国产女人18毛片水真多14,99热999,男人添女人阴道视频,juliaann艳妇吞精,美女骚逼久久久久久久久久久久,亚洲激情视频,亚洲a在线视频,尻逼久久

大家好，我是菜鳥哥

Python憑借其簡潔的代碼，贏得了許多開發(fā)者的喜愛。因此也就促使了更多開發(fā)者用Python開發(fā)新的模塊，從而形成良性循環(huán)，Python可以憑借更加簡短的代碼實現許多有趣的操作。下面我們來看看，我們用不超過10行代碼能實現些什么有趣的功能。

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全稱Quick Response，是一個近幾年來移動設備上超流行的一種編碼方式，而生成一個二維碼也非常簡單，在Python中我們可以通過MyQR模塊了生成二維碼，而生成一個二維碼我們只需要2行代碼，我們先安裝MyQR模塊，這里選用國內的源下載：

pip?install?qrcode?

安裝完成后我們就可以開始寫代碼了：

import?qrcode

text?=?input(輸入文字或URL：)??
#?設置URL必須添加http://
img?=qrcode.make(text)
img.save()????????????????????????????
#保存圖片至本地目錄，可以設定路徑
img.show()

我們執(zhí)行代碼后會在項目下生成一張二維碼。當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，也可以是網址(前面要加http(s)://)
????????version=1,??#?設置容錯率為最高
????????level='H',??
????????#?控制糾錯水平，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,?
?????????#?用以調節(jié)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。默認為1.0
????????brightness=1.0,??
????????#?用來調節(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：

2019011009133846.gif

另外MyQR還支持動態(tài)圖片。

二、生成詞云

詞云又叫文字云，是對文本數據中出現頻率較高的“關鍵詞”在視覺上的突出呈現，形成關鍵詞的渲染形成類似云一樣的彩色圖片，從而一眼就可以領略文本數據的主要表達意思。

但是作為一個老碼農，還是喜歡自己用代碼生成自己的詞云，復雜么？需要很長時間么？很多文字都介紹過各種的方法，但實際上只需要10行python代碼即可。

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，生成的一個詞云是這樣的：

讀一下這10行代碼：

1～3 行，分別導入了畫圖的庫matplotlib，詞云生成庫wordcloud 和 jieba的分詞庫；

4 行，是讀取本地的文件,代碼中使用的文本是本公眾號中的《老曹眼中研發(fā)管理二三事》。

5～6 行，使用jieba進行分詞，并對分詞的結果以空格隔開；

7行，對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的一個原因吧，簡潔明快。

三、批量摳圖

摳圖的實現需要借助百度飛槳的深度學習工具paddlepaddle，我們需要安裝兩個模塊就可以很快的實現批量摳圖了，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行代碼就能實現批量摳圖：

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?=?[????#?準備要識別的語句
????'你真美',?'你真丑',?'我好難過',?'我不開心',?'這個游戲好好玩',?'什么垃圾游戲',
]
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':?'你真丑',?'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

這里同樣是使用PaddlePaddle的產品，我們按照上面步驟安裝好PaddlePaddle和Paddlehub，然后就開始寫代碼：

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}
#?檢測是否帶了口罩
module.face_detection(data=input_dict)

執(zhí)行上述程序后，項目下會生成detection_result文件夾，識別結果都會在里面，識別效果如下：

六、簡易信息轟炸

Python控制輸入設備的方式有很多種，我們可以通過win32或者pynput模塊。我們可以通過簡單的循環(huán)操作來達到信息轟炸的效果，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

在寫代碼之前我們需要手動獲取輸入框的坐標：

from?pynput?import?mouse
#?創(chuàng)建一個鼠標
m_mouse?=?mouse.Controller()
#?輸出鼠標位置
print(m_mouse.position)

可能有更高效的方法，但是我不會。

獲取后我們就可以記錄這個坐標，消息窗口不要移動。然后我們執(zhí)行下列代碼并將窗口切換至消息頁面：

import?time
from?pynput?import?mouse,?keyboard
time.sleep(5)
m_mouse?=?mouse.Controller()????#?創(chuàng)建一個鼠標
m_keyboard?=?keyboard.Controller()??#?創(chuàng)建一個鍵盤
m_mouse.position?=?(850,?670)???????#?將鼠標移動到指定位置
m_mouse.click(mouse.Button.left)?#?點擊鼠標左鍵
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enter
????time.sleep(0.5)????#?等待?0.5秒

我承認，這個超過了10行代碼，而且也不高端。使用前QQ給小號發(fā)信息效果如下：

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就是識別出來的文本。如果對準確率不滿意的話，還可以使用百度的通用文字接口。

八、簡單的小游戲

從一些小例子入門感覺效率很高。

import?random
print(1-100數字猜謎游戲！)
num?=?random.randint(1,100)
guess?=guess

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

????if?guess?==?num:
????????print(恭喜，你猜對了！)
????elif?guess?????????print(你猜的數小了...)
????else:
????????print(你猜的數大了...)

print(你總共猜了%d?%i?+?次）