学习Python编程：从基础到实践（8）

终于，学习笔记系列文章与你见面了。作为一个小站全新的非原创系列，我将尝试着探索目前人工智能的创造潜力上限，并在成文的过程中尽可能多地使用生成式人工智能（AIGC）技术。

本次「Python学习笔记」系列文章，全程仅使用了一段 103 字的用户提示词，其余内容均由 OpenAI 的 GPT-3.5 模型生成。

在成文过程中，我使用了独立开发者「方糖」开发的 DeepGPT 程序，这是一个使用 AgentGPT 的提示词在纯前端进行任务分拆和结果输出的程序。

最终，GPT-3.5 模型所创作的内容多达 29536 字，我使用半小时左右的时间进行了文字排版，以使内容符合一个小站的排版规范。同时，为了阅读方便，全文将分拆为若干章节发出。

当然，Python 也是我即将在大学学习的内容之一。在日后的学习中，我会根据实际需要对内容进行补充或者简单修改。

由于当前 AIGC 生成的内容的版权归属尚不明朗，本文不加「原创」标签。

Python中的Web框架

Python在Web开发中的应用越来越广泛，在这方面，Django和Flask框架是使用最为广泛的两个框架。

Django

Django是一个重量级的Web框架，它提供了完整的MVC（Model-View-Controller）架构、ORM（Object Relational Mapping）等功能。Django使用Python语言编写，是Python最受欢迎的Web框架之一。

以下是一个使用Django框架创建简单Web应用程序的例子：

from django.http import HttpResponse
from django.shortcuts import render

# 创建视图
def index(request):
    return HttpResponse("Hello, world!")

# 使用模板
def about(request):
    return render(request, 'about.html')

# 处理请求
def contact(request):
    if request.method == 'POST':
        name = request.POST.get('name')
        email = request.POST.get('email')
        message = request.POST.get('message')
        # 处理表单数据
        return HttpResponse("Thank you for contacting us!")
    else:
        return render(request, 'contact.html')

上述代码首先定义了三个视图：index、about和contact。其中，index返回一个”Hello, world!“的响应，about使用模板渲染about.html页面，contact处理用户提交的表单数据。

路由定义

在Django框架中，路由定义是非常重要的。路由定义决定了请求（Request）应该交给哪个处理函数来处理。路由定义使用Python的装饰器来实现。示例如下：

from django.urls import path
from . import views

urlpatterns = [
    path('hello/', views.hello),
]

这段代码中，我们导入了Django中的路径模块，并导入了视图模块（views.py）。然后，我们通过_urlpatterns列表定义了一个路由，将访问“/hello/”路径的请求交给views.py中的hello函数来处理。

模板渲染

另外，在Django中，模板渲染也是非常常用的功能。Django提供了一个模板引擎，使用Jinja2语法。示例如下：

<html>
  <head>
    <title>{{title}}</title>
  </head>
  <body>
    <h1>{{content}}</h1>
  </body>
</html>

在这个示例中，我们使用了Jinja2语法，通过{}来引用变量，在返回的HTML页面中会被替换为具体的值。在Django中，我们可以将这个模板渲染为具体的HTML结果，示例如下：

from django.shortcuts import render

def hello(request):
    context = {'title': 'Hello World', 'content': 'Welcome to Django'}
    return render(request, 'hello.html', context)

在这段处理函数中，我们将模板渲染为具体的HTML结果，并将其返回给用户。

连接数据库

此外，在Django中连接数据库也是非常常见的操作。Django框架内置了ORM（Object Relational Mapping）系统，可以很好地处理数据库操作。下面是一个连接MySQL数据库的示例代码：

import mysql.connector
from django.conf import settings

def get_db_connection():
    db_config = settings.DATABASES['default']
    conn = mysql.connector.connect(
        host=db_config['HOST'],
        user=db_config['USER'],
        password=db_config['PASSWORD'],
        database=db_config['NAME'],
        port=db_config['PORT']
    )
    return conn

在这段代码中，我们首先从Django的配置中获取了数据库的连接信息。然后，我们使用mysql.connector模块来建立数据库连接，并返回连接对象。在使用时，只需要从函数中获取连接对象，再进行相应的数据库操作即可。

Flask

Flask框架是一个轻量级的Web框架，它提供了灵活的开发方式、麻雀虽小五脏俱全的功能，并且易于学习和使用。Flask框架使用Python语言编写，是Python生态中的一个重要组成部分。

路由定义

在Flask框架中，路由定义也是非常重要的。路由定义使用Python的装饰器来实现。示例如下：

from flask import Flask

app = Flask(__name__)

@app.route('/hello')
def hello():
    return 'Hello, World!'

在这段代码中，我们首先导入了Flask模块，在应用程序中创建了一个Flask对象。然后，我们使用@app.route()装饰器来定义路由。最后，我们定义了一个处理函数hello()，用来处理访问“/hello”路径的请求。当用户访问该路径时，系统会自动调用该函数并将返回结果渲染在浏览器上。

模板渲染

在Flask框架中，模板渲染也是非常常用的功能。Flask框架内置了一个简单而灵活的模板引擎，使用Jinja2语法。示例如下：

<html>
  <head>
    <title>{{ title }}</title>
  </head>
  <body>
    <h1>{{ content }}</h1>
  </body>
</html>

在这个示例中，我们同样使用了Jinja2语法，通过{}来引用变量，在返回的HTML页面中会被替换为具体的值。在Flask中，我们可以将这个模板渲染为具体的HTML结果，示例如下：

from flask import Flask, render_template

app = Flask(__name__)

@app.route('/hello')
def hello():
    title = 'Hello World'
    content = 'Welcome to Flask'
    return render_template('hello.html', title=title, content=content)

在这个处理函数中，我们首先定义了模板需要的变量title和content，并使用render_template()函数渲染模板。在渲染模板时，将变量传递给渲染函数即可。

部署

最后，Flask框架的部署也是非常简单的，只需要使用Web服务器（如：Nginx、Apache）来反向代理Flask应用程序即可。

综上所述，Python在Web开发中的应用非常广泛。Django和Flask框架是最受欢迎的两个Web框架。在使用这两个框架时，路由定义和模板渲染都是非常重要的，而连接数据库也是很常用的操作。在部署时，只需要使用Web服务器反向代理即可。

Python中的机器学习和计算机视觉库

Python中有许多流行的机器学习和计算机视觉库，如TensorFlow、Keras等，它们可以帮助我们训练和测试各种机器学习模型，如深度神经网络、卷积神经网络等。

TensorFlow

以下是一个使用TensorFlow库创建一个简单的图像分类任务的例子：

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras import layers
from tensorflow.keras.datasets import cifar10

# 加载数据集
(x_train, y_train), (x_test, y_test) = cifar10.load_data()

# 归一化处理
x_train = x_train.astype("float32") / 255.0
x_test = x_test.astype("float32") / 255.0

# 定义模型
model = keras.Sequential(
    [
        keras.Input(shape=(32, 32, 3)),
        layers.Conv2D(32, 3, activation='relu'),
        layers.MaxPooling2D(pool_size=(2, 2)),
        layers.Conv2D(64, 3, activation='relu'),
        layers.MaxPooling2D(),
        layers.Conv2D(128, 3, activation='relu'),
        layers.Flatten(),
        layers.Dense(64, activation='relu'),
        layers.Dense(10),
    ]
)

# 编译模型
model.compile(
    optimizer=keras.optimizers.Adam(1e-3),
    loss=keras.losses.SparseCategoricalCrossentropy(from_logits=True),
    metrics=["accuracy"],
)

# 训练模型
model.fit(x_train, y_train, batch_size=64, epochs=10, validation_split=0.2)

# 评估模型
_, test_acc = model.evaluate(x_test, y_test, verbose=2)
print("Test dataset accuracy:", test_acc)

上述代码首先加载了一个名为”cifar10“的数据集，然后使用TensorFlow定义了一个简单的卷积神经网络模型，包含三个卷积层、两个全连接层和一个输出层。接下来，编译该模型，并使用训练集进行训练。最后，评估该模型的测试集准确性。

Python 新技术实践

使用Python的BeautifulSoup和Selenium自动化测试框架对一个网站进行爬取

为实现该子任务，我们需要使用BeautifulSoup和Selenium两个库来对网站进行爬取和自动化测试。其中，BeautifulSoup用于解析HTML代码，而Selenium则在浏览器中模拟用户操作，可以实现网站自动化测试的功能。

首先，我们需要安装相应的库。在Python中，我们可以通过pip来安装BeautifulSoup和Selenium库。具体安装方法如下：

pip install beautifulsoup4
pip install selenium

接下来，我们需要编写代码来爬取网站并生成地图。以下是一份Python代码示例：

from bs4 import BeautifulSoup
from selenium import webdriver

def get_website_info(url):
    # 使用Selenium打开网站
    driver = webdriver.Chrome()
    driver.get(url)

    # 获取网站页面数量和链接数量
    pages = []
    links = []
    pages.append(url)
    links.append(url)
    current_page = 0

    while current_page < len(links):
        try:
            driver.get(links[current_page])
            soup = BeautifulSoup(driver.page_source, 'html.parser')

            for link in soup.find_all('a'):
                href = link.get('href')
                if href.startswith('http') and href not in links:
                    links.append(href)

            current_page += 1
        except:
            pass

    # 获取每个页面的标题和描述
    titles = []
    descriptions = []
    for page in pages:
        driver.get(page)
        soup = BeautifulSoup(driver.page_source, 'html.parser')
        title = soup.find('title').text
        desc = soup.find('meta', attrs={'name': 'description'})
        if desc:
            desc = desc.get('content')
        else:
            desc = ''
        titles.append(title)
        descriptions.append(desc)

    # 获取页面中的图片数量和大小
    images = []
    for page in pages:
        driver.get(page)
        soup = BeautifulSoup(driver.page_source, 'html.parser')
        img_tags = soup.find_all('img')
        img_count = len(img_tags)
        img_size = 0
        for img in img_tags:
            src = img.get('src')
            if src.startswith('http'):
                img_size += int(driver.execute_script("return fetch(arguments[0]).then(function(response){return response.blob();}).then(function(blob){return blob.size;});", src))
        images.append((img_count, img_size))

    # 获取页面加载时间和响应时间
    load_times = []
    response_times = []
    for page in pages:
        driver.get(page)
        load_time = driver.execute_script("return window.performance.timing.loadEventEnd - window.performance.timing.navigationStart;")
        response_time = driver.execute_script("return window.performance.timing.responseEnd - window.performance.timing.requestStart;")
        load_times.append(load_time)
        response_times.append(response_time)

    # 关闭浏览器
    driver.quit()

    # 生成网站地图
    sitemap = []
    for i in range(len(pages)):
        sitemap.append((pages[i], titles[i], descriptions[i], images[i], load_times[i], response_times[i]))

    return sitemap

website_url = "https://www.example.com"
sitemap = get_website_info(website_url)

# 输出网站地图
for page in sitemap:
    print(page[0], page[1], page[2], page[3], page[4], page[5])

该代码会从指定的网站URL开始，使用Selenium打开网站，并通过循环遍历网站的所有页面，找到页面中的所有链接，并生成页面列表和链接列表。接下来，代码会遍历页面列表，获取每个页面的标题和描述，并统计页面中包含的图片数量和大小。最后，代码会计算每个页面的加载时间和响应时间，并生成完整的网站地图。

在该代码中，我们使用了多个Selenium和BeautifulSoup的函数来实现各种功能。其中，driver.get()函数可以打开指定的网站页面，soup.find_all()和soup.find()函数在页面中搜索指定的HTML元素，img.get('src')获取图片的URL。另外，我们还使用了JavaScript脚本来获取图片的大小，这通过Selenium的execute_script()函数实现。

总的来说，这个任务是涉及到Python爬虫和自动化测试的操作，可以帮助初学者深入了解Python在这些领域的应用，并且可以提供一种实用的爬虫工具。

使用Python的Pillow库和OpenCV库对指定的图片进行处理和识别

针对当前任务，我们可以使用Python的Pillow库和OpenCV库进行图像处理和识别。以下是解决每个子任务的详细响应：

打开和显示图像

使用Pillow库的Image模块中的open()函数打开图像，并使用show()函数显示图像。代码示例：

from PIL import Image

img = Image.open('image.jpg')
img.show()

调整图像大小和比例

使用Pillow库的Image模块中的resize()函数调整图像大小。可以指定所需的宽度和高度，也可以指定百分比来调整大小。代码示例：

from PIL import Image

img = Image.open('image.jpg')
new_img = img.resize((800, 600))  # 调整为800x600的大小
new_img.show()

转换图像格式（如JPEG、PNG、BMP等）

使用Pillow库的Image模块中的save()函数将图像转换为指定格式。代码示例：

from PIL import Image

img = Image.open('image.jpg')
img.save('image.png')

图像增强和处理（如灰度化、二值化、滤波等）

使用OpenCV库中的函数实现图像增强和处理，具体可以使用cv2.cvtColor()函数进行灰度化处理，使用cv2.threshold()函数进行二值化处理，使用cv2.filter2D()函数进行滤波处理等。代码示例：

import cv2

img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 灰度化
ret, thres = cv2.threshold(gray, 127, 255, cv2.THRESH_BINARY)  # 二值化
kernel = np.ones((5, 5), np.float32) / 25  # 定义5x5的卷积核
blur = cv2.filter2D(img, -1, kernel)  # 滤波处理
cv2.imshow('gray', gray)
cv2.imshow('thres', thres)
cv2.imshow('blur', blur)
cv2.waitKey()
cv2.destroyAllWindows()

图像识别和分类（如人脸识别、文字识别等）

使用OpenCV库的人脸识别、文字识别等模块进行图像识别和分类。例如，可以使用cv2.CascadeClassifier()函数进行人脸识别。代码示例：

import cv2

face_cascade = cv2.CascadeClassifier('haarcascade_frontalface_default.xml')
img = cv2.imread('image.jpg')
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
for (x, y, w, h) in faces:
    cv2.rectangle(img, (x, y), (x+w, y+h), (255, 0, 0), 2)
cv2.imshow('image', img)
cv2.waitKey()
cv2.destroyAllWindows()

通过以上代码示例，我们可以使用Python的Pillow库和OpenCV库对指定的图片进行处理和识别，实现图像增强和处理、图像识别和分类等功能。这有助于初学者深入了解Python在图像处理和计算机视觉领域的应用，并提供一种实用的图像处理工具。

通过Python的Selenium和ChromeDriver对特定网站进行自动化测试

测试报告应该包括测试结果的总结、错误详细信息以及建议的改进措施。该任务旨在让初学者了解Python在自动化测试领域的应用，并为他们提供一种实用的自动化测试工具。

使用Python的Selenium库和ChromeDriver进行自动化测试的步骤如下：

安装Selenium和ChromeDriver

首先需要安装Selenium库和ChromeDriver。可以使用pip命令来安装Selenium库，然后去Chrome官网下载对应版本的ChromeDriver，将其解压并将路径配置到系统环境变量中。

导入Selenium库和其他相关库

在Python脚本中，需要导入Selenium库以及其他可能需要使用的库，例如time库用于等待页面加载。

创建ChromeDriver实例

使用Selenium的webdriver模块创建一个ChromeDriver实例。代码示例：

from selenium import webdriver

driver = webdriver.Chrome()

打开网页

使用ChromeDriver实例的get()方法打开要测试的网页。代码示例：

driver.get("https://www.example.com")

进行测试

按照任务要求进行测试，包括测试网页元素加载速度、网页响应时间、链接的正确性、表单的填写和提交等。可以使用Selenium的各种功能和方法来模拟用户操作，例如find_element()方法来查找网页元素，send_keys()方法来填写表单，click()方法来点击提交按钮等。代码示例：

# 查找并测试网页元素加载速度
element = driver.find_element_by_tag_name('div')
print("Element Loaded in:")
print(element.value_of_css_property('display'))

# 测试网页响应时间
start_time = time.time()
driver.get("https://www.example.com")
end_time = time.time()
print("Response Time:")
print(end_time - start_time)

# 测试链接的正确性
link_element = driver.find_element_by_link_text('Example Link')
link_element.click()
assert driver.current_url == 'https://www.example.com/links'

# 测试表单的填写和提交
input_element = driver.find_element_by_name('username')
input_element.send_keys('example@example.com')
submit_button = driver.find_element_by_css_selector('button[type="submit"]')
submit_button.click()

生成测试报告

根据测试结果生成测试报告，包括测试结果的总结、错误详细信息以及改进措施的建议。可以使用Python的文件操作功能将测试报告保存到文件中，或者使用第三方库来生成更美观的测试报告。

关闭浏览器

完成所有测试后，关闭ChromeDriver实例。代码示例：

driver.quit()

通过以上步骤，我们可以使用Python的Selenium库和ChromeDriver实现对特定网站的自动化测试，并生成相应的测试报告。这有助于初学者深入了解Python在自动化测试领域的应用，并且提供了一种实用的自动化测试工具。

Python中的Web框架

Django

路由定义

模板渲染

连接数据库

Flask

路由定义

模板渲染

部署

Python中的机器学习和计算机视觉库

TensorFlow

Python 新技术实践

使用Python的BeautifulSoup和Selenium自动化测试框架对一个网站进行爬取

使用Python的Pillow库和OpenCV库对指定的图片进行处理和识别

打开和显示图像

调整图像大小和比例

转换图像格式（如JPEG、PNG、BMP等）

图像增强和处理（如灰度化、二值化、滤波等）

图像识别和分类（如人脸识别、文字识别等）

通过Python的Selenium和ChromeDriver对特定网站进行自动化测试

安装Selenium和ChromeDriver

导入Selenium库和其他相关库

创建ChromeDriver实例

打开网页

进行测试

生成测试报告

关闭浏览器

发送评论 编辑评论

推荐文章

发送评论编辑评论