Python代碼實(shí)現(xiàn)各種酷炫功能的示例分析

這篇文章主要介紹了Python代碼實(shí)現(xiàn)各種酷炫功能的示例分析，具有一定借鑒價(jià)值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。

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(shè)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(nèi)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(shè)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(shè)定路徑
img.show()

我們執(zhí)行代碼后會在項(xiàng)目下生成一張二維碼。當(dāng)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(wǎng)址(前面要加http(s)://)
        version=1,  # 設(shè)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(diào)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(rèn)為1.0
        brightness=1.0,  
        # 用來調(diào)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(shù)據(jù)中出現(xiàn)頻率較高的“關(guān)鍵詞”在視覺上的突出呈現(xiàn)，形成關(guān)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(lǐng)略文本數(shù)據(jù)的主要表達(dá)意思。

但是作為一個老碼農(nóng)，還是喜歡自己用代碼生成自己的詞云，復(fù)雜么？需要很長時(shí)間么？很多文字都介紹過各種的方法，但實(shí)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(dǎo)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(jìn)行分詞，并對分詞的結(jié)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(shí)現(xiàn)需要借助百度飛槳的深度學(xué)習(xí)工具paddlepaddle，我們需要安裝兩個模塊就可以很快的實(shí)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(shí)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(shí)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(nèi)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(zhǔn)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(jié)果
for result in results:
    print(result)

識別的結(jié)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(xì)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(chǎn)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(xiàng)目下會生成detection_result文件夾，識別結(jié)果都會在里面。

六、簡易信息轟炸

Python控制輸入設(shè)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(dá)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(biāo)：

from pynput import mouse
# 創(chuàng)建一個鼠標(biāo)
m_mouse = mouse.Controller()
# 輸出鼠標(biāo)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(biāo)，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(biāo)
m_keyboard = keyboard.Controller()  # 創(chuàng)建一個鍵盤
m_mouse.position = (850, 670)       # 將鼠標(biāo)移動到指定位置
m_mouse.click(mouse.Button.left) # 點(diǎn)擊鼠標(biāo)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(shí)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(zhǔn)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(shù)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(shù)字：))
    if guess == num:
        print(恭喜，你猜對了！)
    elif guess < num:
        print(你猜的數(shù)小了...)
    else:
        print(你猜的數(shù)大了...)
print(你總共猜了%d %i + 次）

感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享的“Python代碼實(shí)現(xiàn)各種酷炫功能的示例分析”這篇文章對大家有幫助，同時(shí)也希望大家多多支持億速云，關(guān)注億速云行業(yè)資訊頻道，更多相關(guān)知識等著你來學(xué)習(xí)!