python案例小程式
阿新 • • 發佈：2019-02-18
這是一個Python指令碼，能夠批量地將微軟Powerpoint檔案（.ppt或者.pptx）轉換為pdf格式使用說明1、將這個指令碼跟PPT檔案放置在同一個資料夾下2、執行這個指令碼程式碼如下：
import comtypes.client import os def init_powerpoint(): powerpoint = comtypes.client.CreateObject("Powerpoint.Application") powerpoint.Visible = 1 return powerpoint def ppt_to_pdf(powerpoint,inputFileName,outputFileName,formatType = 32): if outputFileName[-3:] != 'pdf': outputFileName = outputFileName + ".pdf" deck = powerpoint.Presentations.Open(inputFileName) deck.SaveAs(outputFileName,formatType) deck.Close() def convert_files_in_folder(powerpoint,folder): files = os.listdir(folder) pptfiles = [f for f in files if f.endswith((".ppt",".pptx"))] for pptfile in pptfiles: fullpath = os.path.join(cwd,pptfile) ppt_to_pdf(powerpoint,fullpath,fullpath) if __name__ == '__main__': powerpoint = init_powerpoint() cwd = os.getcwd() convert_files_in_folder(powerpoint,cwd) powerpoint.Quit() print("已轉換完成！！！")
案例3
一、抓資料要想做成詞雲圖表，首先得有資料才行。於是需要一點點的爬蟲技巧。基本思路為：抓包分析、加密資訊處理、抓取熱門評論資訊1.抓包分析我們首先用瀏覽器開啟網易雲音樂的網頁版，進入薛之謙《摩天大樓》歌曲頁面，可以看到下面有評論。接著F12進入開發者控制檯（審查元素）。接下來就要做的是，找到歌曲評論對應的url，並分析驗證其資料跟網頁現實的資料是否吻合整理思路，分析api並模擬傳送請求，獲取json解析就好了2.加密資訊處理然後經過測試，直接把瀏覽器上這倆資料拿過來就可以。但是要想真正的解決這個加密處理，還需要有點加解密的只是儲存3.抓取熱門評論資訊二、資料視覺化在獲得相關評論資料後，我們將其做成圖表與詞雲圖，將讓人看起來更直觀。import requests import json from pyecharts import Bar from wordcloud import WordCloud import matplotlib.pyplot as plt url = 'http://music.163.com/weapi/v1/resource/comments/R_SO_4_551816010?csrf_token=568cec564ccadb5f1b29311ece2288f1' headers = { 'User-Agent':'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/64.0.3282.140 Safari/537.36', 'Referer':'http://music.163.com/#/album?id=38388012', 'Origin':'http://music.163.com', 'Host':'music.163.com' } #加密資料，直接拿過來用 user_data = { 'params': 'vRlMDmFsdQgApSPW3Fuh93jGTi/ZN2hZ2MhdqMB503TZaIWYWujKWM4hAJnKoPdV7vMXi5GZX6iOa1aljfQwxnKsNT+5/uJKuxosmdhdBQxvX/uwXSOVdT+0RFcnSPtv', 'encSecKey': '46fddcef9ca665289ff5a8888aa2d3b0490e94ccffe48332eca2d2a775ee932624afea7e95f321d8565fd9101a8fbc5a9cadbe07daa61a27d18e4eb214ff83ad301255722b154f3c1dd1364570c60e3f003e15515de7c6ede0ca6ca255e8e39788c2f72877f64bc68d29fac51d33103c181cad6b0a297fe13cd55aa67333e3e5' } response = requests.post(url,headers=headers,data=user_data) data = json.loads(response.text) hotcomments = [] for hotcommment in data['hotComments']: item = { 'nickname':hotcommment['user']['nickname'], 'content':hotcommment['content'], 'likedCount':hotcommment['likedCount'] } hotcomments.append(item) #獲取評論使用者名稱，內容，以及對應的獲贊數 content_list = [content['content'] for content in hotcomments] nickname = [content['nickname'] for content in hotcomments] liked_count = [content['likedCount'] for content in hotcomments] bar = Bar("熱評點贊示例圖") bar.add( "點贊數",nickname, liked_count, is_stack=True,mark_line=["min", "max"],mark_point=["average"]) bar.render() content_text = " ".join(content_list) wordcloud = WordCloud(font_path=r"C:\simhei.ttf",max_words=200).generate(content_text) plt.figure() plt.imshow(wordcloud,interpolation='bilinear') plt.axis('off') plt.show()