10行Python代码能做出哪些酷炫的事情？

Bertha 。 2024-02-05 14:06 112阅读 0赞

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。

### **一、生成二维码** ###

二维码又称二维条码，常见的二维码为QR Code，QR全称Quick Response，是一个近几年来移动设备上超流行的一种编码方式，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 qrcode

安装完成后我们就可以开始写代码了：

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()

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：

我们先安装MyQR模块

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()

另外MyQR还支持动态图片。

### **二、生成词云** ###

词云又叫文字云，是对文本数据中出现频率较高的“关键词”在视觉上的突出呈现，形成关键词的渲染形成类似云一样的彩色图片，从而一眼就可以领略文本数据的主要表达意思。

但是作为一个老码农，还是喜欢自己用代码生成自己的词云，复杂么？需要很长时间么？很多文字都介绍过各种的方法，但实际上只需要10行python代码即可。

先安装必要库

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，生成的一个词云是这样的：

读一下这10行代码：

*  1～3 行，分别导入了画图的库matplotlib，词云生成库wordcloud 和 jieba的分词库；
 *  4 行，是读取本地的文件,代码中使用的文本是本公众号中的《老曹眼中研发管理二三事》。
 *  5～6 行，使用jieba进行分词，并对分词的结果以空格隔开；
 *  7行，对分词后的文本生成词云；
 *  8～10行，用pyplot展示词云图。

这是我喜欢python的一个原因吧，简洁明快。

### **三、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

接下来我们只需要5行代码就能实现批量抠图：

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

### **四、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。

### **五、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。

### **六、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 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

我承认，这个超过了10行代码，而且也不高端。

### **七、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 pytesseract
    from PIL import Image
    img = 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。

### **八、简单的小游戏** ###

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

#### **更多精彩教程欢迎B站搜索“千锋教育”**  ####

千锋教育Python全套视频教程，轻松掌握Excel、Word、PPT、邮件、爬虫、office办公自动化（宋如宁主讲）