用Python制作一个颜值打分器,看看你女盆友们颜值多少分

先给大家看一下效果:

因为没有女朋友(懂的都懂),所以只能找一些女朋友的照片啦~

先获取一些漂亮女朋友照片

然后在根据照片进行颜值排名打分

来让我们看一下第一名的女朋友的颜值

第一名:颜值评分是94.69分的女朋友

最后一名:颜值评分是22.84分的女朋友

怎么感觉有点翻车,这个评分机制都点拉垮!

也可能是她的手挡住了脸,拉低的评分!

好!废话不多说,正式开始~

需要的环境与模块

[开发环境]:

  • Python 3.8
  • Pycharm 2021.2
  • 会使用API接口 百度云接口

[模块使用]:

  • requests
  • tqdm
  • os
  • base64

模块安装问题:

实现步骤

一. 数据来源分析

女盆友们照片, 照片url地址 可以从哪里获取

通过网页上面开发者工具进行抓包分析

二. 代码实现步骤 发送请求 >>> 获取数据 >>> 解析数据 >>> 保存数据

  1. 发送请求, 对于 https://www.huya.com/g/2168 发送请求 列表页面
  2. 获取数据, 获取服务器返回的响应数据 response
  3. 解析数据, 提取我们想要数据内容 主播名字 主播封面图url地址
  • json数据 可以直接处理
  • re正则表达式提取
  • 根据标签节点/属性提取内容:
  • xpath
  • css选择器

4.保存数据, 图片内容保存到本地文件夹

三.颜值检测

对于我们保存下来照片, 进行颜值检测评分

代码实现

-END-


学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后给大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

包括:Python激活码+安装包、Python web开发,Python爬虫,Python数据分析,人工智能、机器学习、自动化测试带你从零基础系统性的学好Python!

👉[CSDN大礼包:《python安装工具&全套学习资料》免费分享]安全链接,放心点击

👉Python学习大礼包👈

在这里插入图片描述

👉Python学习路线汇总👈

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。(全套教程文末领取哈)
在这里插入图片描述

👉Python必备开发工具👈

在这里插入图片描述

温馨提示:篇幅有限,已打包文件夹,获取方式在:文末

👉Python实战案例👈

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

在这里插入图片描述

👉Python书籍和视频合集👈

观看零基础学习书籍和视频,看书籍和视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

👉Python面试刷题👈

👉Python副业兼职路线👈

在这里插入图片描述
在这里插入图片描述
这份完整版的Python全套学习资料已经上传CSDN,朋友们如果需要可以点击链接免费领取或者保存图片到wx扫描二v码免费领取保证100%免费

👉[CSDN大礼包:《python安装工具&全套学习资料》免费分享]安全链接,放心点击

  • 13
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
要实现Python识别人脸颜值打分,可以使用OpenCV和Dlib这两个库。首先利用Dlib库中的人脸检测检测出人脸,然后使用OpenCV中的颜色空间转换和直方图均衡化等技术对图像进行预处理,最后使用已经训练好的颜值评分模型对人脸进行评分。 以下是一个简单的Python代码示例: ```python import cv2 import dlib # 加载人脸检测颜值评分模型 detector = dlib.get_frontal_face_detector() predictor = dlib.shape_predictor("shape_predictor_68_face_landmarks.dat") model = cv2.ml.SVM_load("beauty_svm_model.xml") # 加载图片 img = cv2.imread("test.jpg") # 灰度转换 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 检测人脸 faces = detector(gray) # 遍历每张人脸 for face in faces: # 获取面部特征点 landmarks = predictor(gray, face) # 提取特征 features = [] for i in range(17, 68): features.append((landmarks.part(i).x, landmarks.part(i).y)) # 计算矩形框大小 x, y, w, h = cv2.boundingRect(np.array(features)) # 裁剪人脸图像 face_img = img[y:y+h, x:x+w] # 图像预处理 face_img = cv2.cvtColor(face_img, cv2.COLOR_BGR2GRAY) face_img = cv2.equalizeHist(face_img) face_img = cv2.resize(face_img, (128, 128)) # 特征向量化 feature_vector = face_img.reshape(1, -1) # 预测颜值 score = model.predict(feature_vector)[1][0] # 打印颜值 print("颜值评分:", score) ``` 注意:这是一个简单的示例,实际中需要更多的数据和更复杂的模型来提高准确性。同时,需要注意保护用户隐私,不要将用户的照片和颜值评分信息泄露出去。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值