十行 Python 代碼能實(shí)現(xiàn)哪些有趣功能？
下面我們來(lái)看看，我們用不超過(guò)10行代碼能實(shí)現(xiàn)些什么有趣的功能。
一、生成二維碼
二維碼又稱(chēng)二維條碼，常見(jiàn)的二維碼為QR Code，QR全稱(chēng)Quick Response，是一個(gè)近幾年來(lái)移動(dòng)設(shè)備上超流行的一種編碼方式，而生成一個(gè)二維碼也非常簡(jiǎn)單，在Python中我們可以通過(guò)MyQR模塊了生成二維碼，而生成一個(gè)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(guó)內(nèi)的源下載：
pip install qrcode
安裝完成后我們就可以開(kāi)始寫(xiě)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(huì)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(cuò)率為最高
level='H',
# 控制糾錯(cuò)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(duì)比度，1.0 表示原始圖片，更小的值表示更低對(duì)比度，更大反之。默認(rèn)為1.0
brightness=1.0,
# 用來(lái)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()
效果圖如下：
另外MyQR還支持動(dòng)態(tài)圖片。
二、生成詞云
詞云又叫文字云，是對(duì)文本數(shù)據(jù)中出現(xiàn)頻率較高的“關(guān)鍵詞”在視覺(jué)上的突出呈現(xiàn)，形成關(guān)鍵詞的渲染形成類(lèi)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(gè)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(zhǎng)時(shí)間么？很多文字都介紹過(guò)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(kù)
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(gè)詞云是這樣的：
讀一下這10行代碼：
1～3 行，分別導(dǎo)入了畫(huà)圖的庫(kù)matplotlib，詞云生成庫(kù)wordcloud 和 jieba的分詞庫(kù)；
4 行，是讀取本地的文件,代碼中使用的文本是本公眾號(hào)中的《老曹眼中研發(fā)管理二三事》。
5～6 行，使用jieba進(jìn)行分詞，并對(duì)分詞的結(jié)果以空格隔開(kāi)；
7行，對(duì)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(gè)原因吧，簡(jiǎn)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(gè)模塊就可以很快的實(shí)現(xiàn)批量摳圖了，第一個(gè)是PaddlePaddle：
python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
還有一個(gè)是paddlehub模型庫(kù)：
pip install -i https://mirror.baidu.com/pypi/simple paddlehub
更詳細(xì)的安裝事項(xiàng)可以參見(jiàn)飛槳官網(wǎng)：https://www.paddlepaddle.org.cn/
接下來(lái)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
摳圖效果如下：
其中左邊為原圖，右邊為摳圖后填充黃色背景圖。
四、文字情緒識(shí)別
在paddlepaddle面前，自然語(yǔ)言處理也變得非常簡(jiǎn)單。實(shí)現(xiàn)文字情緒識(shí)別我們同樣需要安裝PaddlePaddle和Paddlehub，具體安裝參見(jiàn)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(shí)別的語(yǔ)句
'你真美', '你真丑', '我好難過(guò)', '我不開(kāi)心', '這個(gè)游戲好好玩', '什么垃圾游戲',
]
results = senta.sentiment_classify(data={text:sentence}) # 情緒識(shí)別
# 輸出識(shí)別結(jié)果
for result in results:
print(result)
識(shí)別的結(jié)果是一個(gè)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(guò)', 'sentiment_label': 1, 'sentiment_key': 'positive', 'positive_probs': 0.5324, 'negative_probs': 0.4676}
{'text': '我不開(kāi)心', 'sentiment_label': 0, 'sentiment_key': 'negative', 'positive_probs': 0.1936, 'negative_probs': 0.8064}
{'text': '這個(gè)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(jiàn)Python自然語(yǔ)言處理只需要5行代碼。
五、識(shí)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(kāi)始寫(xiě)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(cè)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(huì)生成detection_result文件夾，識(shí)別結(jié)果都會(huì)在里面，識(shí)別效果如下：
六、簡(jiǎn)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(guò)win32或者pynput模塊。我們可以通過(guò)簡(jiǎn)單的循環(huán)操作來(lái)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(xiě)代碼之前我們需要手動(dòng)獲取輸入框的坐標(biāo)：
from pynput import mouse
# 創(chuàng)建一個(gè)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(huì)。
獲取后我們就可以記錄這個(gè)坐標(biāo)，消息窗口不要移動(dòng)。然后我們執(zhí)行下列代碼并將窗口切換至消息頁(yè)面：
import time
from pynput import mouse, keyboard
time.sleep(5)
m_mouse = mouse.Controller() # 創(chuàng)建一個(gè)鼠標(biāo)
m_keyboard = keyboard.Controller() # 創(chuàng)建一個(gè)鍵盤(pán)
m_mouse.position = (850, 670) # 將鼠標(biāo)移動(dòng)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(kāi)enter
time.sleep(0.5) # 等待 0.5秒
我承認(rèn)，這個(gè)超過(guò)了10行代碼，而且也不高端。使用前QQ給小號(hào)發(fā)信息效果如下：
七、識(shí)別圖片中的文字
我們可以通過(guò)Tesseract來(lái)識(shí)別圖片中的文字，在Python中實(shí)現(xiàn)起來(lái)非常簡(jiǎn)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(shí)別出來(lái)的文本。如果對(duì)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(jiǎn)單的小游戲
從一些小例子入門(mén)感覺(jué)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(qǐng)輸入你猜的數(shù)字：))
if guess == num:
print(恭喜，你猜對(duì)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）
猜數(shù)小案例當(dāng)著練練手。
以上代碼，大家可以敲一下非常有趣，也很適合小白入手。
