博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
python通过qrcode生成二维码
阅读量:4201 次
发布时间:2019-05-26

本文共 1089 字,大约阅读时间需要 3 分钟。

安装qrcode

pypi : https://pypi.org/project/qrcode/

github : https://github.com/lincolnloop/python-qrcode

pip install qrcode

简单用法

import qrcodeimg = qrcode.make('https://blog.csdn.net/ternence_hsu')img.save('output.jpg')

效果:

在这里插入图片描述

复杂用法

import qrcodeqr = qrcode.QRCode(    version=None,    error_correction=qrcode.constants.ERROR_CORRECT_Q,    box_size=10,    border=1,)url = 'https://blog.csdn.net/ternence_hsu'qr.add_data(url)qr.make(fit=True)img = qr.make_image(fill_color="red", back_color="transparent")print (img.pixel_size)img.save('output2.png')

效果:

在这里插入图片描述

参数说明

qrcode.make 中带的就是QR code中所要带的信息,可以是文字、数字、或是网站等。

qrcode.QRcode()中有几个参数,分别如下:

  1. version: 一个1~40的整数,用来控制QR code的尺寸。最小的尺寸为一个21×21格的矩阵。若设定为None且make函数之fit参数为True时,将自动決定QR code的尺寸。
  2. error_correction: 错误码纠正程度,影响了QR code二维码被干扰后难以分辨后,能自动修复的比例。
    有四种程度可调整,分別为:
    ERROR_CORRECT_L (7%可被修正)
    ERROR_CORRECTION_M (15%可被修正)
    ERROR_CORRECTION_Q (25%可被修正)
    ERROR_CORRECTION_H (30%可被修正)
    越大的修正程度将会占用更多的资料空间。
  3. box_size: 控制每个格子的像素,预设是10。
  4. border: 控制边框包含的格子数量。
  5. fill_color 设置二维码的颜色。
  6. back_color 设置二维码背景的颜色,如果设置为transparent 时为背景透明。

其他

关于拓边与叠加图片等用法,大家可以按自己的需求在二维码上面进行图片的二次编辑。

你可能感兴趣的文章
Keras(六)keras模型封装转化为sklearn模型、使用超参数搜索
查看>>
排坑:TypeError: handle_get_file_code() got an unexpected keyword argument ‘save_all‘
查看>>
Keras(七)TF2中基础的数据类型API介绍
查看>>
Keras(八)实战自定义损失函数、DenseLayer
查看>>
Keras(九) tf.function函数转换、@tf.function函数转换
查看>>
Keras(十) TF函数签名与图结构
查看>>
Keras(十一)梯度带(GradientTape)的基本使用方法,与tf.keras结合使用
查看>>
Keras(十二)tf_data基础API使用
查看>>
Keras(十三)生成csv文件
查看>>
Keras(十四)tf.data读取csv文件并与tf.keras结合使用
查看>>
python之正则表达式方法详解
查看>>
Keras(十五)tf_record基础API使用
查看>>
Keras(十六)生成、读取tfrecords文件,并与tf.keras结合使用
查看>>
Keras(十七)关于feature_column的使用、keras模型转tf.estimator
查看>>
Keras(十八)预定义estimator使用、交叉特征实战
查看>>
Keras(十九)卷积神经网络实战
查看>>
Keras(二十)深度可分离卷积网络实战
查看>>
Keras(二十三)cifar10数据集使用keras generator读取、模型训练、预测
查看>>
Keras(二十五)NLP文本分类,序列式问题和循环神经网络模型理论
查看>>
Keras(二十六)NLP文本分类,单层单向RNN,单层双向RNN,双层双向 RNN的实现
查看>>