Python Pillow庫詳細(xì)介紹與代碼示例
更新時間：2025年04月10日 09:28:44 作者：老胖閑聊
Python Pillow 庫是一個強大的圖像處理工具,是經(jīng)典 PIL（Python Imaging Library）庫的現(xiàn)代分支,以下是對 Pillow 庫的全面講解和完整代碼示例,需要的朋友可以參考下
一、Pillow 庫簡介
- 功能：圖像打開/保存、尺寸調(diào)整、濾鏡應(yīng)用、顏色處理、繪圖、文字添加等
- 支持格式：JPEG, PNG, GIF, BMP, TIFF 等 30+ 格式
- 核心模塊：Image, ImageDraw, ImageFilter, ImageEnhance 等
二、安裝 Pillow
pip install Pillow
三、核心功能及代碼示例
1. 打開/保存圖像
from PIL import Image
# 打開圖像
img = Image.open("input.jpg")
print(f"格式: {img.format}, 尺寸: {img.size}, 模式: {img.mode}")
# 保存圖像（自動識別格式）
img.save("output.png")
# 轉(zhuǎn)換格式
img.save("converted.webp", "WEBP")
2. 基本圖像操作
# 調(diào)整尺寸
resized = img.resize((300, 200))
# 旋轉(zhuǎn)（expand參數(shù)防止裁剪）
rotated = img.rotate(45, expand=True)
# 裁剪 (left, upper, right, lower)
cropped = img.crop((100, 100, 400, 400))
# 縮略圖生成（保持比例）
img.thumbnail((128, 128))
img.save("thumbnail.jpg")
3. 圖像處理
from PIL import ImageFilter, ImageEnhance
# 應(yīng)用濾鏡
blurred = img.filter(ImageFilter.GaussianBlur(radius=2))
contour = img.filter(ImageFilter.CONTOUR)
# 顏色調(diào)整
gray = img.convert("L") # 轉(zhuǎn)為灰度
enhancer = ImageEnhance.Contrast(img)
contrast_img = enhancer.enhance(2.0) # 對比度增強2倍
# 調(diào)整亮度
bright_enhancer = ImageEnhance.Brightness(img)
bright_img = bright_enhancer.enhance(1.5)
4. 繪制圖形和文字
from PIL import ImageDraw, ImageFont
# 創(chuàng)建新畫布
canvas = Image.new("RGB", (500, 500), color=(255, 255, 255))
draw = ImageDraw.Draw(canvas)
# 繪制形狀
draw.rectangle([50, 50, 200, 200], fill="red", outline="blue")
draw.ellipse([250, 250, 400, 400], fill="yellow")
# 添加文字
try:
font = ImageFont.truetype("arial.ttf", 24)
except IOError:
font = ImageFont.load_default()
draw.text((100, 300), "Hello Pillow!", fill="black", font=font)
canvas.show()
5. 高級操作
# 圖像合成
overlay = Image.new("RGBA", img.size, (255, 0, 0, 100))
composite = Image.alpha_composite(img.convert("RGBA"), overlay)
# 像素級操作
pixels = img.load()
for y in range(img.height):
for x in range(img.width):
r, g, b = pixels[x, y]
pixels[x, y] = (r//2, g//2, b//2) # 暗化效果
# 創(chuàng)建 GIF
images = [img, rotated, cropped]
images[0].save("animation.gif", save_all=True, append_images=images[1:], duration=500, loop=0)
四、綜合應(yīng)用示例：添加水印
def add_watermark(input_path, output_path, text):
base = Image.open(input_path).convert("RGBA")
txt = Image.new("RGBA", base.size, (255,255,255,0))
draw = ImageDraw.Draw(txt)
font = ImageFont.truetype("arial.ttf", 36)
# 計算文字位置
text_width, text_height = draw.textsize(text, font)
x = base.width - text_width - 10
y = base.height - text_height - 10
draw.text((x, y), text, font=font, fill=(255,255,255,128))
combined = Image.alpha_composite(base, txt)
combined.convert("RGB").save(output_path)
add_watermark("photo.jpg", "watermarked.jpg", "? Your Brand")
五、注意事項
- 處理透明通道時使用
RGBA模式 - JPEG 格式不支持透明度，保存時需轉(zhuǎn)換模式
- 大尺寸圖像處理需注意內(nèi)存消耗
- 使用
with語句管理文件資源：
with Image.open("large_image.tiff") as img:
# 處理圖像
六、典型應(yīng)用場景
- 批量生成縮略圖
- 為圖片添加版權(quán)信息
- 圖像格式轉(zhuǎn)換工具
- 創(chuàng)建動態(tài)驗證碼圖片
- 圖像數(shù)據(jù)增強（機器學(xué)習(xí)）
七、高級圖像處理技巧
1. 通道操作與混合
from PIL import Image, ImageChops
# 分離 RGB 通道
r, g, b = img.split()
# 合并時調(diào)整通道順序（例如創(chuàng)建偽紅外效果）
modified = Image.merge("RGB", (b, g, r))
# 通道混合（數(shù)學(xué)運算）
diff = ImageChops.difference(img1, img2) # 像素差異圖
blended = ImageChops.blend(img1, img2, alpha=0.3) # 圖像疊加
2. 顏色空間轉(zhuǎn)換
# CMYK 轉(zhuǎn) RGB
cmyk_img = Image.open("cmyk_image.tiff").convert("RGB")
# 轉(zhuǎn)換為 HSV 顏色空間（需使用第三方庫補充）
# 注意：Pillow 原生不支持 HSV 操作，但可通過 numpy 實現(xiàn)
import numpy as np
hsv_array = np.array(img.convert("HSV"))
# ...處理 HSV 數(shù)組...
modified_img = Image.fromarray(hsv_array, "HSV").convert("RGB")
3. EXIF 元數(shù)據(jù)處理
# 讀取 EXIF 數(shù)據(jù)
exif_data = img._getexif()
if exif_data:
from PIL.ExifTags import TAGS
for tag_id, value in exif_data.items():
tag_name = TAGS.get(tag_id, tag_id)
print(f"{tag_name}: {value}")
# 旋轉(zhuǎn)圖像（根據(jù) EXIF 方向信息自動修正）
from PIL import ImageOps
fixed_img = ImageOps.exif_transpose(img)
八、性能優(yōu)化技巧
1. 大圖處理方案
# 分塊處理大圖
tile_size = 512
for y in range(0, img.height, tile_size):
for x in range(0, img.width, tile_size):
box = (x, y, x+tile_size, y+tile_size)
tile = img.crop(box)
# 處理分塊...
img.paste(tile, box)
2. 使用內(nèi)存優(yōu)化模式
# 使用 LA 模式替代 RGBA（節(jié)省 25% 內(nèi)存）
gray_alpha = img.convert("LA")
3. 加速像素操作
# 使用 numpy 加速像素處理 import numpy as np arr = np.array(img) arr = arr // 2 # 快速暗化處理 fast_processed = Image.fromarray(arr)
九、實戰(zhàn)項目示例
1. 生成驗證碼圖片
from PIL import Image, ImageDraw, ImageFont, ImageFilter
import random
def generate_captcha(text, size=(200, 80)):
img = Image.new("RGB", size, (255,255,255))
draw = ImageDraw.Draw(img)
# 繪制干擾線
for _ in range(8):
start = (random.randint(0, size[0]), random.randint(0, size[1]))
end = (random.randint(0, size[0]), random.randint(0, size[1]))
draw.line([start, end], fill=(random.randint(0,255), random.randint(0,255), random.randint(0,255)), width=2)
# 添加文字
font = ImageFont.truetype("arial.ttf", 36)
text_width, text_height = draw.textbbox((0,0), text, font=font)[2:]
x = (size[0] - text_width) / 2
y = (size[1] - text_height) / 2
# 文字扭曲
for i, char in enumerate(text):
draw.text(
(x + i*30 + random.randint(-5,5), y + random.randint(-5,5)),
char,
font=font,
fill=(random.randint(0,160), random.randint(0,160), random.randint(0,160))
)
# 添加濾鏡
img = img.filter(ImageFilter.SMOOTH_MORE)
return img
captcha = generate_captcha("3A4B")
captcha.save("captcha.jpg")
2. 批量圖片處理器
import os
from PIL import Image, ImageOps
def batch_process(input_dir, output_dir, process_func):
os.makedirs(output_dir, exist_ok=True)
for filename in os.listdir(input_dir):
if filename.lower().split('.')[-1] not in ['jpg', 'png', 'jpeg']:
continue
with Image.open(os.path.join(input_dir, filename)) as img:
processed = process_func(img)
processed.save(os.path.join(output_dir, filename))
# 示例處理函數(shù)：轉(zhuǎn)換為素描風(fēng)格
def sketch_effect(img):
gray = img.convert("L")
invert = ImageOps.invert(gray)
blur = invert.filter(ImageFilter.GaussianBlur(3))
return ImageChops.dodge(gray, blur)
batch_process("./photos", "./processed", sketch_effect)
十、圖像分析功能
1. 直方圖分析
histogram = img.histogram()
# 獲取 R 通道直方圖（前256個值）
red_hist = histogram[:256]
# 繪制簡易直方圖（需 matplotlib）
import matplotlib.pyplot as plt
plt.figure(figsize=(10,4))
plt.title("Red Channel Histogram")
plt.bar(range(256), red_hist, color='red')
plt.show()
2. 邊緣檢測
from PIL import ImageFilter
edges = img.convert("L").filter(ImageFilter.FIND_EDGES)
edges = edges.point(lambda x: 255 if x > 50 else 0) # 二值化
edges.show()
十一、錯誤處理與調(diào)試
1. 健壯的圖像處理
try:
with Image.open("problematic.jpg") as img:
# 處理圖像...
except IOError as e:
print(f"無法打開圖像文件: {str(e)}")
except Image.DecompressionBombError:
print("圖像尺寸過大，請檢查是否安全！")
2. 內(nèi)存管理技巧
# 強制釋放圖像內(nèi)存
img.close() # 顯式關(guān)閉
# 使用 with 語句自動管理
with Image.open("large_image.tiff") as img:
thumbnail = img.copy()
thumbnail.thumbnail((1024, 1024))
thumbnail.save("small.jpg") # 注意：此時原圖已關(guān)閉
十二、與其他庫集成
1. 結(jié)合 OpenCV 使用
import cv2
import numpy as np
from PIL import Image
# Pillow -> OpenCV
pil_img = Image.open("demo.jpg")
cv_img = np.array(pil_img.convert('RGB'))[:, :, ::-1] # RGB to BGR
# OpenCV -> Pillow
cv_img = cv2.cvtColor(cv_img, cv2.COLOR_BGR2RGB)
pil_img = Image.fromarray(cv_img)
2. 結(jié)合 Matplotlib 顯示
import matplotlib.pyplot as plt
plt.imshow(img)
plt.axis('off')
plt.title("Pillow Image Display")
plt.show()
十三、擴展知識
1. 自定義濾鏡
from PIL import ImageFilter
class CustomFilter(ImageFilter.BuiltinFilter):
name = "CustomSharpen"
filterargs = (3, 3), 16, 0, (
-1, -1, -1,
-1, 24, -1,
-1, -1, -1
)
sharpened = img.filter(CustomFilter())
2. 插件圖像格式支持
# 安裝額外解碼器后，可支持 WebP 動畫等
# 需安裝：pip install pillow-heif
import pillow_heif
heif_file = pillow_heif.open_heif("image.heif")
heif_img = Image.frombytes(
heif_file.mode,
heif_file.size,
heif_file.data,
"raw",
heif_file.mode,
heif_file.stride,
)
十四、最佳實踐建議
格式選擇策略
- 網(wǎng)頁使用：
JPEG（照片）、PNG（透明/圖標(biāo)）、WEBP（現(xiàn)代格式） - 打印使用：
TIFF（無損）、PDF（矢量） - 動態(tài)圖片：
GIF（簡單動畫）、APNG（高質(zhì)量動畫）
- 網(wǎng)頁使用：
質(zhì)量參數(shù)優(yōu)化
img.save("optimized.jpg",
quality=85, # 質(zhì)量值 (1-100)
optimize=True, # 啟用優(yōu)化
progressive=True) # 漸進(jìn)式JPEG
- 多幀圖像處理（GIF/TIFF）
with Image.open("animation.gif") as img:
for frame in ImageSequence.Iterator(img):
# 處理每一幀
frame.save(f"frame_{frame.tell()}.png")
十五、高級圖像分析技術(shù)
1. 直方圖匹配（色調(diào)映射）
import numpy as np
from PIL import Image
def histogram_matching(source, template):
""" 將源圖像的直方圖匹配到模板圖像 """
src = np.array(source.convert('L')).flatten()
tgt = np.array(template.convert('L')).flatten()
# 計算累積分布函數(shù)
src_vals, src_counts = np.unique(src, return_counts=True)
tgt_vals, tgt_counts = np.unique(tgt, return_counts=True)
src_cdf = np.cumsum(src_counts) / src.size
tgt_cdf = np.cumsum(tgt_counts) / tgt.size
# 創(chuàng)建映射表
lut = np.interp(src_cdf, tgt_cdf, tgt_vals)
return source.point(lut)
source_img = Image.open("landscape.jpg")
template_img = Image.open("sunset.jpg")
matched = histogram_matching(source_img, template_img)
2. 圖像分割（閾值處理）
from PIL import ImageOps
# Otsu 自動閾值算法
gray = img.convert('L')
thresh = gray.point(lambda x: 255 if x > 130 else 0) # 手動閾值
# 自動閾值（需要 scikit-image）
from skimage.filters import threshold_otsu
arr = np.array(gray)
thresh_val = threshold_otsu(arr)
auto_thresh = Image.fromarray((arr > thresh_val).astype(np.uint8) * 255)
十六、專業(yè)領(lǐng)域應(yīng)用
1. 醫(yī)學(xué)影像處理（DICOM）
# 需要安裝 pydicom
import pydicom
from PIL import Image
ds = pydicom.dcmread("MRI.dcm")
arr = ds.pixel_array.astype(float)
arr = (arr - arr.min()) / (arr.max() - arr.min()) * 255
medical_img = Image.fromarray(arr.astype(np.uint8))
medical_img.save("mri_preview.png")
2. 衛(wèi)星圖像處理（多光譜分析）
# 加載多波段圖像
with Image.open("satellite.tif") as img:
bands = [img.getchannel(band) for band in ('R', 'G', 'B', 'NIR')]
# 計算 NDVI（歸一化植被指數(shù)）
red = np.array(bands[0], dtype=np.float32)
nir = np.array(bands[3], dtype=np.float32)
ndvi = (nir - red) / (nir + red + 1e-10) # 防止除以零
# 可視化 NDVI
ndvi_img = Image.fromarray(np.uint8((ndvi + 1) * 127.5))
ndvi_img.save("ndvi_map.png")
十七、三維圖像處理
1. Z-Stack 圖像合成
import glob
from PIL import Image, ImageMath
# 加載聚焦堆棧圖像
z_images = [Image.open(f) for f in sorted(glob.glob("z_stack_*.tif"))]
# 創(chuàng)建全聚焦圖像
def focus_metric(pixels):
return np.std(pixels) # 使用標(biāo)準(zhǔn)差作為清晰度指標(biāo)
depth_map = np.zeros(z_images[0].size[::-1])
final_img = np.zeros_like(np.array(z_images[0]))
for i in range(z_images[0].height):
for j in range(z_images[0].width):
pixels = [np.array(img)[i,j] for img in z_images]
sharpness = [focus_metric(p) for p in pixels]
best_idx = np.argmax(sharpness)
final_img[i,j] = pixels[best_idx]
depth_map[i,j] = best_idx
Image.fromarray(final_img).save("focused.tif")
Image.fromarray(np.uint8(depth_map * 255 / len(z_images))).save("depth_map.png")
十八、GPU加速處理
1. 使用 CUDA 加速（需安裝 cupy）
import cupy as cp
from PIL import Image
def gpu_filter(img):
# 轉(zhuǎn)換到 GPU
img_gpu = cp.asarray(img)
# 自定義核函數(shù)（邊緣檢測）
kernel = cp.array([[-1, -1, -1],
[-1, 8, -1],
[-1, -1, -1]], dtype=cp.float32)
# 卷積運算
filtered = cp.zeros_like(img_gpu)
for c in range(3):
filtered[:, :, c] = cp.convolve2d(img_gpu[:, :, c], kernel, mode='same')
# 返回 CPU
return Image.fromarray(cp.asnumpy(filtered).astype(np.uint8))
original = Image.open("gpu_demo.jpg")
accelerated = gpu_filter(original)
十九、與深度學(xué)習(xí)框架集成
1. PyTorch 數(shù)據(jù)增強管道
from torchvision import transforms
from PIL import Image
class AdvancedAugmentation:
def __init__(self):
self.transform = transforms.Compose([
transforms.RandomApply([
lambda x: transforms.functional.adjust_sharpness(x, 2),
lambda x: ImageEnhance.Color(x).enhance(0.8)
], p=0.5),
transforms.RandomPerspective(distortion_scale=0.3),
transforms.ColorJitter(brightness=0.2, contrast=0.2)
])
def __call__(self, img):
return self.transform(img)
augmenter = AdvancedAugmentation()
img = Image.open("training_sample.jpg")
augmented = augmenter(img)
二十、插件開發(fā)與擴展
1. 自定義圖像格式解碼器
from PIL import Image, ImageFile
class RAWDecoder(ImageFile.PyDecoder):
def decode(self, buffer):
# 實現(xiàn)自定義 RAW 格式解析
raw_data = self._parse_custom_format(buffer)
self.set_as_raw(bytes(raw_data))
return -1, 0
# 注冊解碼器
Image.register_decoder("MYRAW", RAWDecoder)
Image.register_extensions("MYRAW", [".raw"])
2. 編寫濾鏡插件
from PIL import ImageFilter
class KaleidoscopeFilter(ImageFilter.BuiltinFilter):
name = "Kaleidoscope"
filterargs = (5, 5), 16, 0, (
1, 0, 0, 0, 1,
0, 0, 0, 0, 0,
0, 0, 0, 0, 0,
0, 0, 0, 0, 0,
1, 0, 0, 0, 1
)
img.filter(KaleidoscopeFilter()).show()
二十一、工程化實踐
1. 圖像處理微服務(wù)架構(gòu)
# 使用 FastAPI 構(gòu)建 REST API
from fastapi import FastAPI, File, UploadFile
from PIL import Image
import io
app = FastAPI()
@app.post("/enhance")
async def enhance_image(file: UploadFile = File(...)):
img = Image.open(io.BytesIO(await file.read()))
# 執(zhí)行處理管線
enhanced = (img.convert('RGB')
.filter(ImageFilter.SHARPEN)
.enhance(contrast=1.2)
.resize((1024, 768)))
byte_arr = io.BytesIO()
enhanced.save(byte_arr, format='JPEG')
return Response(content=byte_arr.getvalue(), media_type="image/jpeg")
2. 自動化測試框架
import unittest
from PIL import Image, ImageChops
class ImageTests(unittest.TestCase):
def test_watermark(self):
original = Image.new('RGB', (800, 600), 'white')
watermarked = add_watermark(original.copy(), "Test")
# 驗證水印位置和內(nèi)容
diff = ImageChops.difference(original, watermarked)
self.assertGreater(diff.getbbox()[2], 700) # 檢查右下角變化
def test_performance(self):
large_img = Image.new('RGB', (10000, 10000))
start = time.time()
large_img.thumbnail((1000, 1000))
self.assertLess(time.time() - start, 1.0)
二十二、前沿應(yīng)用案例
1. AI 藝術(shù)風(fēng)格遷移
# 結(jié)合 Pillow 與深度學(xué)習(xí)模型
def style_transfer(content_img, style_img):
# 加載預(yù)訓(xùn)練模型（需安裝 torch 和 torchvision）
from torchvision.models import vgg19
model = vgg19(pretrained=True).features.eval()
# 特征提取與風(fēng)格遷移算法...
# （此處實現(xiàn)具體遷移邏輯）
return Image.fromarray(output)
content = Image.open("photo.jpg")
style = Image.open("starry_night.jpg")
artwork = style_transfer(content, style)
2. 動態(tài)二維碼生成
from PIL import Image, ImageDraw
import qrcode
def animated_qr(data, logo_path):
base = qrcode.make(data).convert('RGBA')
logo = Image.open(logo_path).resize((100, 100))
frames = []
for angle in range(0, 360, 30):
rotated_logo = logo.rotate(angle)
frame = base.copy()
frame.alpha_composite(rotated_logo,
((frame.width-100)//2, (frame.height-100)//2))
frames.append(frame)
frames[0].save("qr_animation.gif",
save_all=True,
append_images=frames[1:],
duration=200,
loop=0,
optimize=True)
二十三、調(diào)試與性能分析
1. 內(nèi)存分析工具
import tracemalloc
from PIL import Image
tracemalloc.start()
# 測試代碼塊
with Image.open("large.tiff") as img:
processed = img.resize((2000, 2000))
processed.save("output.jpg")
snapshot = tracemalloc.take_snapshot()
top_stats = snapshot.statistics('lineno')
print("[ 內(nèi)存消耗 Top 10 ]")
for stat in top_stats[:10]:
print(stat)
2. 性能剖析
# 使用 cProfile 分析處理流程 python -m cProfile -s cumulative image_processor.py
二十四、跨平臺開發(fā)注意事項
- 字體處理兼容性
# 安全字體加載方案
def safe_font_loading(font_path, fallback_size=20):
try:
return ImageFont.truetype(font_path, size=fallback_size)
except IOError:
print(f"字體 {font_path} 加載失敗，使用系統(tǒng)默認(rèn)字體")
return ImageFont.load_default()
- 路徑處理規(guī)范
from pathlib import Path
input_path = Path("input_images") / "special_chars_測試.jpg"
output_path = input_path.with_name(f"processed_{input_path.name}")
二十五、資源與進(jìn)階學(xué)習(xí)
官方文檔擴展閱讀
- 高級圖像變換：
Image.transform()方法 - 分塊編碼器：
JpegEncoder和WebPEncoder - 圖像協(xié)議：支持
HTTP、FTP等協(xié)議直接讀取
- 高級圖像變換：
通過掌握這些高級技術(shù)，將能夠：
- 處理專業(yè)領(lǐng)域的圖像分析需求
- 構(gòu)建企業(yè)級圖像處理系統(tǒng)
- 優(yōu)化處理流程達(dá)到工業(yè)級性能
- 開發(fā)自定義圖像處理擴展
- 集成 Pillow 到現(xiàn)代 AI 工作流
建議實踐方向：開發(fā)智能相冊管理系統(tǒng)、創(chuàng)建醫(yī)學(xué)影像分析工具、構(gòu)建云端圖像處理 API 服務(wù)，或?qū)崿F(xiàn)實時視頻幀處理管道。持續(xù)關(guān)注 Pillow 的 GitHub 倉庫（https://github.com/python-pillow/Pillow）獲取最新功能更新。
以上就是Python Pillow庫詳細(xì)介紹與代碼示例的詳細(xì)內(nèi)容，更多關(guān)于Python Pillow庫介紹的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
關(guān)于Python文本生成的Beam?Search解碼問題
這篇文章主要介紹了Python文本生成的Beam?Search解碼,本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下2022-07-07
本文主要介紹了numpy多級排序lexsort函數(shù)的使用，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-03-03
時間無疑是生活各個方面中最關(guān)鍵的因素之一，因此，記錄和跟蹤時間變得非常重要。在?Python?中，可以通過其內(nèi)置庫跟蹤日期和時間。今天我們來介紹關(guān)于?Python?中的日期和時間，一起來了解如何使用time和datetime模塊查找和修改日期和時間2022-10-10
這篇文章主要介紹了Python輕量級web框架bottle使用方法解析,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2020-06-06
這篇文章主要介紹了Python中input與raw_input 之間的比較的相關(guān)資料,通過本文希望能幫助到大家，對于他們之間的使用方法和區(qū)別，需要的朋友可以參考下2017-08-08
Kmeans均值聚類算法原理以及Python如何實現(xiàn)
這個算法中文名為k均值聚類算法，首先我們在二維的特殊條件下討論其實現(xiàn)的過程，方便大家理解。2020-09-09
摩爾斯電碼（ 又譯為摩斯密碼，英語：Morse code）是一種時通時斷的信號代碼，通過不同的排列順序來表達(dá)不同的英文字母、數(shù)字和標(biāo)點符號。本文將通過Python代碼來實現(xiàn)破解摩斯密碼，感興趣的可以學(xué)習(xí)一下2022-02-02
Python內(nèi)置函數(shù)all()的實現(xiàn)
Python內(nèi)置函數(shù)?all()?用于判斷可迭代對象中的所有元素是否都為真值（Truthy）,是邏輯判斷的重要工具,下面就來具體介紹如何使用,感興趣的可以了解一下2025-04-04
Python PyQt5實戰(zhàn)項目之網(wǎng)速監(jiān)控器的實現(xiàn)
PyQt5以一套Python模塊的形式來實現(xiàn)功能。它包含了超過620個類，600個方法和函數(shù)。它是一個多平臺的工具套件，它可以運行在所有的主流操作系統(tǒng)中，包含Unix，Windows和Mac OS。PyQt5采用雙重許可模式。開發(fā)者可以在GPL和社區(qū)授權(quán)之間選擇2021-11-11
python操作Excel的模塊，網(wǎng)上提到的模塊大致有：xlwings、xlrd、xlwt、openpyxl、pyxll等。本文將利用xlwings模塊制作一個天氣預(yù)報表，需要的可以參考一下2022-01-01