python自動翻譯的案例
python3.8批量自動翻譯英文文件夾和文件名 ￥6
原始文件
翻譯后
數據分析與AI｜面對 RapidMiner 一萬多行漢化翻譯難題：中國工程師如何直接實現自動翻譯？
為了能讓國內客戶有更好的使用體驗，中國工程師們通常會被要求將產品中成千上萬的英文進行漢化翻譯，這讓工程師們倍感壓力。
Altair? RapidMiner? 作為廣受歡迎的數據分析與人工智能平臺，經常面臨產品更新需求。每次需要對RapidMiner 進行更新，外國同事一句“Can you localize it into Chinese?”, 就會讓中國工程師開始心跳加速、頭皮發麻。
RapidMiner 產品里有上百個模塊、成千上萬個參數說明，難道都要人工一點點復制翻譯？別鬧了，數據科學家們都快笑出聲：“我們搞 AI 的，翻譯還手動？”
好在我們用的是 RapidMiner，這才是今天的主角。
無需寫代碼，RapidMiner模塊就能自動翻譯
RapidMiner 的強大之處不止是自動建模、數據清洗，而在于——你可以像搭積木一樣連接模型服務，哪怕是如自然語言處理、翻譯、多語言文本生成等復雜場景，RapidMiner 也能優雅解決。
比如現在，我們只需拖幾個模塊，連上翻譯模型，就能批量把英文界面秒變中文。
模塊名稱、說明文字、提示語句，通通自動翻譯，中國工程師用國內網站即可輕松實現。
怎么實現的？只需要3個模塊 + 1個模型：
1. “Read Excel”模塊：讀取英文模塊信息
2. “Translation”模塊：直接接入翻譯模型，（有條件的可以直連HuggingFace）
3. “Write Excel”模塊：輸出中文版本文檔，直接寫進表格
整個流程全程可視化配置，0 行代碼，每個動作都可追溯、調試、復用，實現真正的企業級翻譯流程自動化。
一萬多行待翻譯文檔，放那不管，讓它跑。跑完結果如下圖，整體翻譯效果是比較理想的！
展開 Python實用案例，Python腳本，Python實現文件自動歸類
前言：
今天我們就利用Python腳本實現文件自動歸類吧。直接開整~
如果有正在跟我一樣的自學的朋友，需要我本篇的代碼或者其他的Python學習資料可以加Python新手學習交流群：594356095添加助理直接獲取
預備知識
這個腳本實現比較簡單，我把涉及的知識點列了出來。
1、相對路徑、絕對路徑，絕對路徑就是最完整的路徑。
'D:/code/gitpython.py'
相對路徑的相對指的就是相對于當前文件夾路徑，就是你編寫的這個py文件所放的文件夾路徑。
'gitpython.py' 或者 './gitpython.py'
2、os模塊和shutil模塊
os.listdir(path)path--需要列出的目錄路徑
import os
# 打開文件
path = ".
展開 Python實戰案例，cv2模塊，Python識別圖形驗證碼實現自動登陸！
首先使用selenium自動點擊登陸按鈕。
到登陸界面后，利用selenium自動輸入用戶名，密碼，對驗證碼區域進行截圖。而后對驗證碼截圖進行處理，最后成功獲取驗證碼。
這里為什么是截圖呢，原因是驗證碼圖片一直在變化。比如說我現在復制這個8863驗證碼的圖片鏈接，在新的標簽頁打開，會發現驗證碼改變了，不是8863，而是另外一張驗證碼圖片。那么我們通過獲取當前頁面的驗證碼鏈接，從而來獲取驗證碼圖片，這種方法肯定是不可行的。
通過查閱相關資料，知道了帶cookies訪問驗證碼鏈接頁面，能夠成功解決這個問題。不過由于相關的庫沒導入成功，也就放棄了。等下回做驗證碼機器學習的時候，再給予解決。
展開 
Python爬蟲實戰，selenium模塊，Python全自動下載抖音視頻
UP主的主頁圖漏了，請自行腦補，Python代碼如下。
Python實用案例，Python腳本實現自動監測Github項目并打開網頁
前言：
今天我們就利用Python腳本實現Github項目的更新，提醒方式是郵箱。直接開整~
如果有正在跟我一樣的自學的朋友，需要我本篇的代碼或者其他的Python學習資料可以添加衛星小助手：ilove-python直接獲取
項目地址：
https://github.com/kenwoodjw/python_interview_question
實現過程
獲取數據
Github官方提供了詳細的數據接口，并且數據是以Json字符串的方式保存的。項目的數據地址：
https://api.github.com/repos/kenwoodjw/python_interview_question
每一個項目的數據地址，類似于本地磁盤目錄。
我們通過數據接口的url地址，就可以獲取到更新時間。
import request# 1.Github項目及API接口數據api = 'https://api.github.com/repos/kenwoodjw/python_interview_question'web_page = "https://github.com/kenwoodjw/python_interview_question
定時監測數據變化
打開網頁
設置一個循環，每隔10分鐘獲取一次update_at的數據，如果前后時間不一致，說明數據更新，并自動打開項目主頁。
展開 Python實現AI自動版貪吃蛇
開發工具
Python版本：3.5.4
相關模塊：
pygame模塊以及一些Python自帶的模塊。
環境搭建
安裝Python并添加到環境變量，pip安裝需要的相關模塊即可。
運行方式
在cmd窗口運行AI_snake.py文件即可。
結果展示
動圖一直上傳失敗。。。
所以隨便截幾個圖~
更多
（1）為了保證代碼簡單易懂，所提供的代碼冗余度較高（比如進行了不必要的重復計算），有興趣者可對代碼進行優化；
（2）文件中也提供了普通版本的貪吃蛇游戲。
基于Python實現Abaqus的自動后處理 ￥10
然后在file-run script中選擇后處理的Python腳本即可生成變形圖模式下，odb文件的最后一幀的Mises應力圖，自動將其保存成PNG文件，存放在工作目錄下。
附件中是練習文件，可以嘗試著用下，也可以在此基礎上做些改動，當做Python二次開發的小練習。
基于Python的復雜環境中車道線自動檢測系統
夜間版: 在馬路上尋找車道線并跟蹤
配置環境
conda create -n env_lane python=3.6
conda activate env_lane
pip install opencv-contrib-python==3.4.9.31 -i https://mirrors.aliyun.com/pypi/simple/
pip install matplotlib -i https://mirrors.aliyun.com/pypi/simple/
pip install sklearn -i https://mirrors.aliyun.com/pypi/simple/
pip install jupyter -i https://mirrors.aliyun.com/pypi/simple/
使用卡爾曼濾波器在夜間環境中進行車道檢測
自動駕駛計算機視覺技術的一個重要里程碑是在道路上尋找車道標記。在這里，我們描述了在夜間環境中檢測車道的過程。
挑戰性
·低光強度·難以調整各種光強度的參數·邊緣檢測不良·陰影，突然的高強度汽車大燈
我們的方法，這些步驟中描述了我們的方法：
1) 我們對每個視頻幀執行伽瑪校正，以設置光強度
2) 從圖像中裁剪出“感興趣的區域”，因此我們只能在ROI部分上查找泳道。它有助于降低計算成本并提高fps。
3) 應用雙邊濾波器消除噪聲并平滑視頻幀，但保留邊緣。
4) 應用HSV濾鏡為固定范圍內的像素創建蒙版
5) 經過這些預處理（伽瑪校正和濾波）后，我們使用Canny邊緣檢測器檢測邊緣。
展開 Abaqus使用Python腳本自動保存云圖
示例代碼見文末，功能室自動化保存每一幀的Mises應力云圖。
在Abaqus/CAE中截圖的時候有一些參數可選，在使用腳本截圖的時候這些參數在printOptions中，可以調用函數
session.printOptions.setValues()
來設置。比如要取消保存的截圖上的標題欄，可以將參數vpDecorations置為OFF。
保存的截圖的效果如下圖所示：
from abaqus import *
from abaqusConstants import *
import visualization
def PrintAllFrameToFile(odb_file, field_val, field_val_2):
myViewport = session.Viewport(name='Superposition example',
origin=(100, -10), width=200, height=150, border = ON)
myViewport.view.setViewpoint(viewVector=(1, 1, 1),
cameraUpVector=(1, 3, 6))
myOdb = visualization.openOdb(path=odb_file)
myViewport.setValues(displayedObject=myOdb)
step = myOdb.steps['Step-1']
for i in range(len(step.frames)):
frame = step.frames[i]
stress = frame.fieldOutputs[field_val
展開 Ansys ACT Python_自動結果后處理 ￥14.9
現將這一固化步驟，封裝轉化為腳本，并自動輸出圖片到本地文件夾。通過腳本的自動化后處理，降低錯誤率，提高效率。
本例以預應力模態分析為例，自動添加后處理，并自動輸出JPG/PNG格式圖片。 文末附腳本代碼
運行后效果
二 主要命令介紹
2.1 Project Tree
基本結構樹如下圖，Model.Analyses為包含了兩個子項的列表,[0]為Static, [1]為Modal。
Abaqus使用Python腳本自動保存History Output曲線圖
在Abaqus中采用Python腳本可以實現對odb文件中存在的任意History Output的曲線圖進行截圖并保存到本地（保存的截圖和示例代碼截圖見文末），這個方法經過改造完全可以用于批量的截圖保存功能，比如遍歷很多odb文件保存ALLAE的曲線圖。
另外代碼中函數
session.writeXYReport()
是Abaqus內置的直接將曲線對應的XYData數據保存到本地文件中的方法。
具體過程為：
在session中打開odb文件，sessionodb = session.odbs[odb_file]；
從odb中的HistoryOutput構造XYData；
利用XYData構造XYPlot，進而將這個XYPlot展示到Viewport中；
在這個過程中需要注意，打開odb必須在session模塊中，如果直接使用
myodb = openOdb(path = odbfile)
或者
myodb = visualization.openOdb(path=odb_file)
就會導致構造XYData失敗，從而影響后續的代碼出現類型問題。
展開 基于Python二次開發進行CAE結果自動后處理
前面講到了基于meta和hypergraph進行NVH分析（IPI、VTF、NTF）自動后處理，包括結果提取和自動出報告等功能。
基于META自動后處理：
Python二次開發在整車NVH分析后處理中的應用
Python二次開發在NVH分析VTF、NTF后處理中的應用
上面的后處理過程都是基于商業軟件進行的，很多數據加工的功能受限于軟件的函數接口，因此不夠豐富。同時，基于hypergraph或meta的后處理都需要啟動軟件來完成數據處理，如果進行優化集成則（后臺）啟動后處理軟件也需要一些時間。
這里介紹一些基于Python的CAE結果后處理方法，而不是基于商業軟件來完成。包括Nastran結果文件.op2和.pch，LSDYNA結果文件d3plot和binout等自動后處理過程。ABAQUS的開發語言支持Python，因此對于ABAQUS的.odb結果自動后處理就不做過多的介紹。這些自動后處理過程既可用于常規分析自動后處理，也可以用于多學科優化時優化流程的集成，且這些過程不需要商業軟件，只需要簡單的配置下Python環境即可。
本文介紹基于Python的Nastran結果文件.pch自動后處理，包括IPI、VTF等。
展開 abaqus Python批量自動識別螺栓加載螺栓預緊力
abaqus Python批量自動識別螺栓加載螺栓預緊力，代碼見下，能自動識別與默認XYZ坐標軸方向相同的螺栓，基于網格單元法向確定螺栓力加載方向，無需手動指定方向,自動建立Surface set。step1-bolt建立螺栓力，step2批量修改保持螺栓長度。
Python自動玩"別再踩白塊了"小游戲
開發工具
Python版本：3.6.4
相關模塊：
numpy模塊；
CV2模塊；
pyautogui模塊；
pyscreenshot模塊；
以及一些Python自帶的模塊。
環境搭建
安裝Python并添加到環境變量，pip安裝需要的相關模塊即可。
先睹為快
首先，在瀏覽器中打開下面這個游戲鏈接：
打開瀏覽器搜索4399小游戲
游戲加載完畢后，選擇該游戲的經典模式，游戲界面類似下圖所示：
在cmd窗口運行autoplay.py文件即可讓python自動玩這個小游戲了~
由于游戲主界面的位置隨電腦和瀏覽器的不同而不同，因此，若運行失敗，請自行調整下圖所示的bbox參數：
4個數字分別代表游戲界面左上頂點x坐標，y坐標和右下頂點x坐標，y坐標。
原理簡介
游戲規則：
原理介紹：
原理其實挺簡單的，主循環的代碼如下圖所示：
首先是截取游戲界面：
游戲規則：
原理介紹：
原理其實挺簡單的，主循環的代碼如下圖所示：
首先是截取游戲界面：
二值化游戲界面：
形態學處理：
實現輪廓檢測：
利用pyautogui模塊模擬點擊檢測到的黑塊就可以實現自動玩這個游戲了。
展開 