Heim > Artikel > Backend-Entwicklung > Welche coolen Dinge kann man mit zehn Zeilen Python-Code machen?
Werfen wir einen Blick darauf, welche interessanten Funktionen wir mit nicht mehr als 10 Codezeilen erreichen können.
Der gebräuchliche QR-Code ist QR-Code. Es handelt sich um einen Code In den letzten Jahren wurde eine sehr beliebte Codierungsmethode auf Mobilgeräten entwickelt. In Python können wir einen QR-Code über das MyQR-Modul generieren Code. Wir installieren zuerst das MyQR-Modul und wählen hier den inländischen Quelldownload aus:
pip install qrcode
Nachdem die Installation abgeschlossen ist, können wir mit dem Schreiben des Codes beginnen:
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()
#🎜 🎜#Nachdem wir den Code ausgeführt haben, wird unter dem Projekt ein QR-Code generiert. Natürlich können wir auch den QR-Code anreichern: Wir installieren zunächst das MyQR-Modul
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()
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()
Lesen Sie diese 10 Codezeilen:
Die Zeilen 1 bis 3 importieren jeweils die Zeichnungsbibliothek matplotlib. Wortwolken-Generierungsbibliothek Wordcloud und Jiebas Wortsegmentierungsbibliothek;
Die Implementierung des Ausschnitts erfordert die Hilfe des Deep-Learning-Tools Paddlepaddle. Wir müssen zwei Module installieren, um den Ausschnitt schnell zu implementieren Das erste ist PaddlePaddle:
python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simpleDas andere ist die Paddlehub-Modellbibliothek:
pip install -i https://mirror.baidu.com/pypi/simple paddlehub#🎜🎜 ##🎜🎜 # Als nächstes benötigen wir nur noch 5 Zeilen Code, um den Batch-Ausschnitt zu realisieren:
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
4. Text-Emotionserkennung
#🎜 🎜#Vor PaddlePaddle ist auch die Verarbeitung natürlicher Sprache sehr einfach geworden. Um die Text-Emotionserkennung zu realisieren, müssen wir auch PaddlePaddle und Paddlehub installieren. Informationen zur spezifischen Installation finden Sie in Teil 3. Dann kommt unser Codeteil:
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)
Das Ergebnis der Erkennung ist eine Wörterbuchliste:
{'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}
Das Feld sentiment_key enthält Stimmungsinformationen. Für eine detaillierte Analyse siehe Python-Verarbeitung in natürlicher Sprache erfordert nur 5 Zeilen Code.
5. Identifizieren Sie, ob Sie eine Maske tragenHier verwenden wir auch PaddlePaddle-Produkte. Wir befolgen die oben genannten Schritte, um PaddlePaddle und Paddlehub zu installieren, und beginnen dann Code schreiben:Paddelhub als Hub importieren# Modellmodul laden = hub.Module(name='pyramidbox_lite_mobile_mask')# Bildliste image_list = ['face.jpg']# Bildwörterbuch abrufen input_dict = {' image' :image_list}# Erkennen Sie, ob Sie eine Maske tragen module.face_detection(data=input_dict)
Nach der Ausführung des obigen Programms wird der Ordner „Detection_Result“ unter dem Projekt generiert und die Erkennungsergebnisse werden angezeigt darin sein. 6. Einfache Informationsbombardierung Es gibt viele Möglichkeiten, Eingabegeräte in Python zu steuern. Wir können Win32- oder Pynput-Module verwenden. Wir können den Effekt der Informationsbombardierung durch einfache Schleifenoperationen erzielen. Am Beispiel von Pynput müssen wir zuerst das Modul installieren:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ pynput
Wir müssen das Eingabefeld vor dem Schreiben manuell abrufen Code-Koordinaten:
from pynput import mouse # 创建一个鼠标 m_mouse = mouse.Controller() # 输出鼠标位置 print(m_mouse.position)
Es gibt vielleicht einen effizienteren Weg, aber ich weiß nicht wie.
Nachdem wir es erhalten haben, können wir die Koordinaten aufzeichnen und das Nachrichtenfenster nicht verschieben. Dann führen wir den folgenden Code aus und schalten das Fenster auf die Nachrichtenseite um: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Ich gebe zu, das sind mehr als 10 Zeilen Code und es ist kein High-End. 7. Text in Bildern identifizieren Wir können Tesseract verwenden, um Text in Bildern zu identifizieren, aber laden Sie die Datei herunter In der frühen Phase ist das Konfigurieren von Umgebungsvariablen usw. etwas umständlich, daher zeigt dieser Artikel nur den Code:
import pytesseract from PIL import Image img = Image.open('text.jpg') text = pytesseract.image_to_string(img) print(text)wobei Text der erkannte Text ist. Wenn Sie mit der Genauigkeit nicht zufrieden sind, können Sie auch die universelle Textschnittstelle von Baidu nutzen.
从一些小例子入门感觉效率很高。
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)
猜数小案例当着练练手
Das obige ist der detaillierte Inhalt vonWelche coolen Dinge kann man mit zehn Zeilen Python-Code machen?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!