10行Python程式碼就能實現的八種有趣功能詳解

2022-03-03 16:00:16

Python憑藉其簡潔的程式碼，贏得了許多開發者的喜愛。因此也就促使了更多開發者用Python開發新的模組，從而形成良性迴圈，Python可以憑藉更加簡短的程式碼實現許多有趣的操作。下面我們來看看，我們用不超過10行程式碼能實現些什麼有趣的功能。

一、生成二維條碼

二維條碼又稱二維條碼，常見的二維條碼為QR Code，QR全稱Quick Response，是一個近幾年來移動裝置上超流行的一種編碼方式，而生成一個二維條碼也非常簡單，在Python中我們可以通過MyQR模組了生成二維條碼，而生成一個二維條碼我們只需要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(輸入文字或URL：)  
# 設定URL必須新增http://
img =qrcode.make(text)
img.save()                            
#儲存圖片至本地目錄，可以設定路徑
img.show()

我們執行程式碼後會在專案下生成一張二維條碼。當然我們還可以豐富二維條碼：

我們先安裝MyQR模組

pip install  myqr

def gakki_code():
    version, level, qr_name = myqr.run(
        words=https://520mg.com/it/#/main/2,  
        # 可以是字串，也可以是網址(前面要加http(s)://)
        version=1,  # 設定容錯率為最高
        level='H',  
        # 控制糾錯水平，範圍是L、M、Q、H，從左到右依次升高
        picture=gakki.gif,  
        # 將二維條碼和圖片合成
        colorized=True,  # 彩色二維條碼
        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。預設為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,  
        # 儲存檔案的名字，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字資料的主要表達意思。

但是作為一個老碼農，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行程式碼：

1～3 行，分別匯入了畫圖的庫matplotlib，詞雲生成庫wordcloud 和 jieba的分詞庫；

4 行，是讀取原生的檔案,程式碼中使用的文字是本公眾號中的《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，對分詞後的文字生成詞雲；

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

摳圖的實現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現批次摳圖了，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

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')        # 載入模型
path = 'D:/CodeField/Workplace/PythonWorkplace/GrapImage/'    # 檔案目錄
files = [path + i for i in os.listdir(path)]    # 獲取檔案列表
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')        # 載入模型
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欄位包含了情緒資訊。

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，然後就開始寫程式碼：

import paddlehub as hub
# 載入模型
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)

執行上述程式後，專案下會生成detection_result資料夾，識別結果都會在裡面，識別效果如下：

六、簡易資訊轟炸

Python控制輸入裝置的方式有很多種，我們可以通過win32或者pynput模組。我們可以通過簡單的迴圈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獲取輸入框的座標：

from pynput import mouse
# 建立一個滑鼠
m_mouse = mouse.Controller()
# 輸出滑鼠位置
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()    # 建立一個滑鼠
m_keyboard = keyboard.Controller()  # 建立一個鍵盤
m_mouse.position = (850, 670)       # 將滑鼠移動到指定位置
m_mouse.click(mouse.Button.left) # 點選滑鼠左鍵
while(True):
    m_keyboard.type('你好')        # 打字
    m_keyboard.press(keyboard.Key.enter)    # 按下enter
    m_keyboard.release(keyboard.Key.enter)    # 鬆開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。使用前QQ給小號發資訊效果如下：

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，但是前期下載檔案、設定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就是識別出來的文字。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數位猜謎遊戲！)
num = random.randint(1,100)
guess =guess

i = 0
while guess != num:
    i += 1
    guess = int(input(請輸入你猜的數位：))

    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）

猜數小案例當著練練手

以上就是10行Python程式碼就能實現的八種有趣功能詳解的詳細內容，更多關於Python的資料請關注it145.com其它相關文章！