admin 喜欢看
前言
动画的朋友们在论坛或小组对话中看到动画截图，想知道其来源，但百度翻了一圈也没有可靠的结果，很郁闷。
今天就来带大家用Python做一个简单的“以图搜番”小应用。应用本身的实现不是很难的事情，其实就是调用别人的API接口来实现，主要目的还是通过这个案例来学习以下内容：- 学习如何用PyQt5做用户交互界面（UI）；
- 学习如何使用Nuitka打包程序为exe文件；
PyQt5界面设计
如果用 Python 语言开发 跨平台 的图形界面的程序，主要有3种选择：
- Tkinter：基于Tk的Python库，这是Python官方采用的标准库，优点是作为Python标准库、稳定、发布程序较小，缺点是控件相对较少。
- wxPython：基于wxWidgets的Python库，优点是控件比较丰富，缺点是稳定性相对差点、文档少、用户少。
- PyQt5（或者PySide2）：基于Qt 的Python库，优点是控件比较丰富、跨平台体验好、文档完善、用户多。缺点是库比较大，发布出来的程序比较大。
本教程使用的就是PyQt5，它是Digia的一套Qt5应用框架与python的结合，同时支持2.x和3.x。本教程使用的是3.x。Qt库由Riverbank Computing开发，是最强大的GUI库之一 ，官方网站：。PyQt5是由一系列Python模块组成。超过620个类，6000函数和方法。能在诸如Unix、Windows和Mac OS等主流操作系统上运行。PyQt5有两种证书，GPL和商业证书。安装方法：pip install PyQt5
使用Qt Designer绘制界面
在设计一个图形化界面的应用时，我们需要先绘制出其大致布局，可以在草稿纸上勾勒一下，然后通过PyQt5中的Qt Designer应用来设计，它的文件名叫de，找不到位置可以在本地文件中搜索一下：
下图为本应用的一个界面初步设计，通过标注的四个区域相互配合，即可完成一个UI设计，该工程会保存为一个.ui后缀名的UI文件，最好放在Python代码文件一起。本次界面设计并不复杂，两个按钮，一个打开图片，另一个点击后开始查询；一个QComboBox部件，用于选择备选结果；一个图片显示区域，显示打开的查询图片，一个结果显示区域，显示查询结果具体内容。界面下面是视频显示区域，即该图片出现在原动画中的视频片段。
具体的Qt Designer基本使用方法我就不在这里展开了，如果你第一次用，可以参考这个入门视频教程： ，讲得还挺好，我就是跟着这个视频入门学习的。它的文字版教程在这里：
我是使用的VSCode编辑器，推荐一个插件——PYQT Integration，可以随时预览UI界面和编辑UI界面，也很方便把UI文件转换成Python代码。
视频部件插入小技巧
在UI界面中加一个视频显示部分我花了不少时间去研究，主要因为Qt Designer中没有视频播放器的小部件，于是我就有点懵了，虽然可以直接编辑Python代码来弄，但为了统一流程，还是希望能在Qt Designer中布置好。经过一番研究，总结以下方法:第一步：拖拽一个Containers中的Widget到编辑界面；第二步：选择Widget部件，右键选择“提升为…（Promote to …）”;
第三步：设置“提升的类名称”为QVideoWidget，“头文件”为PyQ
第四步：点击添加，然后点击提升。
反应到编译的Python代码中，其实就是增加了一句from PyQ import QVideoWidget
在使用时，可以参考下面代码使用（仅仅是一个示例），此处仅仅播放视频，没有暂停、显示进度条等功能，如需增加，可以参考这篇教程：
from PyQ import QMediaContent, QMediaPlayer
# 首先初始化一个mediaPlayer
= QMediaPlayer(None, QMediaPlayer.VideoSurface)
.setVideoOutput)
# 在需要使用这个mediaPlayer的函数中，从本地打开视频并播放
.setMedia(QMediaConten(file_name)))
.play()解码器下载
另外，需要下载一个解码器，不然播放mp4视频的时候会如下图一样报错。解码器的话下载安装 LAV 解码器就好，下载地址：LAV 0.74.1: Installer (both x86/x64)
功能实现
API介绍与视频
它背后的实现依靠的是大数据+基于内容的图像检索（Content-based image retrieval ，CBIR），“基于内容”意味着搜索分析图像的内容，而不是与图像相关的元数据，如关键字、标签或描述。术语“内容”在这个上下文中可能指的是颜色、形状、纹理或任何其他可以从图像本身衍生出来的信息。CBIR使用起来比较方便，因为它不需要标注信息，而纯粹依赖元数据的搜索依赖于标注的质量和完整性。wikipedia上有列出很多CBIR engines，则使用了Lire。对于图像的描述，则仅仅使用了颜色布局（Color Layout ）。另一方面就是大数据，其背后的数据支撑为30096小时的视频内容（大约26亿帧），来自于3194部动画，大约18.1 TB大小。7.46亿帧索引(重复数据删除后)，数据库大小为140 GB。具体实现细节可以参考： slide和 github 项目。
如果你不关心实现细节，可以直接看下面的API接口使用。
import requests
img_path = 'xxx.png'
traceMoe_api = "https:///api/search"
files = {"image": ('anime.png', open(img_path, 'rb'))}
res = reque(traceMoe_api, files=files)返回一个json结果，内容如下：
其中docs则包含了可能的结果，其内容如下：
得到这些内容后，就可以下载对应的视频片段：
url = f"https:///preview.php?anilist_id={item['anilist_id']}&file={item['filename']}&t={item['at']}&token={item['tokenthumb']}"
video = reque(url)
with open(item['filename'], 'wb') as f:
f.write)当然，也不是每天无限制请求的，普通用户每天只能查询150次
使用Nuitka打包成exe文件
Nuitka的作用是将Python程序转换成C语言的可执行elf文件。这样在运行时就可以享受到C语言处理过程中的优化，提高速度。经测试，Nuitka打包后的exe比Pyinstaller打包后的exe运行速度提升30%，PyQT5的UI文件转换成py文件转换成C语言后，界面秒开呀。第一步：下载MinGW64 8.1，解压文件到C盘根目录，并将bin路径加入到环境变量中。然后安装Nuitka：pip install nuitka；
这样就表示成功了：
import的系统库，使用来执行，其他自己实现的UI界面和数据库的连接以及函数和功能实现，需要加密（反编译）和快速反应的，用户的体验就在这里，这部分借助Nuitka来实现。以下是Nuitka的关键命令段：--nofollow-imports #所有的import全部不使用，交给执行 --follow-import-to=need #need为你需要编译成C/C++的py文件夹命名——引用自：Python打包exe(32/64位)-Nuitka再下一城
第二步：调试阶段，逐个加入所需的轮子文件：首先运行nuitka --standalone --mingw64 --show-memory --show-progress --nofollow-imports --plugin-enable=qt-plugins --follow-import-to=need --output-dir=output a
然后运行output\a中的a，逐个找到缺的轮子的文件，并加入到output\a目录下，如下图，表明缺少requests等库，则可以利用Everything，XSearch等软件快速定位文件所在地（关注公众号：野风同学，回复“文件查找”即可获取软件）。加到可以运行为止。记住把这些库文件单独另外找一个文件夹放着，后面需要复制到正式输出的文件夹中。
第三步：生成阶段，
运行
nuitka --standalone --windows-disable-console --mingw64 --nofollow-imports --show-memory --show-progress --plugin-enable=qt-plugins --follow-import-to=need --recurse-all --output-dir=output a，然后将刚刚找到库文件复制到a文件夹下。这样就基本完成了打包，进入a中，点击a即可运行（前提是安装了LAV 解码器，不然视频不会显示！）。
下面演示一下：
本文Python源码及exe打包后的软件，关注我的公众号“野风同学”，回复“以图搜番”即可获取。 一个程序员的自我成长之路，持续分享机器学习基础与应用、LeetCode面试算法和Python基础与应用等技术干货文章，同时也经常推荐高质量软件工具、网站和书籍。