十行 Python 程式碼實現酷炫功能

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全名為Quick Response，是一個近幾年來在行動裝置上超流行的一種編碼方式，而產生一個二維碼也非常簡單，在Python中我們可以透過MyQR模組了產生二維碼，而產生一個二維碼我們只需要2行程式碼，我們先安裝MyQR模組，這裡選用國內的來源下載：

pip install qrcode

安裝完成後我們就可以開始寫程式碼了：

import qrcode
text = input(输入文字或URL：)
# 设置URL必须添加http://
img =qrcode.make(text)
img.save()
#保存图片至本地目录，可以设定路径
img.show()

我們執行程式碼後會在專案下產生一張二維碼。當然我們還可以豐富二維碼：

我們先安裝MyQR模組

pip installmyqr
def gakki_code():
version, level, qr_name = myqr.run(
words=https://520mg.com/it/#/main/2,
# 可以是字符串，也可以是网址(前面要加http(s)://)
version=1,# 设置容错率为最高
level='H',
# 控制纠错水平，范围是L、M、Q、H，从左到右依次升高
picture=gakki.gif,
# 将二维码和图片合成
colorized=True,# 彩色二维码
contrast=1.0,
 # 用以调节图片的对比度，1.0 表示原始图片，更小的值表示更低对比度，更大反之。默认为1.0
brightness=1.0,
# 用来调节图片的亮度，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還支援動態圖片。

二、生成詞雲

詞雲又叫文字雲，是對文字資料中出現頻率較高的「關鍵字」在視覺上的突出呈現，形成關鍵字的渲染形成類似雲的彩色圖片，以便一眼就可以領略文字資料的主要表達意思。

但是身為一個老碼農，還是喜歡自己用程式碼生成自己的詞雲，複雜麼？需要很長時間麼？很多文字都介紹過各種的方法，但實際上只需要10行python程式碼即可。

先安裝必要函式庫

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，產生的一個詞雲是這樣的：

讀這10行程式碼：

• 1～3 行，分別導入了畫圖的庫matplotlib，詞雲生成庫wordcloud 和jieba的分詞庫；
• 4 行，是讀取本地的文件
• 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、批次摳圖

摳圖的實作需要藉助百度飛槳的深度學習工具paddlepaddle，我們需要安裝兩個模組就可以很快的實作批次摳圖了，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行程式碼就能實現批次摳圖：

import os, paddlehub as hub
humanseg = hub.Module(name='deeplabv3p_xception65_humanseg')# 加载模型
path = 'D:/CodeField/Workplace/PythonWorkplace/GrapImage/'# 文件目录
files = [path + i for i in os.listdir(path)]# 获取文件列表
results = humanseg.segmentation(data={'image':files})# 抠图

四、文字情緒辨識

在paddlepaddle面前，自然語言處理也變得非常簡單。實現文字情緒辨識我們同樣需要安裝PaddlePaddle和Paddlehub，具體安裝請參考三中內容。然後就是我們的程式碼部分了：

import paddlehub as hub
senta = hub.Module(name='senta_lstm')# 加载模型
sentence = [# 准备要识别的语句
'你真美', '你真丑', '我好难过', '我不开心', '这个游戏好好玩', '什么垃圾游戏',
]
results = senta.sentiment_classify(data={text:sentence})# 情绪识别
# 输出识别结果
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': '我好难过', 'sentiment_label': 1, 'sentiment_key': 'positive', 'positive_probs': 0.5324, 'negative_probs': 0.4676}
{'text': '我不开心', 'sentiment_label': 0, 'sentiment_key': 'negative', 'positive_probs': 0.1936, 'negative_probs': 0.8064}
{'text': '这个游戏好好玩', 'sentiment_label': 1, 'sentiment_key': 'positive', 'positive_probs': 0.9933, 'negative_probs': 0.0067}
{'text': '什么垃圾游戏', 'sentiment_label': 0, 'sentiment_key': 'negative', 'positive_probs': 0.0108, 'negative_probs': 0.9892}

###其中sentiment_key欄位包含了情緒訊息，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
# 加载模型
module = hub.Module(name='pyramidbox_lite_mobile_mask')
# 图片列表
image_list = ['face.jpg']
# 获取图片字典
input_dict = {'image':image_list}
# 检测是否带了口罩
module.face_detection(data=input_dict)

###執行上述程式後，專案下會產生detection_result資料夾，識別結果都會在裡面。 ######六、簡易訊息轟炸######Python控制輸入裝置的方式有很多種，我們可以透過win32或pynput模組。我們可以透過簡單的循環操作來達到資訊轟炸的效果，這裡以pynput為例，我們需要先安裝模組：###

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ pynput

###在寫程式碼之前我們需要手動取得輸入框的座標：###

from pynput import mouse
# 创建一个鼠标
m_mouse = mouse.Controller()
# 输出鼠标位置
print(m_mouse.position)

###可能有更有效率的方法，但是我不會。 ######取得後我們就可以記錄這個座標，訊息視窗不要移動。然後我們執行下列程式碼並將視窗切換至訊息頁面：###

import time
from pynput import mouse, keyboard
time.sleep(5)
m_mouse = mouse.Controller()# 创建一个鼠标
m_keyboard = keyboard.Controller()# 创建一个键盘
m_mouse.position = (850, 670) # 将鼠标移动到指定位置
m_mouse.click(mouse.Button.left) # 点击鼠标左键
while(True):
m_keyboard.type('你好')# 打字
m_keyboard.press(keyboard.Key.enter)# 按下enter
m_keyboard.release(keyboard.Key.enter)# 松开enter
time.sleep(0.5)# 等待 0.5秒

###我承認，這個超過了10行程式碼，而且也不高階。 ######七、識別圖片中的文字######我們可以透過Tesseract來識別圖片中的文字，在Python中實現起來非常簡單，但是前期下載檔案、配置環境變數等稍微有些繁瑣，所以本文只展示程式碼：###

import pytesseract
from PIL import Image
img = Image.open('text.jpg')
text = pytesseract.image_to_string(img)
print(text)

###其中text就是辨識出來的文字。如果對準確率不滿意的話，還可以使用百度的通用文字介面。 ######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数字猜谜游戏！)
num = random.randint(1,100)
guess =guess
i = 0
while guess != num:
i += 1
guess = int(input(请输入你猜的数字：))
if guess == num:
print(恭喜，你猜对了！)
elif guess < num:
print(你猜的数小了...)
else:
print(你猜的数大了...)
print(你总共猜了%d %i + 次）

###猜數小案例當著練練手###

以上是十行 Python 程式碼實現酷炫功能的詳細內容。更多資訊請關注PHP中文網其他相關文章！