作者 | ZackSock

来源 | CSDN博客

Python凭借其简洁的代码,赢得了许多开发者的喜爱。因此也就促使了更多开发者用Python开发新的模块,从而形成良性循环,Python可以凭借更加简短的代码实现许多有趣的操作。下面我们来看看,我们用不超过10行代码能实现些什么有趣的功能。


生成二维码

二维码作为一种信息传递的工具,在当今社会发挥了重要作用。而生成一个二维码也非常简单,在Python中我们可以通过MyQR模块了生成二维码,而生成一个二维码我们只需要2行代码,我们先安装MyQR模块,这里选用国内的源下载:

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

安装完成后我们就可以开始写代码了:

from MyQR import myqr    # 注意大小写myqr.run(words='http://www.baidu.com')    # 如果为网站则会自动跳转,文本直接显示,不支持中文

我们执行代码后会在项目下生成一张二维码。当然我们还可以丰富二维码:

from MyQR import myqrmyqr.run(    words='http://www.baidu.com',    # 包含信息    picture='lbxx.jpg',            # 背景图片    colorized=True,            # 是否有颜色,如果为False则为黑白    save_name='code.png'    # 输出文件名)

效果图如下:

另外MyQR还支持动态图片。


生成词云

词云是数据可视化的一种非常优美的方式,我们通过词云可以很直观的看出一些词语出现的频率高低。使用Python我们可以通过wordcloud模块生成词云,我们先安装wordcloud模块:

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

然后我们就可以写代码了:

from wordcloud import WordCloudwc = WordCloud()    # 创建词云对象wc.generate('Do not go gentle into that good night')    # 生成词云wc.to_file('wc.png')    # 保存词云

执行代码后生成如下词云:

当然这只是最简单的词云,词云更详细的操作可以参见WordCloud生成卡卡西忍术词云[1]。


批量抠图

抠图的实现需要借助百度飞桨的深度学习工具paddlepaddle,我们需要安装两个模块就可以很快的实现批量抠图了,第一个是PaddlePaddle:

python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple

还有一个是paddlehub模型库:

pip install -i https://mirror.baidu.com/pypi/simple paddlehub

更详细的安装事项可以参见飞桨官网:https://www.paddlepaddle.org.cn/

接下来我们只需要5行代码就能实现批量抠图:

import os, paddlehub as hubhumanseg = 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

抠图效果如下:

其中左边为原图,右边为抠图后填充黄色背景图。


文字情绪识别

在paddlepaddle面前,自然语言处理也变得非常简单。实现文字情绪识别我们同样需要安装PaddlePaddle和Paddlehub,具体安装参见三中内容。然后就是我们的代码部分了:

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)

识别的结果是一个字典列表:

{'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字段包含了情绪信息,详细分析可以参见Python自然语言处理只需要5行代码[2]。

识别是否带了口罩

这里同样是使用PaddlePaddle的产品,我们按照上面步骤安装好PaddlePaddle和Paddlehub,然后就开始写代码:

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)

执行上述程序后,项目下会生成detection_result文件夹,识别结果都会在里面,识别效果如下:


简易信息轰炸

Python控制输入设备的方式有很多种,我们可以通过win32或者pynput模块。我们可以通过简单的循环操作来达到信息轰炸的效果,这里以pynput为例,我们需要先安装模块:

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

在写代码之前我们需要手动获取输入框的坐标:

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

可能有更高效的方法,但是我不会。

获取后我们就可以记录这个坐标,消息窗口不要移动。然后我们执行下列代码并将窗口切换至消息页面:

import timefrom pynput import mouse, keyboardtime.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

我承认,这个超过了10行代码,而且也不高端。使用前QQ给小号发信息效果如下:


识别图片中的文字

我们可以通过Tesseract来识别图片中的文字,在Python中实现起来非常简单,但是前期下载文件、配置环境变量等稍微有些繁琐,所以本文只展示代码:

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

其中text就是识别出来的文本。如果对准确率不满意的话,还可以使用百度的通用文字接口。

绘制函数图像

图标是数据可视化的重要工具,在Python中matplotlib在数据可视化中发挥重要作用,下面我们来看看使用matplotlib如何绘制一个函数图像:

import numpy as np from matplotlib import pyplot as plt x = np.arange(1,11)     # x轴数据y =  x * x +  5         # 函数关系plt.title("y=x*x+5")     # 图像标题plt.xlabel("x")     # x轴标签plt.ylabel("y")     # y轴标签plt.plot(x,y)     # 生成图像plt.show()    # 显示图像

生成图像如下:


人工智能

下面给大家介绍的是独家的AI人工智能,一般不外传的。这个人工智能可以回答许多问题,当然人工智能现在还在发展阶段,想要理解人类的语言还差很多。废话不多说,下面来看看我们的人工智能Fdj:

while(True):    question = input()    answer = question.replace('吗', '呢')    answer = answer.replace('?', '!')    print(answer)

下面我们来看看简单的测试:

你好吗?我好呢!你吃饭了吗?我吃饭了呢!你要睡了吗?我要睡了呢!

看来我们“小复”还是比较智能的。

[1] WordCloud生成卡卡西忍术词云: https://blog.csdn.net/ZackSock/article/details/103517841
[2] Python自然语言处理只需要5行代码: https://blog.csdn.net/ZackSock/article/details/105057106

原文:https://blog.csdn.net/ZackSock/article/details/105193651