词云 wordcloud

wordcloud轮子下载

1. 下载上面链接里对应的 whl (我选的 xxx_win32.whl)到 本地 进行安装

2. 一般地， 会结合 jieba 分词 还有 matplotlib 来做

   初识庐山面目

# -*- coding: utf-8 -*-
#导入所需库
from wordcloud import WordCloud
f = open(r'xxx\AI\go\wordcollections.txt','r').read()
wordcloud = WordCloud(background_color="white",width=1000, height=860, margin=2).generate(f)
__author__ = 'Frank Li'
# width,height,margin可以设置图片属性
# generate 可以对全部文本进行自动分词,但是对中文支持不好
# 可以设置font_path参数来设置字体集
#background_color参数为设置背景颜色,默认颜色为黑色import matplotlib.pyplot as plt
plt.imshow(wordcloud)
plt.axis("off")
plt.show()
wordcloud.to_file('test.png')
# 保存图片,但是在第三模块的例子中 图片大小将会按照 mask 保存# -*- coding: utf-8 -*-
import matplotlib.pyplot as plt
from PIL import Image as image
import jieba
import numpy
from wordcloud import WordCloud, ImageColorGenerator, STOPWORDS__author__ = 'Frank Li'def chinese_jieba(text):# 通过jieba工具将中文文本做处理，并返回指定格式的内容wordlist_jieba = jieba.cut(text)text_jieba = ' '.join(wordlist_jieba)return text_jiebadef main(filename):with open(filename, 'rb') as f:text = chinese_jieba(f.read().decode())mask_pic = numpy.array(image.open('heart.png'))  # 打开图像处理，设置遮罩层# 设置固定的词个数为0# stopwords = {'黑娃':0,'白嘉轩':0}# 也可以按照下面格式设置stopwords = set(STOPWORDS)stopwords = stopwords.union(set(['黑娃', '白嘉轩']))  # 将不想在词云上出现的词，放入集合中，也就是设置固定词个数为0wordclod = WordCloud(background_color='white',  # 设置背景颜色，默认是黑色margin=0,max_words=2000,  # 关键字的个数max_font_size=100,  # 字体大小font_path=r'C:\Windows\Fonts\simsun.ttc',  # 设置中文识别mask=mask_pic,  # 添加遮罩层,也就是设置词云形状stopwords=stopwords,  # 过滤固定的词).generate(text)  # 将text里面所有的词统计,产生词云# image_colors = ImageColorGenerator(mask_pic)plt.imshow(wordclod)# plt.imshow(wordclod.recolor(color_func=image_colors))plt.axis('off')plt.show()wordclod.to_file('bailuyuan.jpg')  # 保存图片if __name__ == "__main__":filename = r'C:\Users\FrankLi\Downloads\白鹿原.txt'main(filename)

将图像转为 字符画

# -*- coding: utf-8 -*-
__author__ = 'Frank Li'
import os
import math
from PIL import Imageclass ProcessBar(object):"""一个打印进度条的类"""def __init__(self, total):  # 初始化传入总数self.shape = ['▏', '▎', '▍', '▋', '▊', '▉']self.shape_num = len(self.shape)self.row_num = 30self.now = 0self.total = totaldef print_next(self, now=-1):   # 默认+1if now == -1:self.now += 1else:self.now = nowrate = math.ceil((self.now / self.total) * (self.row_num * self.shape_num))head = rate // self.shape_numtail = rate % self.shape_numinfo = self.shape[-1] * headif tail != 0:info += self.shape[tail-1]full_info = '[%s%s] [%.2f%%]' % (info, (self.row_num-len(info)) * '  ', 100 * self.now / self.total)print("\r", end='', flush=True)print(full_info, end='', flush=True)if self.now == self.total:print('')class MosaicImg(object):'''用于将源图像当成一个像素点合成目标图像'''def __init__(self,target,            # 目标图像的路径，图像的透明区域会被忽略img_path,          # 源图片的目录，里面的图片将被拿来作为像素点pixel_size=50,     # 每个像素图片的宽高size=(0, 0),       # 最后生成的图片的尺寸，格式是 (width, height)scale_factor=-1,   # 缩放因子，0~1之间的浮点数，如果设定了这个，则 size 无效):path = os.path.split(target)name, ext = os.path.splitext(path[1])self.save_img = os.path.join(path[0], "mosaic_" + name + '.png')      # 生成的图像名字self.pixel_size = pixel_size# 处理目标图像self.target = Image.open(target).convert('RGBA')if scale_factor == -1:      # 使用 size 参数self.target.thumbnail(size)else:                       # 使用 scale_factor 参数new_size = (scale_factor * self.target.size[0], scale_factor * self.target.size[1])self.target.thumbnail(new_size)# 处理源图像self.images = {}            # key是一张图片的主颜色，value是该图片的 PIL.Image 对象self.images_count = {}file_list = os.listdir(img_path)print("正在读取源图像：")pb = ProcessBar(len(file_list))for file in file_list:   # 遍历目录img = Image.open(os.path.join(img_path, file)).convert('RGB')img.thumbnail((pixel_size, pixel_size))  # 重设图片大小color = self.main_color(img)    # 计算主颜色self.images[color] = imgself.images_count[color] = 0pb.print_next()# 每个图像最多使用的次数self.max_img_use = 3 * self.target.size[0] * self.target.size[1] / len(self.images)def gen_mosaic_image(self):'''使用初始化的设置生成像素图。其具体做法是遍历目标图像，对每个像素点的颜色，从源图像的主颜色中找到一个最接近的，然后将该图像当成像素点'''# 最后生成的图像的大小size = (self.pixel_size * self.target.size[0], self.pixel_size * self.target.size[1])self.mosaic_img = Image.new('RGBA', size)# 开始生成图像print("正在生成图像: ")# 遍历每一个像素pb = ProcessBar(self.target.size[0])for x in range(self.target.size[0]):for y in range(self.target.size[1]):r, g, b, a = self.target.getpixel((x, y))   # 得到该像素的颜色if a == 0:  # 跳过透明区域continuemin_score = 1000min_color = Nonefor color in self.images:                   # 找到最接近的颜色score = self.color_distance((r, g, b), color)if score < min_score:min_score = scoremin_color = color# 将图片贴上去self.mosaic_img.paste(self.images[min_color], (x*self.pixel_size, y*self.pixel_size))self.images_count[min_color] += 1           # 使用次数+1# 超过了最大使用次数就删除if self.images_count[min_color] > self.max_img_use:self.images.pop(min_color)pb.print_next()print('正在保存图像，请稍候。')self.mosaic_img.save(self.save_img, format='PNG')return self.mosaic_imgdef main_color(self, image):'''得到一张图片的主颜色，这里使用了偷懒的做法，将图片resize到一个像素点大小，取该点的像素值'''img = image.resize((1, 1), Image.BICUBIC)return img.getpixel((0, 0))def color_distance(self, rgb_1, rgb_2):'''两个RGB颜色的相似度计算，使用LAB颜色空间'''R_1, G_1, B_1 = rgb_1R_2, G_2, B_2 = rgb_2rmean = (R_1 + R_2) / 2R = R_1 - R_2G = G_1 - G_2B = B_1 - B_2return math.sqrt((2+rmean/256)*(R**2)+4*(G**2)+(2+(255-rmean)/256)*(B**2))if __name__ == '__main__':current_path = os.path.dirname(os.path.abspath(__file__))   # 当前目录的完整路径img_path = os.path.join(current_path, 'images/')                # 存放源图像的目录target = os.path.join(current_path, 'images/xinxin.png')           # 目标图像ma = MosaicImg(target, img_path, 70, scale_factor=0.1)      # 初始化img = ma.gen_mosaic_image()

短信接口 twilio

scrapy + fake_useragent 爬虫

# 做事就要做极致，要学便学无上法，最佳实践 ，不管他多难

pip 指定源

pip install pillow -i http://mirrors.aliyun.com/pypi/simple/ --extra-index-url https://pypi.python.org/simple --trusted-host mirrors.aliyun.com清华：https://pypi.tuna.tsinghua.edu.cn/simple阿里云：http://mirrors.aliyun.com/pypi/simple/中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/华中理工大学：http://pypi.hustunique.com/山东理工大学：http://pypi.sdutlinux.org/ 豆瓣：http://pypi.douban.com/simple/

DOS 时代游戏

DOS 游戏有些无聊

https://dos.zczc.cz/