大神是如何走过来的,六个项目代码了解一下(上)

1、抓取知乎图片,只用30行代码:# 视频资料分享 QQ群 519970686 

importre           

from seleniumimportwebdriver

importtime

importurllib.request

driver = webdriver.Chrome()

driver.maximize_window()

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

i =0

whilei <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

whilen < len(content_list):

i = time.time()

local = (r"%s.jpg"% (i))

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

print("编号:"+ str(i))

n = n +1

2、没事闲的时候,听两个聊天机器人互相聊天:# 视频资料分享 QQ群 519970686

fromtimeimportsleep

import requests

s= input("请主人输入话题:")

whileTrue:

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

resp = resp.json()

sleep(1)

print('小鱼:', 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'])

网上还有一个据说智商比较高的小i机器人,用爬虫的功能来实现一下:

import urllib.request

import re

whileTrue:

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、AI分析唐诗的作者是李白还是杜甫:# 视频资料分享 QQ群 519970686

importjieba

fromnltk.classifyimportNaiveBayesClassifier

# 需要提前把李白的诗收集一下,放在libai.txt文本中。

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

list1 = jieba.cut(text1)

result1 =" ".join(list1)

# 需要提前把杜甫的诗收集一下,放在dufu.txt文本中。

text2 = open(r"dufu.txt","rb").read()

list2 = jieba.cut(text2)

result2 =" ".join(list2)

# 数据准备

libai = result1

dufu = result2

# 特征提取

defword_feats(words):

returndict([(word,True)forwordinwords])

libai_features = [(word_feats(lb),'lb')forlbinlibai]

dufu_features = [(word_feats(df),'df')fordfindufu]

train_set = libai_features + dufu_features

# 训练决策

classifier = NaiveBayesClassifier.train(train_set)

# 分析测试

sentence = input("请输入一句你喜欢的诗:")

print("")

seg_list = jieba.cut(sentence)

result1 =" ".join(seg_list)

words = result1.split(" ")

# 统计结果

lb =0

df =0

forwordinwords:

classResult = classifier.classify(word_feats(word))

ifclassResult =='lb':

lb = lb +1

ifclassResult =='df':

df = df +1

# 呈现比例

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))

           真心想学习Python的朋友,群内有视频资料分享,欢迎一起加入Python的浪潮,逐浪前行

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,236评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,867评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,715评论 0 340
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,899评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,895评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,733评论 1 283
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,085评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,722评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,025评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,696评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,816评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,447评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,057评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,009评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,254评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,204评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,561评论 2 343

推荐阅读更多精彩内容