10行Python代碼就能實現的八種有趣功能詳解

Python憑借其簡潔的代碼,贏得瞭許多開發者的喜愛。因此也就促使瞭更多開發者用Python開發新的模塊,從而形成良性循環,Python可以憑借更加簡短的代碼實現許多有趣的操作。下面我們來看看,我們用不超過10行代碼能實現些什麼有趣的功能。

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模塊瞭生成二維碼,而生成一個二維碼我們隻需要2行代碼,我們先安裝MyQR模塊,這裡選用國內的源下載:

pip install qrcode 

安裝完成後我們就可以開始寫代碼瞭:

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()

我們執行代碼後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,  
        # 用來調節圖片的亮度,其餘用法和取值同上
        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()

效果圖如下:

另外MyQR還支持動態圖片。

二、生成詞雲

詞雲又叫文字雲,是對文本數據中出現頻率較高的“關鍵詞”在視覺上的突出呈現,形成關鍵詞的渲染形成類似雲一樣的彩色圖片,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雲,復雜麼?需要很長時間麼?很多文字都介紹過各種的方法,但實際上隻需要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/hecom/23tips.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,生成的一個詞雲是這樣的:

讀一下這10行代碼:

1~3 行,分別導入瞭畫圖的庫matplotlib,詞雲生成庫wordcloud 和 jieba的分詞庫;

4 行,是讀取本地的文件,代碼中使用的文本是本公眾號中的《老曹眼中研發管理二三事》。

5~6 行,使用jieba進行分詞,並對分詞的結果以空格隔開;

7行,對分詞後的文本生成詞雲;

8~10行,用pyplot展示詞雲圖。

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批量摳圖瞭,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

更詳細的安裝事項可以參見飛槳官網:https://www.paddlepaddle.org.cn/

接下來我們隻需要5行代碼就能實現批量摳圖:

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

摳圖效果如下:

其中左邊為原圖,右邊為摳圖後填充黃色背景圖。

四、文字情緒識別

在paddlepaddle面前,自然語言處理也變得非常簡單。實現文字情緒識別我們同樣需要安裝PaddlePaddle和Paddlehub,具體安裝參見中內容。然後就是我們的代碼部分瞭:

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', '你真醜', '我好難過', '我不開心', '這個遊戲好好玩', '什麼垃圾遊戲',
]
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': '你真醜', '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': '這個遊戲好好玩', 'sentiment_label': 1, 'sentiment_key': 'positive', 'positive_probs': 0.9933, 'negative_probs': 0.0067}
{'text': '什麼垃圾遊戲', 'sentiment_label': 0, 'sentiment_key': 'negative', 'positive_probs': 0.0108, 'negative_probs': 0.9892}

其中sentiment_key字段包含瞭情緒信息。

五、識別是否帶瞭口罩

這裡同樣是使用PaddlePaddle的產品,我們按照上面步驟安裝好PaddlePaddle和Paddlehub,然後就開始寫代碼:

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}
# 檢測是否帶瞭口罩
module.face_detection(data=input_dict)

執行上述程序後,項目下會生成detection_result文件夾,識別結果都會在裡面,識別效果如下:

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操作來達到信息轟炸的效果,這裡以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。

獲取後我們就可以記錄這個坐標,消息窗口不要移動。然後我們執行下列代碼並將窗口切換至消息頁面:

import time
from pynput import mouse, keyboard
time.sleep(5)
m_mouse = mouse.Controller()    # 創建一個鼠標
m_keyboard = keyboard.Controller()  # 創建一個鍵盤
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

我承認,這個超過瞭10行代碼,而且也不高端。使用前QQ給小號發信息效果如下:

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中實現起來非常簡單,但是前期下載文件、配置環境變量等稍微有些繁瑣,所以本文隻展示代碼:

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、簡單的小遊戲

從一些小例子入門感覺效率很高。

import random
print(1-100數字猜謎遊戲!)
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,你猜對瞭!)
    elif guess < num:
        print(你猜的數小瞭...)
    else:
        print(你猜的數大瞭...)

print(你總共猜瞭%d %i + 次)

猜數小案例當著練練手 

以上就是10行Python代碼就能實現的八種有趣功能詳解的詳細內容,更多關於Python的資料請關註WalkonNet其它相關文章!

推薦閱讀: