不到10行Python代碼竟能實現(xiàn)這些騷操作
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(xiàn)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(xiàn)些什么有趣的功能。
一、生成二維碼
二維碼作為一種信息傳遞的工具，在當今社會發(fā)揮了重要作用。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(nèi)的源下載：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ myqr安裝完成后我們就可以開始寫代碼了：
from MyQR import myqr # 注意大小寫myqr.run(words='http://www.baidu.com') # 如果為網(wǎng)站則會自動跳轉，文本直接顯示，不支持中文
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：
from MyQR import myqrmyqr.run(words='http://www.baidu.com', # 包含信息picture='lbxx.jpg', # 背景圖片colorized=True, # 是否有顏色，如果為False則為黑白save_name='code.png' # 輸出文件名)
效果圖如下：另外MyQR還支持動態(tài)圖片。
二、生成詞云
詞云是數(shù)據(jù)可視化的一種非常優(yōu)美的方式，我們通過詞云可以很直觀的看出一些詞語出現(xiàn)的頻率高低。使用Python我們可以通過wordcloud模塊生成詞云，我們先安裝wordcloud模塊：
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ wordcloud然后我們就可以寫代碼了：
from wordcloud import WordCloudwc = WordCloud() # 創(chuàng)建詞云對象wc.generate('Do not go gentle into that good night') # 生成詞云wc.to_file('wc.png') # 保存詞云
執(zhí)行代碼后生成如下詞云：
當然這只是最簡單的詞云，詞云更詳細的操作可以參見WordCloud生成卡卡西忍術詞云[1]。
三、批量摳圖
摳圖的實現(xiàn)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(xiàn)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(wǎng)：https://www.paddlepaddle.org.cn/
接下來我們只需要5行代碼就能實現(xiàn)批量摳圖：
import os, paddlehub as hubhumanseg = 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(xiàn)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(nèi)容。然后就是我們的代碼部分了：
import paddlehub as hubsenta = 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[2]。
五、識別是否帶了口罩
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 timefrom pynput import mouse, keyboardtime.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enterm_keyboard.release(keyboard.Key.enter) # 松開entertime.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(xiàn)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 pytesseractfrom PIL import Imageimg = 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、繪制函數(shù)圖像
圖標是數(shù)據(jù)可視化的重要工具，在Python中matplotlib在數(shù)據(jù)可視化中發(fā)揮重要作用，下面我們來看看使用matplotlib如何繪制一個函數(shù)圖像：
import numpy as npfrom matplotlib import pyplot as pltx = np.arange(1,11) # x軸數(shù)據(jù)y = x * x + 5 # 函數(shù)關系plt.title("y=x*x+5") # 圖像標題plt.xlabel("x") # x軸標簽plt.ylabel("y") # y軸標簽plt.plot(x,y) # 生成圖像plt.show() # 顯示圖像
生成圖像如下：
九、人工智能
下面給大家介紹的是獨家的AI人工智能，一般不外傳的。這個人工智能可以回答許多問題，當然人工智能現(xiàn)在還在發(fā)展階段，想要理解人類的語言還差很多。廢話不多說，下面來看看我們的人工智能Fdj：
while(True):question = input()answer = question.replace('嗎', '呢')answer = answer.replace('？', '！')print(answer)
下面我們來看看簡單的測試：
你好嗎？我好呢！你吃飯了嗎？我吃飯了呢！你要睡了嗎？我要睡了呢！
看來我們“小復”還是比較智能的。
References
[1]?WordCloud生成卡卡西忍術詞云:?https://blog.csdn.net/ZackSock/article/details/103517841[2]?Python自然語言處理只需要5行代碼:?https://blog.csdn.net/ZackSock/article/details/105057106
往期精選（?猛戳可查看）
Python隨機森林預測實戰(zhàn)
爬蟲學習路線總結
? 還想了解更多干貨？
?關注早起Python，查看更多精彩文章↓
Python隨機森林預測實戰(zhàn)
爬蟲學習路線總結
? 還想了解更多干貨？
?關注早起Python，查看更多精彩文章↓
覺得這篇文章還不錯？點亮「在看」鼓勵一下早起！
覺得這篇文章還不錯？點亮「在看」鼓勵一下早起！
- THE END
