Python 利用简洁语法可快速实现二维码生成、词云绘制、图像分割、情感分析、口罩检测、自动化操作、OCR 识别及小游戏等功能。文章通过具体代码示例展示了使用 qrcode、wordcloud、paddlehub、pynput 等库的简易方法，涵盖环境配置、核心逻辑解析及注意事项，帮助开发者高效完成原型开发。重点介绍了各功能的实现原理、参数配置及潜在风险，强调代码规范性与伦理使用。
Python 凭借其简洁的语法和丰富的第三方库，赢得了许多开发者的喜爱。这使得开发者能够用极短的代码实现复杂的功能，从而形成良性循环。本文将展示如何使用不超过 10 行的核心代码实现多种有趣且实用的功能，涵盖二维码生成、词云绘制、图像处理、自然语言处理及自动化操作等领域。
在开始之前，请确保已安装 Python 3.x 环境。部分功能需要额外的第三方库，建议使用 pip 进行安装：
pip install qrcode wordcloud jieba matplotlib paddlepaddle paddlehub pynput pytesseract pillow
注意：OCR 识别功能需要额外安装 Tesseract-OCR 引擎并配置环境变量；PaddlePaddle 在国内网络环境下可能需要指定镜像源。
二维码（QR Code）是一种信息载体，可用于存储网址、文本等信息。使用 qrcode 库可以非常简单地生成图片。
import qrcode
text = input("输入文字或 URL：")
if not text.startswith("http://") and not text.startswith("https://"):
text = "https://" + text
img = qrcode.make(text)
img.save("qrcode.png")
img.show()
qr_code = qrcode.QRCode(error_correction=qrcode.constants.ERROR_CORRECT_H)。make_image 方法自定义前景色和背景色，例如 fill_color="black", back_color="white"。词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。通过分词和可视化库，可以快速展示文本的核心主题。
import matplotlib.pyplot as plt
from wordcloud import WordCloud
import jieba
# 读取文本内容
with open("text.txt", "r", encoding="utf-8") as f:
text = f.read()
# 中文分词
words = jieba.cut(text, cut_all=True)
wlist = " ".join(words)
# 生成词云
wc = WordCloud(font_path="simhei.ttf", background_color="white", width=1000, height=600).generate(wlist)
# 显示图片
plt.imshow(wc)
plt.axis("off")
plt.show()
simhei.ttf），否则会出现乱码。请确保系统中有对应字体文件。jieba 的 add_stop_words 或手动列表过滤。利用百度飞桨（PaddlePaddle）深度学习框架，可以实现高精度的图像语义分割，常用于抠图场景。
import os
import paddlehub as hub
humanseg = hub.Module(name='deeplabv3p_xception65_humanseg')
path = './images/'
files = [os.path.join(path, i) for i in os.listdir(path) if i.endswith(('.jpg', '.png'))]
results = humanseg.segmentation(data={'image': files})
print(f"处理完成，共 {len(results)} 张图片")
该模型基于 DeepLabV3+ 架构，采用 Xception65 作为骨干网络，专门针对人体分割任务进行了优化。它不仅能识别人物主体，还能区分背景，适用于电商、社交等场景的自动抠图需求。
自然语言处理（NLP）领域的情感分析可以帮助理解用户反馈。PaddleHub 提供了预训练模型，无需训练即可直接调用。
import paddlehub as hub
senta = hub.Module(name='senta_lstm')
sentence = ['你真美', '我好难过', '这个游戏好好玩']
results = senta.sentiment_classify(data={'text': sentence})
for result in results:
print(f"文本：{result['text']}, 情感：{result['sentiment_key']}, 置信度：{result['positive_probs']}")
返回结果为字典列表，包含以下关键字段：
text: 原始文本。sentiment_label: 情感标签（0 为负面，1 为正面）。sentiment_key: 情感类别字符串。positive_probs / negative_probs: 正负面的概率值，用于判断置信度。结合计算机视觉技术，可以实时检测图像中是否佩戴口罩。这在公共卫生监控场景中具有应用价值。
import paddlehub as hub
module = hub.Module(name='pyramidbox_lite_mobile_mask')
image_list = ['face.jpg']
input_dict = {'image': image_list}
module.face_detection(data=input_dict)
执行后会在项目目录下生成 detection_result 文件夹，其中包含带有检测框的图片。模型会自动标注人脸位置及口罩佩戴状态。
通过 pynput 库可以控制鼠标和键盘，实现简单的自动化脚本。此功能常用于测试或辅助办公，但请注意遵守使用规范，避免滥用。
import time
from pynput import mouse, keyboard
time.sleep(5) # 给予切换窗口时间
m_mouse = mouse.Controller()
m_keyboard = keyboard.Controller()
# 移动到指定坐标
m_mouse.position = (850, 670)
m_mouse.click(mouse.Button.left)
# 循环发送消息
for _ in range(5):
m_keyboard.type('你好')
m_keyboard.press(keyboard.Key.enter)
m_keyboard.release(keyboard.Key.enter)
time.sleep(1)
Tesseract 是开源的 OCR 引擎，配合 Pillow 库可以在 Python 中快速提取图片中的文本。
import pytesseract
from PIL import Image
img = Image.open('text.jpg')
text = pytesseract.image_to_string(img, lang='chi_sim+eng')
print(text)
chi_sim.traineddata 并配置路径。通过随机数生成和条件判断，可以快速构建交互式小游戏，适合初学者练习逻辑控制。
import random
print("1-100 数字猜谜游戏！")
target_num = random.randint(1, 100)
guess = None
count = 0
while guess != target_num:
try:
guess = int(input("请输入你猜的数字："))
count += 1
if guess == target_num:
print(f"恭喜，你猜对了！总共猜了 {count} 次")
elif guess < target_num:
print("你猜的数小了...")
else:
print("你猜的数大了...")
except ValueError:
print("请输入有效的整数")
try-except 块防止非数字输入导致程序崩溃。本文展示了 Python 在多个领域的轻量级应用场景。从基础的图形生成到复杂的深度学习模型调用，Python 都能以极简的代码实现核心功能。开发者在实际使用中应注意依赖管理、环境配置及代码的可维护性。对于生产环境，建议增加完善的错误处理机制和日志记录，并根据具体业务需求对原型代码进行重构和优化。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online