python实战之用emoji表情生成文字

 更新时间:2021年05月08日 10:41:09   作者:x670127565  
这篇文章主要介绍了python实战之用emoji表情生成文字,文中有非常详细的代码示例,对正在学习python的小伙伴们有很好地帮助,需要的朋友可以参考下

一、前言

昨夜刷b站的时候,看到了一条评论,形式如下图,于是心血来潮写了个python脚本,可以根据文字来生成这种由emoji拼接成的“文字”。

二、思路

代码的思路极其简单,这种形式的“文字”可以理解为一张黑白图片,图中的白色使用一种emoji表情代替,黑色使用另一种emoji代替。那么想要生成这种“文字”,则我们只需要两步即可,第一步是根据输入文字得到一张图,第二步则是遍历这张图片,当前像素的颜色为黑色时我们输出🇨🇳表情,为白色时输出✨b表情。在网上简单搜索了一下,PIL中的ImageDraw类型含有text方法用于生产文字图片,本脚本即采用该方法实现。

三、代码

脚本代码如下,各种注意事项均已在代码注释中写明。

# coding=utf-8
from PIL import Image, ImageFont, ImageDraw
import numpy as np
 
def getTextImage(text, fontFilePath = None, fontSzie = 10):
    #此处踩坑,truetype方法必须传入字体文件路径,传入None会报错
    font = ImageFont.truetype(fontFilePath, fontSzie, encoding='unic')
    #此处踩坑,在生成图片的文字为多行文字时,getsize方法返回的宽高会交换,具体什么原因未知,但是这么写就是对的
    height,width = font.getsize(text)
    #此处踩坑,getsize方法返回的高度在有些情况下可能不够长 因此将高度拓展为原来的1.2倍
    height = int(height * 1.2)
    #生成一张黑白纹理
    img = Image.new("1", (width, height))
    draw = ImageDraw.Draw(img)
    #textsize方法同样可以得到要生成的文字的大小 该大小更为准确  那么为啥不用这个大小直接生成图片呢 存疑
    w,h = draw.textsize(text, font)
    #渲染文字, 第一个参数是offset,此处传入的值是为了让渲染的文字居于图片的中心
    draw.text(((width - w) / 2 ,(height - h) /2 ), text, font = font, fill='red', align='center')
    # img.show()
    return img
 
 
def getEmojiTextFromPureText(text):
    #在输入的文字中插入换行符,以得到竖排文字
    mutilLineText = ''
    lens = len(text)
    for i in range(lens):
        mutilLineText += text[i]
        if i != lens - 1:
            mutilLineText += '\n'
    #此处踩坑 在mac上有些字体生成汉字是会乱码,经本人尝试,simsun.ttc字体和Hiragino Sans GB.ttc字体均可生成中文图片,其余的不知道哪种字体可行
    img = getTextImage(mutilLineText, '/Users/xiaoyi/Downloads/simsun.ttc', fontSzie= 11)
 
    #将PIL的Image转为np的array 遍历图片输出即可
    array = np.array(img)
    height,width  = array.shape
    for j in range(height):
        for i in range(width):
            if array[j][i] :
                print('🇨🇳', end = '') #传入end参数,用于指定不换行
            else:
                print('✨', end = '')
        print('')
 
getEmojiTextFromPureText('全世界无产者联合起来')

四、效果

使用该脚本生成“文字”效果如下:

✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳✨
✨✨🇨🇳✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨🇨🇳✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨🇨🇳✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳✨✨
✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳✨
✨🇨🇳🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨
✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨🇨🇳✨✨
✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨
✨✨✨✨✨✨✨✨🇨🇳✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳🇨🇳✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨
✨🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳✨✨✨✨✨✨✨🇨🇳🇨🇳✨
✨✨✨✨✨✨🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨🇨🇳🇨🇳🇨🇳✨
✨🇨🇳🇨🇳✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨🇨🇳✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨
✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨✨🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨🇨🇳✨🇨🇳✨✨✨✨🇨🇳✨✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨✨✨✨
✨✨✨🇨🇳✨✨🇨🇳✨✨🇨🇳✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨✨🇨🇳✨✨🇨🇳🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨🇨🇳✨✨✨🇨🇳✨✨✨✨🇨🇳✨✨✨✨✨🇨🇳✨✨
✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨🇨🇳✨🇨🇳✨🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨✨
✨🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨✨✨✨
✨🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨✨✨✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳✨✨✨
✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨✨
✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨✨🇨🇳🇨🇳✨✨🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨🇨🇳✨✨✨✨🇨🇳✨✨
✨🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳🇨🇳✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨🇨🇳🇨🇳🇨🇳🇨🇳✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨🇨🇳✨🇨🇳🇨🇳✨🇨🇳✨✨✨✨✨✨✨
✨✨✨✨✨✨🇨🇳✨✨🇨🇳🇨🇳✨✨🇨🇳✨✨✨✨✨✨
✨✨✨✨✨🇨🇳✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳✨✨✨✨✨
✨✨✨✨🇨🇳✨✨✨✨🇨🇳🇨🇳✨✨✨🇨🇳🇨🇳🇨🇳✨✨✨
✨✨✨🇨🇳✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨🇨🇳🇨🇳🇨🇳✨
✨🇨🇳🇨🇳✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨🇨🇳🇨🇳✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨
✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨✨

五、遗留问题

该脚本中有几个遗留的小问题:

1.因为在手机微信中发送消息时会将过长的消息自动换行,所以脚本中将fontSize指定为11,但是这样生成出来的文字分辨率很低,面对一些复杂的问题时,最终得到的结果会难以辨识。

2.因为将长度扩展了1.2倍,所以生成出来的结果中在上下两侧会冗余一些无用的emoji表情。

3.本脚本并未将结果输出至文本中,仅在控制台打印 使用或有不便。

到此这篇关于python实战之用emoji表情生成文字的文章就介绍到这了,更多相关python用emoji表情生成文字内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • 利用pandas按日期做分组运算的操作

    利用pandas按日期做分组运算的操作

    这篇文章主要介绍了利用pandas按日期做分组运算的操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2021-03-03
  • python requests实现上传excel数据流

    python requests实现上传excel数据流

    这篇文章主要介绍了python requests实现上传excel数据流,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2022-02-02
  • python关于逆序输出留空格的方法解读

    python关于逆序输出留空格的方法解读

    这篇文章主要介绍了python关于逆序输出留空格的方法,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2024-02-02
  • python区分不同数据类型的方法

    python区分不同数据类型的方法

    这篇文章主要介绍了python区分不同数据类型的方法实例以及相关知识点,需要的朋友们学习下。
    2019-10-10
  • python Opencv计算图像相似度过程解析

    python Opencv计算图像相似度过程解析

    这篇文章主要介绍了python Opencv计算图像相似度过程解析,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-12-12
  • Python3.10新特性之match语句示例详解

    Python3.10新特性之match语句示例详解

    这篇文章主要为大家介绍了Python3.10新特性之match语句示例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
    2023-02-02
  • python实现发送form-data数据的方法详解

    python实现发送form-data数据的方法详解

    这篇文章主要介绍了python实现发送form-data数据的方法,结合实例形式分析了Python发送form-data数据的相关操作步骤、实现方法与注意事项,需要的朋友可以参考下
    2019-09-09
  • 详解Python3网络爬虫(二):利用urllib.urlopen向有道翻译发送数据获得翻译结果

    详解Python3网络爬虫(二):利用urllib.urlopen向有道翻译发送数据获得翻译结果

    这篇文章主要介绍了Python3网络爬虫(二):利用urllib.urlopen向有道翻译发送数据获得翻译结果,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2019-05-05
  • PyTorch手写数字数据集进行多分类

    PyTorch手写数字数据集进行多分类

    这篇文章主要介绍了PyTorch手写数字数据集进行多分类,损失函数采用交叉熵,激活函数采用ReLU,优化器采用带有动量的mini-batchSGD算法,需要的朋友可以参考一下
    2022-03-03
  • python中matplotlib调整图例位置的方法实例

    python中matplotlib调整图例位置的方法实例

    在matplotlib中,一般图例默认是在图表内部的,如果要放置到图例外面,需要对坐标进行指定,下面这篇文章主要给大家介绍了关于python中matplotlib调整图例位置的相关资料,需要的朋友可以参考下
    2022-06-06

最新评论