiàn)

    這篇文章主要介紹了pandas 時(shí)間格式轉(zhuǎn)換的實(shí)現(xiàn),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
    2019-07-07
  • Python常見(jiàn)數(shù)據(jù)類(lèi)型轉(zhuǎn)換操作示例

    Python常見(jiàn)數(shù)據(jù)類(lèi)型轉(zhuǎn)換操作示例

    這篇文章主要介紹了Python常見(jiàn)數(shù)據(jù)類(lèi)型轉(zhuǎn)換操作,結(jié)合實(shí)例形式分析了Python針對(duì)列表、集合、元組、字典等數(shù)據(jù)類(lèi)型轉(zhuǎn)換的相關(guān)操作技巧,需要的朋友可以參考下
    2019-05-05
  • python字符串格式化函數(shù)

    python字符串格式化函數(shù)

    這篇文章主要介紹了python字符串格式化函數(shù),主要概述內(nèi)容有?格式化字符串輸出?、三引號(hào)、字符串字母處理函數(shù)等相關(guān)內(nèi)容,下文詳細(xì)內(nèi)容介紹需要的小伙伴可以參考一下
    2022-04-04

最新評(píng)論