微信好友码url

准备工作

首先需要了解二维码，二维码即保存数据的一个容器。微信自己让别人添加好友的二维码同样如此，我们需要把url从微信的二维码中提取出来，在加入到自己准备的背景中。完成~

需要的库

MyQR，pyzbar，PIL (在python 3.0以上版本 不支持zbar，所以我们使用pyzbar)

pip install MyQR

pip install pyzbar

pip install PIL

*** 作步骤

1、选择自己需要的背景图

2、把原版微信添加好友的二维码保存到手机

3、py文件根目录下创建三个文件夹保存，解析，图片分别在解析和图片中放出2、1、步骤找到的图片

解析

import pyzbar.pyzbar as pyzbar

from PIL import Image

# 打开含有二维码的图片

img = Image.open(r'D:\python\二维码\解析\1.jpg').convert('L')

#获取图片的尺寸

width, height = img.size

print('图片大小:',img.size)

barcodes = pyzbar.decode(img)

for barcode in barcodes:

barcodeData = barcode.data.decode("utf-8")

print(barcodeData)

barcoderect=barcode.rect

qr_size=list(barcoderect)

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

运行结果：

图片大小: (1080, 2220)

https://u.wechat.com/IP_UrJFB0Hd6xnFG52eQpAI

制作

代码如下：

from MyQR import myqr

myqr.run(words="https://u.wechat.com/IP_UrJFB0Hd6xnFG52eQpAI",

version=5,

picture=r'D:\\python\\二维码\图片\1.png',

colorized=True,

save_name="33.png",

save_dir="D:\python\二维码\保存")

1

2

3

4

5

6

7

1

2

3

4

5

6

7

等待输出。

朋友圈很多人都想学python，有一个很重要的原因是它非常适合入门。对于 人工智能算法 的开发，python有其他编程语言所没有的独特优势， 代码量少 ，开发者只需把精力集中在算法研究上面。

本文介绍一个用python开发的，自动与美女尬聊的小软件。以下都是满满的干货，是我工作之余时写的，经过不断优化，现在分享给大家。那现在就让我们抓紧时间开始吧！

准备：

编程工具IDE：pycharm

python版本： 3.6.0

首先新建一个py文件，命名为：ai_chat.py

PS： 以下五步的代码直接复制到单个py文件里面就可以直接运行。为了让读者方便写代码，我把代码都贴出来了，但是排版存在问题，我又把在pycharm的代码排版给截图出来。

第一步： 引入关键包

简单介绍一下上面几个包的作用： pickle 包 是用来对数据序列化存文件、反序列化读取文件，是人类不可读的，但是计算机去读取时速度超快。（就是用记事本打开是乱码）。 而 json包 是一种文本序列化，是人类可读的，方便你对其进行修改（记事本打开，可以看到里面所有内容，而且都认识。） gensim 包 是自然语言处理的其中一个python包，简单容易使用，是入门NLP算法必用的一个python包。 jieba包 是用来分词，对于算法大咖来说效果一般般，但是它的速度非常快，适合入门使用。

以上这些包，不是关键，学习的时候，可以先跳过。等理解整个程序流程后，可以一个一个包有针对性地去看文档。

第二步：静态配置

这里path指的是对话语料（训练数据）存放的位置，model_path是模型存储的路径。

这里是个人编程的习惯，我习惯把一些配置，例如：文件路径、模型存放路径、模型参数统一放在一个类中。当然，实际项目开发的时候，是用config 文件存放，不会直接写在代码里，这里为了演示方便，就写在一起，也方便运行。

第三步： 编写一个类，实现导数据、模型训练、对话预测一体化

首次运行的时候，会从静态配置中读取训练数据的路径，读取数据，进行训练，并把训练好的模型存储到指定的模型路径。后续运行，是直接导入模型，就不用再次训练了。

对于model类，我们一个一个来介绍。

initialize() 函数和 __init__() 函数 是对象初始化和实例化，其中包括基本参数的赋值、模型的导入、模型的训练、模型的保存、最后返回用户一个对象。

__train_model() 函数，对问题进行分词，使用 gesim 实现词袋模型，统计每个特征的 tf-idf , 建立稀疏矩阵，进而建立索引。

__save_model() 函数 和 __load_model() 函数 是成对出现的，很多项目都会有这两个函数，用于保存模型和导入模型。不同的是，本项目用的是文件存储的方式，实际上线用的是数据库

get_answer() 函数使用训练好的模型，对问题进行分析，最终把预测的回答内容反馈给用户。

第四步：写三个工具类型的函数，作为读写文件。

其中，获取对话材料，可以自主修改对话内容，作为机器的训练的数据。我这里只是给了几个简单的对话语料，实际上线的项目，需要大量的语料来训练，这样对话内容才饱满。

这三个工具函数，相对比较简单一些。其中 get_data() 函数，里面的数据是我自己编的，大家可以根据自己的习惯，添加自己的对话数据，这样最终训练的模型，对话方式会更贴近自己的说话方式。

第五步： 调用模型，进行对话预测

主函数main()， 就是你整个程序运行的起点，它控制着所有步骤。

运行结果：

程序后台运行结果：

如果有疑问想获取源码（ 其实代码都在上面 ），可以后台私信我，回复：python智能对话。 我把源码发你。最后，感谢大家的阅读，祝大家工作生活愉快！

安装模块

1.生成微信对象

bot = Bot() #初始化一个对象，就相当于拿到了这个人的微信，后续的一些 *** 作都要用它来完成

2.分别找到微信对象的好友，聊天对象，朋友，群组，公众号

friends = bot.friends() # 获取朋友

chats = bot.chats() # 获取聊天对象

groups = bot.groups() #获取群聊

maps = bot.maps() #获取公众号

拿到的都是列表 如果要取到对象加上角标[0] 但是这样很麻烦 推荐方法，这样写

ensure_one(bot.groups().search('东宝中学优秀校友群'))

3. 查找某个好友

friend = bot.friends().search('袁勇')[0]

4.向好友发送消息

5.统计微信好友的信息，比如男女比例，地域分配，等等

bot.friends().stats_text()

6.监听群里面某个人的消息

7.接入图灵机器人 让机器人来回复好友信息

8.设置最大保存信息条数，并且可以搜索

9.用微信监控你的程序

1.获得专用logger

2.指定一个群为消息接受者

3.将异常消息发送到指定对象那里

---