楔子
二維碼在我們的生活中可以說是必不可少的,不單單是手機支付、其它很多地方也都需要掃描二維碼。那么下面我們就來看看如何使用python來生成二維碼、以及識別二維碼。
關於二維碼,我們來說一下它的結構。當然關於二維碼的結構其實不是太重要,這里只是提一下,沒興趣可以不用看。

從圖中我們可以看出二維碼結構整體划分為功能圖形和編碼區兩大部分,功能圖形又細分為:空白區、位置探測圖形、位置探測圖形分隔符、定位圖形、校正圖形,而編碼區細分為:格式信息、版本信息、數據和糾錯碼字,來簡單了解一下每一部分的功能:
- 空白區:留白,不需要做任何處理
- 位置探測圖形:協助掃描軟件定位二維碼碼
- 位置探測圖形分隔符:區分功能圖形和編碼區
- 定位圖形:指示標識密度和確定坐標系
- 校正圖形:校正圖形的數量和位置
- 格式信息:存放格式化數據的信息
- 版本信息:二維碼的規格,二維碼符號共有 40 種規格的矩陣
- 數據和糾錯碼字:實際保存的二維碼信息和糾錯碼字(用於修正二維碼損壞帶來的錯誤)
生成二維碼
生成二維碼的話,python有兩個第三方模塊:qrcode和MyQR可以幫我我們生成二維碼,下面來看一下這兩個模塊的用法。
qrcode
生成比較簡單的二維碼就是,當我們掃描的時候,會自動跳轉到某個頁面。
import
qrcode
# 調用QRCode,可以接收以下參數
"""
version: 二維碼的格子大小,可以是1到40。值越大,格子越大,一般不超過10,選擇3比較合適
error_correction: 二維碼錯誤容許率,默認為qrcode.constants.ERROR_CORRECT_M,容許小於 15% 的錯誤率
此外還有qrcode.constants.ERROR_CORRECT_L: 容許小於 7% 的錯誤率
qrcode.constants.ROR_CORRECT_H: 容許小於 30% 的錯誤率
box_size: 二維碼每個小格子包含的像素數量
border: 二維碼到圖片邊框的小格子數,默認值為 4
"""
qr
=
qrcode.QRCode()
# 事實上里面的參數我們可以都不指定,默認會選擇一個比較合適的參數
# 調用add_data,指定url。
qr.add_data(
"https://www.baidu.com/"
)
# 生成二維碼圖像,顏色為藍色,背景色為粉色
img
=
qr.make_image(fill_color
=
'blue'
, back_color
=
'pink'
)
# 顯示圖像,這個會打開一個臨時文件
img.show()
# 此外,我們還可以保存到硬盤上
img.save(
"1.png"
)
# 事實上,這個img實際上是通過PIL模塊得到的,可以理解為里面Image對象
# 如果你熟悉PIL模塊的話,那么你應該知道可以將里面Image對象保存成圖片對應的字節流
from
io
import
BytesIO
buf
=
BytesIO()
img.save(buf)
# 將字節保存到buf里面
with
open
(
"2.png"
,
"wb"
) as f:
f.write(buf.getvalue())
# 和直接保存為1.png是一樣的
外我們在add_data中指定的是一個url,我們也可以不指定url,而是指定一段文字。這樣的話,當掃描的時候就會顯示我們輸入的文字。
MyQR
MyQR也可以用來生成二維碼,但是它和qrcode相比最大的特點就是它可以嵌入圖片當背景。
當掃這個二維碼的時候,就會跳轉到bilibili。指的一提的是,這里圖片,還可以使用gif格式的動圖,當然生成的圖片也要是gif格式的。
解析二維碼
我們除了可以使用python生成二維碼,還可以解析二維碼,解析二維碼也有兩個模塊,一個是zxing、一個是pyzbar。
首先是zxing,不過這個模塊有點讓人尷尬,因為這個模塊調用的是java的接口。也就是說解析二維碼的底層工作是java做的,python是負責調用,所以使用這個模塊的時候需要你本地有java環境。所以我使用我阿里雲上的centos進行測試。
然后看看pyzbar模塊,這個模塊就不需要java了,直接使用python即可。
兩個模塊都是可以正常解析的,以上就是python關於二維碼的一些操作。
以上就是如何用Python生成二維碼、解析二維碼的詳細內容,更多關於Python生成二維碼、解析二維碼的資料請關注腳本之家其它相關文章!
|

