Python能做什么项目从爬虫到Web应用从数据分析到自动化办公Python几乎无所不能。这篇文章整理了9个有趣又实用的小项目每个都配有完整的项目结构和代码讲解适合毕业设计或者自学练手。完整源码链接https://pan.quark.cn/s/1e54aa2ae950项目列表项目2豆瓣电影Top250爬虫项目3Flask个人日记本项目4命令行天气查询工具项目5Excel自动化报表生成项目6图片批量压缩水印工具项目7简易数据分析可视化房价分析项目8定时发送邮件提醒项目9命令行待办事项清单项目10QR码生成器解码器日记本项目项目2豆瓣电影Top250爬虫豆瓣电影Top250爬虫是一个非常经典的Python入门项目它几乎涵盖了爬虫开发的所有核心知识点。通过这个项目你可以学会怎么用Python从网页上抓取数据、怎么解析HTML、怎么把数据保存到本地文件还能做简单的数据分析。项目结构这个项目的目录组织体现了从单脚本到多模块的演进思路项目2_豆瓣电影Top250爬虫/ ├── main.py # 主入口 ├── crawler.py # 爬虫核心逻辑 ├── data_saver.py # 数据存储模块 ├── analysis.py # 数据分析模块 ├── data.csv # CSV格式数据 ├── data.json # JSON格式数据 └── requirements.txt # 依赖库main.py是启动文件crawler.py负责爬取data_saver.py负责保存analysis.py负责数据分析。这种分模块设计的好处是职责清晰后期想换数据存储方式或者加新的分析功能只需要改对应的模块。爬虫核心代码爬虫的第一步是准备请求头。豆瓣对爬虫比较敏感所以要把User-Agent设置成浏览器的样子模拟真实用户访问。import requests from bs4 import BeautifulSoup import csv import os import time import random HEADERS { User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 }然后是带重试机制的请求函数。网络请求经常会因为各种原因失败加上重试机制可以让爬虫更稳定。这里用了指数退避策略第一次失败等2秒第二次等4秒第三次等6秒。def fetch_page(url, paramsNone, retries3): for attempt in range(retries): try: resp requests.get(url, paramsparams, headersHEADERS, timeout10) resp.raise_for_status() return resp.text except requests.exceptions.RequestException as e: wait (attempt 1) * 2 print(f请求失败第{attempt1}次: {e}{wait}秒后重试...) time.sleep(wait) return None解析电影信息时除了提取电影名和评分还增加了导演、年份、国家、经典台词、评价人数等字段。def parse_movie_item(item): title_tag item.find(span, class_title) title title_tag.text if title_tag else 未知 rating_tag item.find(span, class_rating_num) rating rating_tag.text if rating_tag else 0.0 quote_tag item.find(span, class_inq) quote quote_tag.text if quote_tag else bd_tag item.find(p, class_) # 提取导演、年份、国家等更多信息... return { title: title, rating: float(rating), quote: quote, year: year, country: country, director: director }豆瓣Top250一共有10页每页25部电影。通过循环依次请求每一页每爬完一页休息1-2秒防止被封。def crawl_top250(): all_movies [] for page in range(10): url https://movie.douban.com/top250 params {start: page * 25, filter: } html fetch_page(url, params) if not html: continue soup BeautifulSoup(html, html.parser) items soup.find_all(div, class_item) for item in items: movie parse_movie_item(item) all_movies.append(movie) print(f第{page1}页完成已累计获取{len(all_movies)}条) time.sleep(random.uniform(1, 2)) return all_movies数据存储数据同时保存为CSV和JSON两种格式。CSV适合用Excel打开查看JSON适合程序读取。def save_to_csv(movies, filenamedata.csv): path os.path.join(BASE_DIR, filename) with open(path, w, newline, encodingutf-8-sig) as f: writer csv.writer(f) writer.writerow([排名, 电影名, 导演, 年份, 国家, 评分, 评价人数, 经典台词]) for i, m in enumerate(movies, 1): writer.writerow([i, m[title], m[director], m[year], m[country], m[rating], m[rating_people], m[quote]])保存路径使用os.path.dirname(os.path.abspath(file))获取当前脚本所在目录这是Python项目获取根目录的经典方法。数据分析爬取完数据后可以对数据做多维度的统计分析。def analyze_ratings(movies): ratings [m[rating] for m in movies] print(f平均评分: {sum(ratings)/len(ratings):.2f}) print(f9.5分以上: {len([m for m in movies if m[rating] 9.5])}部) def analyze_country(movies): country_count {} for m in movies: c m.get(country, 未知) country_count[c] country_count.get(c, 0) 1 def analyze_year(movies): # 按年代统计1990年代、2000年代... for decade, count in sorted_years: bar █ * (count // 2) print(f{decade}年代: {count}部 {bar})运行效果执行python main.py后控制台逐页显示爬取进度开始爬取豆瓣电影Top250... 第1页完成已累计获取25条 ... 第10页完成已累计获取250条 评分分析 平均评分: 9.23 9.5分以上: 3部 9.0-9.4分: 22部 国家/地区分布 美国: 128部 日本: 45部 中国: 30部data.csv中的数据前5条排名电影名导演年份评分经典台词1肖申克的救赎弗兰克·德拉邦特19949.7希望是美好的2霸王别姬陈凯歌19939.6不疯魔不成活3阿甘正传罗伯特·泽米吉斯19949.5生活就像一盒巧克力4泰坦尼克号詹姆斯·卡梅隆19979.4赢得船票是我一生最幸运的事5这个杀手不太冷吕克·贝松19949.4人生总是这么痛苦吗要点总结一个完整的爬虫项目分为四个步骤请求网页、解析数据、保存结果、分析数据。多模块组织让代码更清晰重试机制让爬虫更稳定。项目根目录用os.path.dirname(os.path.abspath(file))获取是通用做法。扩展思路加代理IP池防止被封结合可视化库把评分分布画成图表改成爬其他网站知乎热榜、B站排行榜等。项目3Flask个人日记本Flask个人日记本是一个真正能用的Web应用从注册登录到写日记、分类管理、搜索、统计功能一应俱全。这个项目能让你从零开始学习Web开发的核心概念。项目结构项目3_Flask个人日记本/ ├── app.py # Flask应用主程序 ├── init_db.py # 数据库初始化脚本 ├── diary.db # SQLite数据库文件 ├── requirements.txt # 依赖库 ├── templates/ # HTML模板文件夹 │ ├── base.html # 基础模板 │ ├── index.html # 日记列表页 │ ├── edit.html # 新增/编辑日记页 │ ├── login.html # 登录页 │ ├── register.html # 注册页 │ └── stats.html # 统计页 └── static/ # 静态资源文件夹 └── style.css # 样式文件templates使用模板继承base.html是基础框架其他页面继承base.html就自动拥有了导航栏和样式。这种设计避免了重复代码也是大型Web项目的标准做法。数据库设计项目使用SQLite数据库Python内置的sqlite3模块就可以操作。数据库有三张表users用户、categories分类、diaries日记。# init_db.py import sqlite3 def init_database(): conn sqlite3.connect(DB_PATH) c conn.cursor() c.execute(CREATE TABLE IF NOT EXISTS users ( id INTEGER PRIMARY KEY AUTOINCREMENT, username TEXT UNIQUE NOT NULL, password TEXT NOT NULL )) c.execute(CREATE TABLE IF NOT EXISTS categories ( id INTEGER PRIMARY KEY AUTOINCREMENT, name TEXT UNIQUE NOT NULL )) c.execute(CREATE TABLE IF NOT EXISTS diaries ( id INTEGER PRIMARY KEY AUTOINCREMENT, user_id INTEGER NOT NULL, category_id INTEGER, title TEXT NOT NULL, content TEXT NOT NULL, created_at TEXT DEFAULT (datetime(now,localtime)), FOREIGN KEY (user_id) REFERENCES users(id) )) # 预置默认分类 default_categories [日常, 工作, 学习, 旅行, 心情, 其他] for cat in default_categories: c.execute(INSERT INTO categories (name) VALUES (?), (cat,)) conn.commit() conn.close()用户认证系统用户密码使用SHA256加密存储Flask的session维持登录状态login_required装饰器保护需要登录才能访问的页面。from functools import wraps def hash_password(password): return hashlib.sha256(password.encode()).hexdigest() def login_required(f): wraps(f) def decorated_function(*args, **kwargs): if user_id not in session: return redirect(url_for(login)) return f(*args, **kwargs) return decorated_function日记增删改查日记列表支持按分类筛选和关键词搜索搜索会同时匹配标题和内容。app.route(/) login_required def index(): db get_db() category request.args.get(category) search request.args.get(search) query SELECT d.*, c.name as category_name FROM diaries d LEFT JOIN categories c ON d.category_id c.id WHERE d.user_id ? params [session[user_id]] if category: query AND d.category_id ? params.append(category) if search: query AND (d.title LIKE ? OR d.content LIKE ?) params.extend([f%{search}%, f%{search}%]) query ORDER BY d.created_at DESC diaries db.execute(query, params).fetchall() categories db.execute(SELECT * FROM categories).fetchall() return render_template(index.html, diariesdiaries, categoriescategories)新增和编辑共用一个模板通过mode参数区分模式。app.route(/add, methods[GET, POST]) login_required def add(): if request.method POST: title request.form[title] content request.form[content] category_id request.form.get(category_id) db.execute(INSERT INTO diaries (user_id, category_id, title, content) VALUES (?, ?, ?, ?), (session[user_id], category_id, title, content)) db.commit() return redirect(url_for(index)) return render_template(edit.html, diaryNone, categoriescategories, modeadd)运行效果运行python app.py启动服务访问http://127.0.0.1:5000首次使用先注册账号登录后进入日记列表页看到所有日记按时间倒序排列点击写新日记输入标题和内容选择分类后发布日记列表支持按分类筛选和关键词搜索每篇日记可以编辑或删除统计页面展示总日记数和各分类的数量及占比页面使用了Bootstrap框架在不同屏幕尺寸下都能正常显示。要点总结Flask开发Web应用的核心就是路由、模板、数据库三者配合。SQLite适合小型应用模板继承避免重复代码装饰器实现登录校验很优雅。项目根目录用app.root_path获取这是Flask内置的功能。扩展思路加Markdown编辑器支持富文本添加图片上传功能部署到服务器上真正用起来。项目4命令行天气查询工具在终端里输入城市名就能看到实时天气还支持未来多日预报和查询历史记录。这个项目主要锻炼三个技能调用外部API、用argparse构建命令行工具、模块化组织代码。项目结构项目4_命令行天气查询工具/ ├── main.py # 主入口 ├── weather_api.py # API请求封装 ├── formatter.py # 输出格式化含颜色 ├── history.py # 查询历史记录 ├── history.db # SQLite历史数据库 └── requirements.txt # 依赖库API调用使用wttr.in这个公共天气API不需要注册也不需要API Key。formatj1返回JSONlangzh用中文显示。def fetch_weather(city, days1): url fhttps://wttr.in/{city}?formatj1langzh if days 1: url fhttps://wttr.in/{city}?formatj1langzhdays{days} resp requests.get(url, timeout10) resp.raise_for_status() return resp.json()返回的JSON用parse_current和parse_forecast两个函数分别提取实时数据和预报数据。def parse_current(data): current data[current_condition][0] return { weather: current[lang_zh][0][value], temp: current[temp_C], feels_like: current[FeelsLikeC], humidity: current[humidity], wind_speed: current[windspeedKmph], wind_dir: current[winddir16Point], pressure: current[pressure], visibility: current[visibility], uv_index: current[uvIndex], }彩色终端输出使用colorama库让输出带上颜色。温度用红色天气状况用黄色城市名用绿色。def format_weather_detail(current): lines [] lines.append(f天气状况: {yellow(current[weather])}) lines.append(f当前温度: {red(current[temp] °C)}) lines.append(f体感温度: {current[feels_like]}°C) lines.append(f湿度: {current[humidity]}%) lines.append(f风速: {current[wind_speed]} km/h ({current[wind_dir]})) return \n.join(lines)查询历史每次查询自动保存到SQLite数据库通过–history参数查看记录。def save_query(city, temp, weather): conn.execute(INSERT INTO queries (city, temp, weather) VALUES (?, ?, ?), (city, temp, weather))运行效果实时天气查询python main.py 成都 成都 天气 天气状况: 多云 当前温度: 28°C 体感温度: 30°C 湿度: 65% 风速: 12 km/h (南)未来3天预报python main.py 北京 --days 3 北京 未来3天预报 7月28日 多云 24°C ~ 35°C 7月29日 晴 26°C ~ 37°C 7月30日 阴转小雨 22°C ~ 31°C查看历史python main.py --history 最近的5次查询记录: 2026-07-28 14:30 | 成都 | 28°C | 多云要点总结API调用的核心是requests库的get方法关键在于理解返回的数据结构。argparse让Python脚本有了专业的命令行界面。colorama给终端输出增加颜色。扩展思路接入和风天气等更专业的API加天气预警功能极端天气时自动通知。项目5Excel自动化报表生成用Python自动生成Excel报表可以把几小时的手工操作缩短到几秒钟。这个项目演示了如何用openpyxl库创建专业的Excel报表包含数据汇总、图表生成、多工作表管理。项目结构项目5_Excel自动化报表生成/ ├── generate_report.py # 报表生成主程序 ├── sample_data.xlsx # 示例源数据 ├── 销售报表.xlsx # 生成的完整报表 └── requirements.txt # 依赖库生成的销售报表包含三个工作表销售汇总含柱状图和饼图、产品销售明细、数据看板。数据准备项目内置15条销售数据涵盖数码、服装、家居三个品类。日期产品品类销量单价销售额2025-01-05笔记本电脑数码154999749852025-01-08机械键盘数码30399119702025-01-12羽绒服服装2059911980样式系统定义了统一的样式字典所有工作表共用一套样式标准。STYLE { header_fill: PatternFill(start_color2F5496, end_color2F5496, fill_typesolid), header_font: Font(nameSimHei, boldTrue, colorFFFFFF), title_font: Font(nameSimHei, boldTrue, size16, color2F5496), thin_border: Border( leftSide(stylethin, colorB4B4B4), rightSide(stylethin, colorB4B4B4), topSide(stylethin, colorB4B4B4), bottomSide(stylethin, colorB4B4B4) ), center: Alignment(horizontalcenter, verticalcenter), money_format: #,##0, }销售汇总表按品类分组计算总销量、总销售额、平均单价等底部显示合计行。def create_summary_sheet(wb, data): category_data {} for row in data: cat row[2] if cat not in category_data: category_data[cat] {qty: 0, amount: 0, count: 0} category_data[cat][qty] row[3] category_data[cat][amount] row[5] category_data[cat][count] 1 # 写入汇总数据...同时插入柱状图和饼图视觉化展示各品类情况。chart BarChart() chart.title 各品类销售额对比 data_ref Reference(ws, min_col3, min_row4, max_rowrow_num - 1) chart.add_data(data_ref, titles_from_dataTrue) chart.set_categories(cats_ref) ws.add_chart(chart, A str(row_num 2)) pie PieChart() pie.title 销售额占比分析 ws.add_chart(pie, F str(row_num 2))运行效果完整报表已生成: ...\销售报表.xlsx 包含 3 个工作表: 销售汇总, 产品销售明细, 数据看板汇总数据品类总销量总销售额平均单价订单数占比家居14312,41786.8346.7%数码140133,910956.50572.7%服装21537,935176.44620.6%要点总结Path(file).parent是处理项目文件路径的推荐方式。openpyxl的样式系统虽然代码多但能做出很专业的报表。图表支持柱状图、折线图、饼图。扩展思路加定时自动生成功能结合邮件模块自动发送改成读取数据库生成报表。项目6图片批量压缩水印工具当你有几百张图片需要压缩或加水印时手动一张张处理效率极低。用Pillow库几行代码就能搞定批量处理。这个工具支持压缩、缩放、水印、格式转换、滤镜等多种功能。项目结构项目6_图片批量压缩水印工具/ ├── image_tool.py # 主程序 ├── input/ # 原始图片目录 ├── output/ # 处理后图片目录 └── requirements.txt # 依赖库input放原始图片output放处理结果。输入输出分离是批量处理任务的标准模式。批量压缩压缩的核心是save方法的quality参数optimizeTrue启用优化。def compress(quality60): for img_path in get_images(): img Image.open(img_path) out_path OUTPUT_DIR / fcompressed_{img_path.name} img.save(out_path, qualityquality, optimizeTrue)批量调整尺寸支持指定宽度/高度或缩放比例使用LANCZOS高质量缩放算法。def resize(widthNone, heightNone, ratioNone): if ratio: new_w, new_h int(w * ratio), int(h * ratio) else: img.thumbnail((rw, rh), Image.LANCZOS) new_w, new_h img.size添加水印支持五种位置左上、右上、左下、右下、居中。透明度可调节。def add_watermark(textPython, positionbr, opacity128): font ImageFont.truetype(C:/Windows/Fonts/simhei.ttf, font_size) positions {tl: (0.05, 0.05), tr: (0.75, 0.05), bl: (0.05, 0.85), br: (0.75, 0.85), center: (0.35, 0.45)} draw.text((x, y), text, fill(255, 255, 255, opacity), fontfont)格式转换和滤镜支持jpg/png/bmp/webp互转滤镜支持模糊、浮雕、锐化、边缘检测等。运行效果python image_tool.py compress --quality 50 批量压缩 (quality50) 示例图片1.jpg: 17.6KB - 5.2KB (-70%) python image_tool.py watermark --text 我的水印 --pos br 批量添加水印 (posbr) 水印已添加: wm_示例图片1.jpg要点总结Pillow的Image.open和Image.save是图像处理的基本操作。输入/输出文件夹分离是标准设计。simhei字体在Windows系统里可直接调用。扩展思路加图形界面生成网站缩略图集成到Flask做在线处理服务。项目7简易数据分析可视化房价分析房价分析是数据分析里最贴近生活的案例。用pandas处理数据、matplotlib画图分析成都五个区域2020年到2024年的房价变化趋势最终生成完整的HTML分析报告。项目结构项目7_简易数据分析可视化房价分析/ ├── analysis.py # 分析主程序 ├── data/ # 数据文件夹 │ └── housing_data.csv # 25条房价样本数据 ├── output/ # 输出文件夹 │ ├── 房价走势图.png │ ├── 区域房价对比图.png │ ├── 分布分析图.png │ ├── 各区域走势对比图.png │ ├── 相关性热力图.png │ └── 房价分析报告.html └── requirements.txt # 依赖库数据说明housing_data.csv包含25条模拟数据覆盖锦江区、武侯区、高新区、天府新区、成华区五个区域。年份区域小区名单价(元/平)面积(平)总价(万)2020锦江区绿地锦天府285001203422024高新区金融城8号48000140672数据加载与基本统计import pandas as pd import matplotlib.pyplot as plt from pathlib import Path plt.rcParams[font.sans-serif] [SimHei] plt.rcParams[axes.unicode_minus] False def load_data(): df pd.read_csv(DATA_PATH, encodingutf-8) return df def basic_statistics(df): numeric_cols [单价(元/平), 面积(平), 总价(万)] stats df[numeric_cols].describe().round(2) print(stats)各区域分析按区域分组统计计算均价、最高价、最低价、价格波动情况。def analyze_by_area(df): grouped df.groupby(区域).agg({ 单价(元/平): [mean, min, max, std], 总价(万): [sum, mean], 面积(平): mean }).round(2)可视化图表共生成5张专业图表房价走势图- 折线图展示五年均价变化区域房价对比图- 横向柱状图分布分析图- 箱线图散点图组合各区域走势对比图- 五条折线对比相关性热力图- 单价、面积、总价的相关关系def plot_price_trend(df): yearly df.groupby(年份)[单价(元/平)].mean() plt.plot(yearly.index, yearly.values, markero, linewidth2.5, color#3498db) plt.fill_between(yearly.index, yearly.values, alpha0.15, color#3498db) plt.savefig(OUTPUT_DIR / 房价走势图.png, dpi150, bbox_inchestight)相关性分析def correlation_analysis(df): numeric_df df[[单价(元/平), 面积(平), 总价(万)]] corr numeric_df.corr() # 绘制热力图 plt.matshow(corr, cmapRdBu_r, vmin-1, vmax1)结果显示单价与总价强正相关(0.951)面积与总价中正相关(0.727)。HTML分析报告所有分析结果和图表自动整合成一份HTML报告在浏览器中直接打开查看。运行效果 各区域房价统计 高新区 40000元/平 锦江区 37100元/平 天府新区 30000元/平 武侯区 26800元/平 成华区 23100元/平 年度趋势 2020: 25600元/平 2021: 27900元/平 2022: 31600元/平 2023: 34700元/平 2024: 37200元/平涨幅约45% 相关性分析 单价-总价: 0.951 (强相关) 面积-总价: 0.727 (强相关)要点总结数据分析标准流程加载→清洗→分析→可视化。pandas的groupby和agg是分组统计核心matplotlib的subplots支持多图组合。数据路径用Path(file).parent管理。扩展思路接入真实房价API用scikit-learn做价格预测做成交互式Web应用。项目8定时发送邮件提醒每天早上发送天气预报、定时提醒、定期发送报表——这个项目涉及smtplib发邮件、schedule定时任务、配置分离、日志记录、HTML模板等多个知识点。项目结构项目8_定时发送邮件提醒/ ├── main.py # 主程序 ├── config.py # 邮箱配置 ├── email_templates.py # 邮件模板 ├── mail.log # 运行日志 └── requirements.txt # 依赖库配置说明需要在config.py里填写真实的邮箱信息。QQ邮箱需要开启SMTP服务并生成16位授权码。SMTP_CONFIG { server: os.getenv(SMTP_SERVER, smtp.qq.com), port: int(os.getenv(SMTP_PORT, 587)), sender: os.getenv(SMTP_SENDER, your_emailqq.com), password: os.getenv(SMTP_PASSWORD, your_auth_code), }发送邮件smtplib是Python内置库不需要额外安装。starttls()启动加密传输。def send_email(subject, body, receiverNone, email_typeplain): msg MIMEText(body, plain, utf-8) msg[From] Header(sender) msg[To] Header(receiver) msg[Subject] Header(subject, utf-8) with smtplib.SMTP(server, port) as s: s.starttls() s.login(sender, password) s.sendmail(sender, [receiver], msg.as_string())HTML邮件模板支持多种模板通用HTML模板、天气日报模板、待办提醒模板。def weather_template(city, temp, weather): return fhtmlbody div stylebackground:linear-gradient(135deg,#667eea,#764ba2);color:white;padding:30px;text-align:center; h1{city}/h1p stylefont-size:48px;{temp}°C/p p{weather}/p/div/body/html定时任务使用schedule库每天9点自动发送。schedule.every().day.at(09:00).do(send_daily_reminder) while True: schedule.run_pending() time.sleep(30)日志系统使用logging模块同时输出到控制台和文件。logging.basicConfig( levellogging.INFO, format%(asctime)s [%(levelname)s] %(message)s, handlers[logging.FileHandler(mail.log, encodingutf-8), logging.StreamHandler()] )运行效果1. 发送测试邮件 2. 设置每日定时发送9:00 3. 查看运行状态选1立即发送HTML格式测试邮件选2设置定时任务选3查看配置和日志。要点总结配置分离和日志记录是工程化基础。smtplib内置可用schedule让定时任务变简单。HTML模板让邮件更美观。扩展思路结合天气API自动发送每日天气结合Excel模块发送报表做邮件订阅系统。项目9命令行待办事项清单涉及增删改查、数据持久化、命令行交互设计、分层架构。升级版加入了优先级、分类、截止日期、搜索和统计。项目结构项目9_命令行待办事项清单/ ├── cli.py # 命令行交互层 ├── logic.py # 业务逻辑层 ├── tasks.json # 数据存储 └── requirements.txt # 依赖库cli.py负责交互logic.py负责数据处理。分层设计让代码更清晰换界面不影响业务逻辑。数据模型task { id: 1, title: 完成毕业设计, priority: high, # high/medium/low category: 学习, # 自定义分类 due_date: 2026-08-15, # 截止日期 done: False, created_at: 2026-07-28 14:30 }数据存储在tasks.json中JSON格式方便查看和手动编辑。业务逻辑class TaskManager: def __init__(self): self.tasks self._load() def add(self, title, prioritymedium, category默认, due_dateNone): task { id: self._next_id(), title: title, priority: priority, category: category, due_date: due_date or , done: False, } self.tasks.append(task) self._save() def list_tasks(self, filter_byNone, categoryNone, priorityNone, sort_byid): # 支持多维度筛选和排序 def search(self, keyword): # 按关键词搜索标题和分类 def stats(self): # 统计完成率、分类分布、优先级分布命令行接口使用argparse的子命令系统支持add/list/done/delete/search/stats。p_add sub.add_parser(add, help添加任务) p_add.add_argument(title) p_add.add_argument(--priority, choices[high, medium, low], defaultmedium) p_add.add_argument(--category, default默认) p_add.add_argument(--due, help截止日期 (YYYY-MM-DD)) p_list sub.add_parser(list, help列出任务) p_list.add_argument(--filter, choices[all, done, pending], defaultall) p_list.add_argument(--category) p_list.add_argument(--priority, choices[high, medium, low]) p_list.add_argument(--sort, choices[id, priority, due_date], defaultid)运行效果python cli.py add 写Python项目 --priority high --category 学习 --due 2026-08-01 已添加任务 [#2]: 写Python项目 python cli.py list --filter pending --sort priority ID 优先级 分类 状态 截止日期 任务 2 高 学习 待办 2026-08-01 写Python项目 1 低 生活 待办 - 买菜 python cli.py stats 任务统计 总任务: 12 已完成: 5 (41.7%) 按分类: 学习: 5, 工作: 4, 生活: 1要点总结分层设计clilogic让代码清晰可扩展。JSON持久化适合小规模数据。argparse支持子命令和参数类型检查。数据文件路径用Path(file).parent确定。扩展思路加系统通知提醒功能云端同步做Web版。项目10QR码生成器解码器用Python生成和解码二维码支持普通二维码、带Logo的二维码、WiFi配置二维码、电子名片二维码还能用摄像头实时扫描。项目结构项目10_QR码生成器解码器/ ├── qr_tool.py # 主程序 ├── output/ # 二维码输出目录 └── requirements.txt # 依赖库生成普通二维码def generate_qr(data, filenameqr.png, fill_colorblack, back_colorwhite, with_logoFalse): qr qrcode.QRCode( version1, error_correctionqrcode.constants.ERROR_CORRECT_H, box_size10, border4, ) qr.add_data(data) qr.make(fitTrue) img qr.make_image(fill_colorfill_color, back_colorback_color) if with_logo: # 在中间添加Logo图案 logo Image.new(RGB, (logo_size, logo_size), #3498db) img.paste(logo, ((img.width - logo_size) // 2, (img.height - logo_size) // 2)) path OUTPUT_DIR / filename img.save(path)error_correction参数设置为H级最高纠错允许30%破损这是加Logo的前提。生成WiFi二维码手机扫描后自动连接WiFi。def generate_wifi_qr(ssid, password, encryptionWPA): data fWIFI:T:{encryption};S:{ssid};P:{password};; return generate_qr(data, wifi_qr.png)生成电子名片手机扫描后直接保存联系人。def generate_vcard_qr(name, phone, email): data fBEGIN:VCARD\nVERSION:3.0\nFN:{name}\nTEL:{phone}\nEMAIL:{email}\nEND:VCARD return generate_qr(data, vcard_qr.png)解码二维码使用opencv的QRCodeDetector同时检测和解码。def decode_qr(image_path): img cv2.imread(str(path)) detector cv2.QRCodeDetector() data, bbox, _ detector.detectAndDecode(img) if data: print(f解码成功内容: {data}) # 自动识别类型 if data.startswith(WIFI:): print(类型: WiFi 配置) elif data.startswith(BEGIN:VCARD): print(类型: 电子名片)摄像头实时扫描调用电脑摄像头实时扫描在屏幕上绘制二维码边框辅助对准。def decode_from_camera(): cap cv2.VideoCapture(0) detector cv2.QRCodeDetector() while True: ret, frame cap.read() data, bbox, _ detector.detectAndDecode(frame) if data: print(f扫描成功内容: {data}) break if bbox is not None: # 绘制绿色边框 for i in range(len(bbox)): cv2.line(frame, tuple(bbox[i][0]), tuple(bbox[(i1) % len(bbox)][0]), (0, 255, 0), 3) cv2.imshow(QR Scanner, frame) if cv2.waitKey(1) 0xFF 27: break运行效果生成二维码: python qr_tool.py generate https://www.python.org --logo 二维码已生成: output\qr.png 生成WiFi二维码: python qr_tool.py wifi MyWiFi password123 二维码已生成: output\wifi_qr.png 解码二维码: python qr_tool.py decode output/qr.png 解码成功内容: https://www.python.org 类型: 网址链接 摄像头扫描: python qr_tool.py scan 扫描成功内容: https://www.python.org要点总结qrcode库负责生成opencv负责解码Pillow负责美化。ERROR_CORRECT_H是加Logo的关键。opencv的QRCodeDetector能同时检测和解码。扩展思路批量生成名片二维码做网页版在线生成器做成手机App。总结这9个项目从爬虫、Web开发、API调用、办公自动化、图像处理、数据分析、邮件服务、命令行工具到二维码应用几乎涵盖了Python开发的全部主要方向。每个项目都可以作为毕业设计的基础加上自己的业务逻辑就能变成完整作品。