7個Python實戰(zhàn)項目代碼,讓你感受下大神是如何起飛的宾茂!

關(guān)于Python有一句名言:不要重復造輪子瓷马。

但是問題有三個:

1、你不知道已經(jīng)有哪些輪子已經(jīng)造好了跨晴,哪個適合你用欧聘。有名有姓的的著名輪子就400多個,更別說沒名沒姓自己在制造中的輪子端盆。

2怀骤、確實沒重復造輪子费封,但是在重復制造汽車。包括好多大神寫的好幾百行代碼蒋伦,為的是解決一個Excel本身就有的成熟功能弓摘。

3、很多人是用來抓圖痕届,數(shù)據(jù)韧献,抓點圖片、視頻爷抓、天氣預報自娛自樂一下势决,然后呢?抓到大數(shù)據(jù)以后做什么用呢蓝撇?比如某某啤酒賣的快果复,然后呢?比如某某電影票房多渤昌,然后呢虽抄?

我認為用Python應(yīng)該能分析出來,這個現(xiàn)實的世界屬于政治家独柑,商業(yè)精英迈窟,藝術(shù)家,農(nóng)民忌栅,而絕對不會屬于Python程序員车酣,縱使代碼再精彩也沒什么用。

以下是經(jīng)過Python3.6.4調(diào)試通過的代碼索绪,與大家分享:

抓取知乎圖片

聽兩個聊天機器人互相聊天(圖靈湖员、青云、小i)

AI分析唐詩的作者是李白還是杜

彩票隨機生成35選7

自動寫檢討書

屏幕錄相機

制作Gif動圖

1瑞驱、抓取知乎圖片娘摔,只用30行代碼:

import re

from selenium import webdriver

import time

import urllib.request

driver = webdriver.Chrome()

driver.maximize_window()

driver.get("https://www.zhihu.com/question/29134042")

i = 0

while i < 10:

driver.execute_script("window.scrollTo(0, document.body.scrollHeight);")

time.sleep(2)

try:

driver.find_element_by_css_selector('button.QuestionMainAction').click()

print("page" + str(i))

time.sleep(1)

except:

break

result_raw = driver.page_source

content_list = re.findall("img src="(.+?)" ", str(result_raw))

n = 0

while n < len(content_list):

i = time.time()

local = (r"%s.jpg" % (i))

urllib.request.urlretrieve(content_list[n], local)

print("編號:" + str(i))

n = n + 1

2、沒事閑的時候唤反,聽兩個聊天機器人互相聊天:

from time import sleep

import requests

s = input("請主人輸入話題:")

while True:

resp = requests.post("http://www.tuling123.com/openapi/api",data={"key":"4fede3c4384846b9a7d0456a5e1e2943", "info": s, })

resp = resp.json()

sleep(1)

print('小魚:', resp['text'])

s = resp['text']

resp = requests.get("http://api.qingyunke.com/api.php", {'key': 'free', 'appid': 0, 'msg': s})

resp.encoding = 'utf8'

resp = resp.json()

sleep(1)

print('菲菲:', resp['content'])

網(wǎng)上還有一個據(jù)說智商比較高的小i機器人凳寺,用爬蟲的功能來實現(xiàn)一下:

import urllib.request

import re

while True:

x = input("主人:")

x = urllib.parse.quote(x)

link = urllib.request.urlopen(

"http://nlp.xiaoi.com/robot/webrobot?&callback=__webrobot_processMsg&data=%7B%22sessionId%22%3A%22ff725c236e5245a3ac825b2dd88a7501%22%2C%22robotId%22%3A%22webbot%22%2C%22userId%22%3A%227cd29df3450745fbbdcf1a462e6c58e6%22%2C%22body%22%3A%7B%22content%22%3A%22" + x + "%22%7D%2C%22type%22%3A%22txt%22%7D")

html_doc = link.read().decode()

reply_list = re.findall(r'"content":"(.+?)\r\n"', html_doc)

print("小i:" + reply_list[-1])

3、分析唐詩的作者是李白還是杜甫:

import jieba

from nltk.classify import NaiveBayesClassifier

# 需要提前把李白的詩收集一下彤侍,放在libai.txt文本中肠缨。

text1 = open(r"libai.txt", "rb").read()

list1 = jieba.cut(text1)

result1 = " ".join(list1)

# 需要提前把杜甫的詩收集一下,放在dufu.txt文本中拥刻。

text2 = open(r"dufu.txt", "rb").read()

list2 = jieba.cut(text2)

result2 = " ".join(list2)

# 數(shù)據(jù)準備

libai = result1

dufu = result2

# 特征提取

def word_feats(words):

return dict([(word, True) for word in words])

libai_features = [(word_feats(lb), 'lb') for lb in libai]

dufu_features = [(word_feats(df), 'df') for df in dufu]

train_set = libai_features + dufu_features

# 訓練決策

classifier = NaiveBayesClassifier.train(train_set)

# 分析測試

sentence = input("請輸入一句你喜歡的詩:")

print("")

seg_list = jieba.cut(sentence)

result1 = " ".join(seg_list)

words = result1.split(" ")

# 統(tǒng)計結(jié)果

lb = 0

df = 0

for word in words:

classResult = classifier.classify(word_feats(word))

if classResult == 'lb':

lb = lb + 1

if classResult == 'df':

df = df + 1

# 呈現(xiàn)比例

x = float(str(float(lb) / len(words)))

y = float(str(float(df) / len(words)))

print('李白的可能性:%.2f%%' % (x * 100))

print('杜甫的可能性:%.2f%%' % (y * 100))

4怜瞒、彩票隨機生成35選7:

import random

temp = [i + 1 for i in range(35)]

random.shuffle(temp)

i = 0

list = []

while i < 7:

list.append(temp[i])

i = i + 1

list.sort()

print('?[0;31;;1m')

print(*list[0:6], end="")

print('?[0;34;;1m', end=" ")

print(list[-1])

5、自動寫檢討書:

import random

import xlrd

ExcelFile = xlrd.open_workbook(r'test.xlsx')

sheet = ExcelFile.sheet_by_name('Sheet1')

i = []

x = input("請輸入具體事件:")

y = int(input("老師要求的字數(shù):"))

while len(str(i)) < y * 1.2:

s = random.randint(1, 60)

rows = sheet.row_values(s)

i.append(*rows)

print(" "*8+"檢討書"+""+"老師:")

print("我不應(yīng)該" + str(x)+",", *i)

print("再次請老師原諒吴汪!")

以下是樣稿:

請輸入具體事件:抽煙

老師要求的字數(shù):200

檢討書

老師:

我不應(yīng)該抽煙惠窄, 學校一開學就三令五申,一再強調(diào)校規(guī)校紀漾橙,提醒學生不要違反校規(guī)杆融,可我卻沒有把學校和老師的話放在心上,沒有重視老師說的話霜运,沒有重視學校頒布的重要事項脾歇,當成了耳旁風,這些都是不應(yīng)該的淘捡。 同時也真誠地希望老師能繼續(xù)關(guān)心和支持我藕各,并卻對我的問題酌情處理。 無論在學習還是在別的方面我都會用校規(guī)來嚴格要求自己焦除,我會把握這次機會激况。 但事實證明,僅僅是熱情投入膘魄、刻苦努力乌逐、鉆研學業(yè)是不夠的,還要有清醒的政治頭腦创葡、大局意識和紀律觀念浙踢,否則就會在學習上迷失方向,使國家和學校受損失灿渴。

再次請老師原諒洛波!

6、屏幕錄相機骚露,抓屏軟件:

from time import sleep

from PIL import ImageGrab

m = int(input("請輸入想抓屏幾分鐘:"))

m = m * 60

n = 1

while n < m:

sleep(0.02)

im = ImageGrab.grab()

local = (r"%s.jpg" % (n))

im.save(local, 'jpeg')

n = n + 1

7奋岁、制作Gif動圖:

from PIL import Image

im = Image.open("1.jpg")

images = []

images.append(Image.open('2.jpg'))

images.append(Image.open('3.jpg'))

im.save('gif.gif', save_all=True, append_images=images, loop=1, duration=1, comment=b"aaabb")

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市荸百,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌滨攻,老刑警劉巖够话,帶你破解...
    沈念sama閱讀 206,602評論 6 481
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場離奇詭異光绕,居然都是意外死亡女嘲,警方通過查閱死者的電腦和手機,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,442評論 2 382
  • 文/潘曉璐 我一進店門诞帐,熙熙樓的掌柜王于貴愁眉苦臉地迎上來欣尼,“玉大人,你說我怎么就攤上這事°倒模” “怎么了钙态?”我有些...
    開封第一講書人閱讀 152,878評論 0 344
  • 文/不壞的土叔 我叫張陵,是天一觀的道長菇晃。 經(jīng)常有香客問我册倒,道長,這世上最難降的妖魔是什么磺送? 我笑而不...
    開封第一講書人閱讀 55,306評論 1 279
  • 正文 為了忘掉前任驻子,我火速辦了婚禮,結(jié)果婚禮上估灿,老公的妹妹穿的比我還像新娘崇呵。我一直安慰自己,他們只是感情好馅袁,可當我...
    茶點故事閱讀 64,330評論 5 373
  • 文/花漫 我一把揭開白布域慷。 她就那樣靜靜地躺著,像睡著了一般司顿。 火紅的嫁衣襯著肌膚如雪芒粹。 梳的紋絲不亂的頭發(fā)上,一...
    開封第一講書人閱讀 49,071評論 1 285
  • 那天大溜,我揣著相機與錄音化漆,去河邊找鬼。 笑死钦奋,一個胖子當著我的面吹牛座云,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播付材,決...
    沈念sama閱讀 38,382評論 3 400
  • 文/蒼蘭香墨 我猛地睜開眼朦拖,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了厌衔?” 一聲冷哼從身側(cè)響起璧帝,我...
    開封第一講書人閱讀 37,006評論 0 259
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎富寿,沒想到半個月后睬隶,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 43,512評論 1 300
  • 正文 獨居荒郊野嶺守林人離奇死亡页徐,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 35,965評論 2 325
  • 正文 我和宋清朗相戀三年苏潜,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片变勇。...
    茶點故事閱讀 38,094評論 1 333
  • 序言:一個原本活蹦亂跳的男人離奇死亡恤左,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情飞袋,我是刑警寧澤戳气,帶...
    沈念sama閱讀 33,732評論 4 323
  • 正文 年R本政府宣布,位于F島的核電站授嘀,受9級特大地震影響物咳,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜蹄皱,卻給世界環(huán)境...
    茶點故事閱讀 39,283評論 3 307
  • 文/蒙蒙 一览闰、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧巷折,春花似錦压鉴、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,286評論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至署拟,卻和暖如春婉宰,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背推穷。 一陣腳步聲響...
    開封第一講書人閱讀 31,512評論 1 262
  • 我被黑心中介騙來泰國打工心包, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人馒铃。 一個月前我還...
    沈念sama閱讀 45,536評論 2 354
  • 正文 我出身青樓蟹腾,卻偏偏與公主長得像,于是被迫代替她去往敵國和親区宇。 傳聞我的和親對象是個殘疾皇子娃殖,可洞房花燭夜當晚...
    茶點故事閱讀 42,828評論 2 345

推薦閱讀更多精彩內(nèi)容