1.生成二维码二维码也叫二维码。常见的二维码是QRCode。QR的全称是QuickResponse。一种编码方式，生成二维码也很简单。在Python中，我们可以通过MyQR模块生成一个二维码，我们只需要2行代码就可以生成一个二维码。我们先安装MyQR模块，这里选择国内源下载：pipinstallqrcode安装完成后，我们就可以开始写代码了：importqrcodetext=input(inputtextorURL:)#设置url必须加上http://img=qrcode.make(文本)img。save()#保存图片到本地目录，可以设置路径img.show()我们执行代码后，会在项目下生成一个二维码。当然我们也可以丰富二维码：我们先安装MyQR模块pipinstallmyqrdefgakki_code():version,level,qr_name=myqr.run(words=https://520mg.com/it/#/main/2、#可以是字符串也可以是URL（前面加http(s)://）version=1,#设置最高容错率level='H',#控制纠错级别，范围为L,M,Q,H,从左到右递增picture=gakki.gif,#结合二维码和图片colorized=True,#彩色二维码contrast=1.0,#用来调整图片的对比度，1.0表示原图，值越小代表对比度越低，值越大反之。默认1.0brightness=1.0，#用来调整图片的亮度，其他用法和取值同上save_name=gakki_code.gif，#保存文件的名称，格式可以是jpg，png,bmp,gifsave_dir=os.getcwd()#控制位置)gakki_code()另外MyQR也支持动态图片。2.生成词云词云，也称词云，是对文本数据中频繁出现的“关键词”进行视觉突出的呈现，关键词的渲染形成云状的彩色图片，让你一目了然一目了然了解文本数据的主要含义。但是作为一个老码农，我还是喜欢用代码生成自己的词云。复杂吗？会不会花很长时间？很多课文介绍了各种方法，但实际上只需要10行python代码。首先安装必要的库pipinstallwordcloudpipinstalljiebapiinstallmatplotlibimportmatplotlib.pyplotaspltfromwordcloudimportWordCloudimportjiebatext_from_file_with_apath=open('/Users/linuxmi/linuxmi.txt').read()wordlist_after_jieba=file_Truthap=jieba.cut(text_Truthap_from)wl_space_split=.join(wordlist_after_jieba)my_wordcloud=WordCloud().generate(wl_space_split)plt.imshow(my_wordcloud)plt.axis(off)plt.show()就这样，生成的词云是这样的：阅读10行代码：1~3行，分别导入绘图库matplotlib、词云生成库wordcloud和jieba分词库；4行，读取本地文件5到6行，使用jieba进行分词，分词结果之间用空格隔开；7行，词云由分词后的文本生成；8-10行，使用pyplot展示词云图。这也是我喜欢python的原因之一，简洁明了。3、批量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来快速实现批量抠图。第一个是PaddlePaddle：python-mpipinstallpaddlepaddle-ihttps://mirror.baidu.com/pypi/simple还有一个paddlehub模型库：pipinstall-ihttps://mirror.baidu.com/pypi/simplepaddlehub接下来我们只需要5行代码就可以实现批量抠图：importos,paddlehubashubhumanseg=hub.Module(name='deeplabv3p_xception65_humanseg')#loadmodelpath='D:/CodeField/Workplace/PythonWorkplace/GrapImage/'#文件目录files=[path+iforiinos.listdir(path)]#获取文件列表results=humanseg.segmentation(data={'image':files})#抠图4.文字情感识别在paddlepaddle面前，自然语言处理变得非常简单。要实现文字情感识别，我们还需要安装PaddlePaddle和Paddlehub。具体安装请参考第三部分内容。然后是我们的代码部分：importpaddlehubashubsenta=hub.Module(name='senta_lstm')#加载模型句子=[#准备要识别的句子'你真漂亮'，'你真丑'，'我好伤心','我不开心','这个游戏很好玩','什么垃圾游戏',]results=senta.sentiment_classify(data={text:sentence})#情感识别#输出recognitionresultsforresultinresults:print(result)识别结果是一个字典列表：{'text':'Youaresobeautiful','sentiment_label':1,'sentiment_key':'positive','positive_probs':0.9602,'negative_probs':0.0398}{'text':'你很丑','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':'这个游戏很好玩','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':'否定ative','positive_probs':0.0108,'negative_probs':0.9892}其中，sentiment_key字段包含情感信息。详细分析请参考PythonNaturalLanguageProcessing，仅需5行代码，我们按照上面的步骤安装好PaddlePaddle和Paddlehub，然后开始写代码：importpaddlehubashub#loadmodelmodule=hub.Module(name='pyramidbox_lite_mobile_mask')#图片列表image_list=['face.jpg']#获取图像字典input_dict={'image':image_list}#检测是否戴口罩module.face_detection(data=input_dict)执行以上程序后，项目下会生成一个detection_result文件夹，识别结果为在里面。6、简单的信??息轰炸用Python控制输入设备的方法有很多种，我们可以使用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。这里我们以pynput为例。我们需要先安装模块：pipinstall-ihttps://pypi.tuna.tsinghua.edu.cn/simple/pynput在写代码之前需要手动获取输入框的坐标：frompynputimportmouse#创建鼠标m_mouse=mouse.Controller()#输出鼠标位置print(m_mouse.position)可能有更高效的方法，但我不会。获取到之后，我们就可以记录下这个坐标，消息窗口是不动的。然后我们执行下面的代码，将窗口切换到消息页面：importtimefrompynputimportmouse,keyboardtime.sleep(5)m_mouse=mouse.Controller()#创建鼠标m_keyboard=keyboard.Controller()#创建键盘m_mouse.position=(850,670)#将鼠标移动到指定位置m_mouse.click(mouse.Button.left)#单击鼠标左键while(True):m_keyboard.type('Hello')#键入m_keyboard.press(keyboard.Key.enter)#Pressenterm_keyboard.release(keyboard.Key.enter)#Releaseentertime.sleep(0.5)#等待0.5秒我承认这超过了10行代码，而且不high-结尾。7.识别图片中的文字我们可以使用Tesseract来识别图片中的文字。用Python实现很简单，但是前期下载文件和配置环境变量有点麻烦，所以本文只展示代码：importpytesseractfromPILimportImageimg=Image.open('text.jpg')text=pytesseract.image_to_string(img)print(text)其中文本是识别的文本。如果对准确性不满意，也可以使用百度的通用文本界面。8.简单的小游戏一些小例子感觉上手效率很高。importrandomprint(1-100numberguessinggame!)num=random.randint(1,100)guess=guessi=0whileguess!=num:i+=1guess=int(input(pleaseenterthenumberyouguessed:))ifguess==num:print(恭喜你猜对了！)elifguess
