前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >提高效率必备之 Python 办公黑科技!

提高效率必备之 Python 办公黑科技!

作者头像
sergiojune
发布于 2021-08-12 03:45:34
发布于 2021-08-12 03:45:34
459010
代码可运行
举报
文章被收录于专栏:日常学python日常学python
运行总次数:10
代码可运行

学习 Python 这么久了,今天我们来聊聊如何利用 Python 提升办公效率,在工作中提升工作效率的同时也让提升自己的专项技能,让自己的成神之路越来越近!废话不多说啦,请上才艺!

Python 打怪兽之计算中文字数

在平时的工作中,有时候需要统计某些文件的字符数,既然都学会了 Python 技能,咱们就用技术来解决工作中所遇的问题,安排上:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
#coding:utf-8
import re
#读取目标文本文件
def get_str(path):
    f = open(path)
    data = f.read()
    f.close()
    return data
# 输入目标路径
path=input("请输入文件路径:")

word=re.findall('([\u4e00-\u9fa5])',get_str(path))

# 计算出特殊字符外的字数
print("中文字符,除特殊字符外共:",len(word))

文本:

运行效果如下:

Python 打怪兽之提取文本中手机号

在平时的工作中,有时候可能也需要根据一个文本的内容提取手机号或者邮箱,又或者是其他内容,这时候咱们学习 Python 的技能就派上了用场,运用的也都是 Python 基础知识,思路是:读取文件-->提取手机号-->写入文本-->写入Excel

将提取的手机号存入txt

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import re

#读取目标文本文件
def get_str(path):
    f = open(path,encoding="utf-8")
    data = f.read()
    f.close()
    return data

# 正则获取文本号码
def get_phone_number(str):
    res = re.findall(r'(13\d{9}|14[5|7]\d{8}|15\d{9}|166{\d{8}|17[3|6|7]{\d{8}|18\d{9})', str)
    return res

#保存得到号码
def save_res(res,save_path):
    save_file = open(save_path, 'w')
    for phone in res:
        save_file.write(phone)
        save_file.write('\n')
    save_file.write('\n号码共计:'+str(len(res)))
    save_file.close()
    print('号码读取OK,号码共计:'+str(len(res)))

if __name__ == '__main__':
    path=input("请输入文件路径:")
    save_path=input("请输入文件保存路径:")
    #read_str=get_str(path)
    res=get_phone_number(get_str(path))
    save_res(res,save_path)

运行效果如下:

写出文件内容如下:

将提取的手机号存入 Excel

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
#coding:utf-8
import xlwt

#读取目标文本文件
def get_str(path):
    f = open(path, encoding="utf-8")
    data = f.read()
    f.close()
    return data


def save_excel(save_path,sheetname,column_name_list,read_list):
    workbook = xlwt.Workbook()

    sheet1 = workbook.add_sheet(sheetname=sheetname)

    for i in range(0,len(column_name_list)):
        sheet1.write(0,i,column_name_list[i])
        i = 1
        for v in read_list:
            kval = v.split(':')
            for j in range(0, len(kval)):
                sheet1.write(i + 1, j, kval[j])
                print(kval[j])
            i = i + 1
#保存为Excel文件
def save_excel(save_path,sheetname,column_name_list,read_list):
    workbook = xlwt.Workbook()
    sheet1 = workbook.add_sheet(sheetname=sheetname)
    for i in range(0,len(column_name_list)):
        sheet1.write(0,i,column_name_list[i])
    i=1
    for v in read_list:
        kval=v.split(':')
        for j in range(0,len(kval)):
            sheet1.write(i+1,j,kval[j])
        i=i+1
    workbook.save(save_path)
    print('信息保存 OK,记录条数共计:'+str(len(read_list)))

if __name__ == '__main__':
    path = input("请输入文件路径:")
    save_path = input("请输入文件保存路径:")
    sheet_name = input("请输入sheetname:")
    column_name = input("请输入列名,并且使用英文逗号隔开:")
    column_name_list = column_name.split(',')

    read_str = get_str(path)
    read_list = read_str.split('\n')
    save_excel(save_path, sheet_name, column_name_list, read_list)
    

运行效果如下:

写出文件内容如下:

总结

如果学习了某一项技能,在日常的工作或者生活中,我们应该好好利用已学习的技能为我们排忧解难,让所学知识运用到工作或者生活中,这样才能提高学习和工作效率,每个人都有属于自己学习或工作方式,所谓学以致用,希望今天的文章对大家有所帮助!

END

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-08-09,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 日常学python 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
教程 | OpenCV深度神经网络实现人体姿态评估
OpenCV自从发布了DNN模块之后,就开始以开挂的方式支持各种深度学习预训练模型的调用,DNN模块的全称为深度神经网络,但是并不是所有深度学习模型导出到OpenCV DNN模块中都可以使用,只有那些OpenCV声明支持的层与网络模型才会被DNN模块接受,当期OpenCV支持的模型与层类型可以在下面链接中找到相关文档
OpenCV学堂
2018/12/05
1.3K0
用 Python 实现抖音尬舞机
如今说到体感游戏,大家一定都不陌生,比如微软的 Kinect、任天堂的 Switch,都曾是游戏业的革命性产品。而另一款网红产品—抖音,也在去年底上线过一个“尬舞机”的音乐体感游戏(现在成了隐藏功能):
Crossin先生
2018/11/23
1.5K0
基于 OpenCV 和 OpenPose 的棒球挥杆人体姿势估计
人体姿态估计是一个非常有趣的领域,如果我们能够将诸如棒球摆动或投球等运动的人体姿势量化为数据,那么我们或许能够将数据转化为有用的见解,例如伤害预防或高级训练。
小白学视觉
2021/12/09
1.8K0
基于 OpenCV 和 OpenPose 的棒球挥杆人体姿势估计
OpenPose 基于OpenCV DNN 的单人姿态估计
原文: OpenPose 基于OpenCV DNN 的单人姿态估计 - AIUAI
AIHGF
2019/04/01
3.5K0
OpenPose 基于OpenCV DNN 的单人姿态估计
OpenPose 基于OpenCV DNN 的多人姿态估计
原文: OpenPose 基于OpenCV DNN 的多人姿态估计 - AIUAI
AIHGF
2019/04/01
5.1K4
OpenPose 基于OpenCV DNN 的手部关键点检测
原文:OpenPose 基于OpenCV DNN 的手部关键点检测 - AIUAI
AIHGF
2019/06/14
3.6K0
Openpose+Tensorflow 这样实现人体姿态估计 | 代码干货
人体姿态估计指从单个 RGB 图像中精确地估计出人体的位置以及检测骨骼关键点的位置。人体姿态估计是计算机视觉领域的研究热点,是诸多计算机视觉任务的基础,如动作分类、异常行为检测、自动驾驶等。
AI科技大本营
2021/07/12
3.6K1
OpenPose: Keypoint Detection And Multi-Threading C++ Library
https://github.com/CMU-Perceptual-Computing-Lab/openpose
CreateAMind
2018/07/24
3.1K0
OpenPose: Keypoint Detection And Multi-Threading C++ Library
使用OpenCV对运动员的姿势进行检测
如今,体育运动的热潮日益流行。同样,以不正确的方式进行运动的风险也在增加。有时可能会导致严重的伤害。考虑到这些原因,提出一种以分析运动员的关节运动,来帮助运动员纠正姿势的解决方案。
小白学视觉
2020/09/04
1.8K0
最新姿态估计研究进展
最新姿态估计研究进展 自上而下:就是先检测包含人的框,即human proposal,然后对框子中的人进行姿态估计。一般RCNN(区域CNN就是这个思路) 自下而上:先检测keypoint,然后根据热力图、点与点之间连接的概率,根据图论知识,基于PAF(部分亲和字段)将关键点连接起来,将关键点分组到人。 1、CMU:openpose 研究多人的姿态估计 运行环境:caffe 自下而上, 关键点被分组到人的实例 时间:2.8-3.4fps 开源,Github: https://github.com/CMU-P
微风、掠过
2018/04/10
2.2K0
关键点定位︱四款人体姿势关键点估计论文笔记
版权声明:博主原创文章,微信公众号:素质云笔记,转载请注明来源“素质云博客”,谢谢合作!! https://blog.csdn.net/sinat_26917383/article/details/79704097
悟乙己
2019/05/26
2.8K0
OpenPose 升级,CMU提出首个单网络全人体姿态估计网络,速度大幅提高
昨天,曾经开源OpenPose的卡内基梅隆大学(CMU)公布了ICCV 2019 论文 Single-Network Whole-Body Pose Estimation,提出一种在单一网络实现全人体姿态估计的算法,相对OpenPose大幅提高了速度。
CV君
2019/12/27
3.3K0
人体姿态估计的过去、现在和未来
因为在ICIP2019上面和两位老师搞了一个关于人体姿态估计以及动作行为的tutorial,所以最近整理了蛮多人体姿态估计方面的文章,做了一个总结和梳理,希望能抛砖引玉。
AI科技大本营
2019/10/13
1.3K0
Github 项目 - OpenPose 关键点输出格式
[4] - Rendering Face and Hands Without Pose:
AIHGF
2019/02/27
8.4K1
Github 项目 - OpenPose 关键点输出格式
基于 Openpose 实现人体动作识别
伴随着计算机视觉的发展和在生活实践中的广泛应用,基于各种算法的行为检测和动作识别项目在实践中得到了越来越多的应用,并在相关领域得到了广泛的研究。在行为监测方面,不仅仅有通过图形、温湿度、声音等信息进行蜂群行为的监测,同时更多的应用是集中在人类行为监测上。而人体姿态识别作为行为监测重要参考依据在视频捕捉、计算机图形学等领域得到了广泛应用。其中传统的人体姿态识别方法有RMPE模型和Mask R-CNN模型,它们都是采用自顶向下的检测方法,而Openpose作为姿态识别的经典项目是采用的自底向上的检测方法,主要应用于行为监测、姿态纠正、动作分类,在智能家居、自动驾驶、智能监控等领域局具有重要的研究意义和应用价值。
AI科技大本营
2021/09/27
6.5K0
博客 | Github开源人体姿态识别项目OpenPose中文文档
人体姿态识别与估计的应用场景:抖音尬舞机、体育动作教学、3D健身教练、3D试衣、绘画辅助、游戏人物动作采集。
AI研习社
2018/12/18
10.6K1
博客 | Github开源人体姿态识别项目OpenPose中文文档
openpose模型在AI challenge人体骨骼关键点检测的表现
因为之前正好看了CMU在CVPR2017上的论文《Realtime Multi-Person 2D Pose Estimation using Part Affinity Fields》,而且他们提供了训练好的模型。所以就直接用CMU训练的模型在AI challenge的数据集上做了测试。最后没有使用AI challenge训练集训练的模型在AI challenge上的得分是0.1667,可以看作是一个baseline。
用户7043923
2020/03/12
1.2K0
ECCV 2018丨YOLO遇上OpenPose,近200FPS的高帧数多人姿态检测
这是今年ECCV上的一篇名为《Pose Proposal Networks》的论文,作者是日本柯尼卡美能达公司的関井大気(Taiki SEKII),结合了去年CVPR上的YOLO和CMU的OpenPose,创造出的新方法,能够实现高帧数视频中的多人姿态检测。
量子位
2018/09/29
1.9K0
ECCV 2018丨YOLO遇上OpenPose,近200FPS的高帧数多人姿态检测
人体姿态估计--RMPE: Regional Multi-Person Pose Estimation
RMPE: Regional Multi-Person Pose Estimation ICCV2017 Code is based Caffe and Torch! https://github.com/MVIG-SJTU/RMPE https://github.com/MVIG-SJTU/AlphaPose
用户1148525
2019/05/26
1.6K0
DeepCut及DeeperCut:基于Tensorflow的人体姿态估计
sparkexpert
2018/01/09
2.1K0
DeepCut及DeeperCut:基于Tensorflow的人体姿态估计
推荐阅读
相关推荐
教程 | OpenCV深度神经网络实现人体姿态评估
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档