目录

python-lorem-lpsum-350x200.gif

1. 概述

在 Microsoft Word 和 PowerPoint 中快速生成 Lorem lpsum 文本一文中我们介绍了如何在 Word 和 PowerPoint 中快速生成指定数量的 Lorem lpsum 拉丁文文本,使用 Python 我们也可以做同样的事情。

Python 的轮子如天上的星星一样多,其中有一个名叫 python-lorem 的轮子可以帮助我们。顾名思义这个轮子的使命就是生成 Lorem lpsum 拉丁文本。 python-lorem 功能丰富,使用简单,它提供了单词、句子、段落三种生成方式,同时它还提供了词库定制功能,如果你有足够的耐心,你甚至可以用它写小说。

2. 安装轮子

执行如下指令安装 python-lorem 轮子。

pip install python-lorem

3. 生成单词

python-loremget_word 函数用于生成拉丁文本单词。其函数声明如下:

get_word(count=1, sep=' ', func=None, args=[], kwargs={}) -> str

参数说明

  • count: 要生成的单词的个数,默认值1。
  • sep: 单词之间的分隔符,默认为空格。
  • func: 过滤函数,用于对输出的单词做一些处理,如首字母大写等,默认为没有过滤函数。如果您指定了func函数,则每一个要返回的单词都会传递给该函数处理,处理后的单词将返回给调用方。
  • args: 传递给func的位置参数。
  • kwargs: 传递给func关键字参数。

示例1:生成一个字符串,包含3个单词

>>> import lorem
>>> lorem.get_word(count=3)

输出

laboris tempor ea

示例2:生成一个字符串,包含3个首字母大写的单词

>>> import lorem
>>> lorem.get_word(count=3, func='capitalize')

输出

Laborum Amet Duis

示例3:生成一个字符串,包含3个全部字母大写的单词

>>> import lorem
>>> lorem.get_word(count=3, func=lambda s: s.upper())

输出

EXERCITATION ADIPISCING UT

4. 生成句子

python-loremget_sentence函数用于生成拉丁文本句子。其函数声明如下:

get_sentence(count=1, comma=(0, 2), word_range=(4, 8), sep=' ') -> Union[str]

参数说明

  • count: 要生成的句子的个数,默认值1。
  • comma: 每一句中逗号的个数,默认值为0~2之间的随机数。
  • word_range: 每一句中逗号分隔的小句包含的单词个数,默认值为4~8之间的随机数。
  • sep: 句子之间的分隔符,默认为空格。

示例1:生成一个字符串,包含1个句子

>>> import lorem
>>> lorem.get_sentence()

输出

Cupidatat officia mollit in, laborum cillum amet pariatur.

示例2:生成一个字符串,包含2个句子,每一小句中单词的个数为1~3之间的随机数

>>> import lorem
>>> lorem.get_sentence(count=2, word_range=(1, 3))

输出

Commodo nisi et, officia voluptate. Id do.

5. 生成段落

python-loremget_paragraph函数用于生成拉丁文本段落。其函数声明如下:

get_paragraph(count=1, comma=(0, 2), word_range=(4, 8), sentence_range=(5, 10), sep=os.linesep)

参数说明

  • count: 要生成的段落的个数,默认值1。
  • comma: 每一句中逗号的个数,默认值为0~2之间的随机数。
  • word_range: 每一句中单词的个数,默认值为4~8之间的随机数。
  • sentence_range: 每一段中句子的个数,默认值为5~10之间的随机数。
  • sep: 段落之间的分隔符,默认值为当前操作系统的分隔符,Windows系统下为\r\n ,POSIX系统(各种UNIX系统,包括Linux)下为\n

示例1:生成1个字符串,包含一个段落

>>> import lorem
>>> lorem.get_paragraph()

输出

Sed aliqua amet eu ad quis. Minim voluptate velit velit officia non sint lorem. Ea labore nostrud nisi, duis ea cupidatat consequat ipsum cillum. Adipiscing dolor aliqua exercitation sunt exercitation ad. Id et esse exercitation velit, eiusmod ullamco esse proident, sit nulla et sed tempor. Ex lorem aute qui. Laboris irure deserunt dolor, consequat fugiat duis sunt, proident laborum nisi amet.

示例2:生成1个字符串,包含2个段落,每个段落包含1~2个句子

>>> import lorem
>>> lorem.get_paragraph(count=2, sentence_range=(1, 2))

输出

Nulla nostrud ut pharetra sunt nostrud est mollit.\r\nNostrud dolor tempor habitant consequat.

6. 定制词库

上面介绍的生成单词、生成句子、生成段落的方法依靠的是后台的一个词库,通过从词库中随机挑选单词,按照用户指定的规则(如句子个数、逗号个数、段落个数)进行组合就形成了我们需要的单词、句子或段落。python-lorem带了一个小型的Lorem lpsum拉丁文词库,我们可以定制一个词汇量更丰富的Lorem lpsum拉丁文词库。甚至我们也可以定制一点别的,比如朦胧诗词库。python-loremset_pool函数用于定制词库。

示例1:词汇量更丰富的Lorem lpsum词库

>>> import lorem
>>> text = ('ac', 'ad', 'adipiscing', 'aliqua', 'aliquip', 'amet', 'anim',
            'aute', 'cillum', 'commodo', 'congue',  'consectetur',
            'consequat', 'culpa', 'cupidatat', 'deserunt', 'do', 'dolor', 
            'dolore', 'duis', 'ea', 'egestas', 'eiusmod', 'elit', 'enim', 
            'eros', 'esse', 'est', 'et', 'eu', 'ex', 'excepteur', 
            'exercitation', 'fames', 'fugiat', 'fusce', 'habitant', 'id', 
            'imperdiet', 'in', 'incididunt', 'ipsum', 'irure', 'labore', 
            'laboris', 'laborum', 'lectus', 'libero', 'lorem', 'maecenas', 
            'magna', 'malesuada', 'massa', 'minim', 'mollit', 'morbi', 
            'netus', 'nisi', 'non', 'nostrud', 'nulla', 'nunc', 'occaecat', 
            'officia', 'pariatur', 'pellentesque', 'pharetra', 'porttitor', 
            'posuere', 'proident', 'proin', 'pulvinar', 'purus', 'qui', 
            'quis', 'reprehenderit', 'sed', 'senectus',  'sint', 'sit', 
            'sunt', 'tellus', 'tempor', 'tristique', 'turpis', 'ullamco', 
            'ultricies', 'urna', 'ut', 'velit', 'veniam', 'viverra', 
            'voluptate')
>>> lorem.set_pool(text)
>>> lorem.get_sentence()

输出

Tempor turpis viverra tempor nunc aliquip duis.

示例2:非典型朦胧诗词库

>>> import lorem
>>> text = ('天空', '发现', '世界', '宣读', '告诉', '相信', '不相信',
            '挑战', '脚下', '上升', '人类',  '选择', '奔跑', '万里长城', 
            '飞流', '到海', '爱你', '创业',  '凝视', '鸟儿', '疾风', '在', 
            '飞奔', '读书', '扶起', '少年', '幻想', '延伸', '海浪', '退缩',
            '雾', '打湿', '不', '迟疑', '心爱的', '昨天', '告别', '你', '今天',
            '另一个', '风暴', '联系', '不怕', '天涯海角', '航程', '上', '无情',
            '雪花', '美丽的', '紫葡萄', '深秋', '依偎', '太阳', '大海', '柔软')
>>> lorem.set_pool(text)
>>> lorem.get_sentence()

输出

太阳 今天 不相信 无情 凝视 航程

深秋 打湿 航程 延伸 无情, 海浪 在 脚下 发现 雪花

7. Lorem Ipsum 在线生成器

Lorem lpsum 在线生成器 是一款免费的 Lorem ipsum 在线生成器,由 XYZCodeWorldReadingHere 联合出品。您可以指定要生成的段落个数,以及每段中句子的个数。有兴趣的朋友不妨去尝试一下。

8. 总结

Python 是把瑞士军刀,可以做很多我们想的到的、想不到的事情。 python-lorem 这个小轮子满足了我们生成 Lorem lpsum 拉丁文本的愿望。


官方公众号

💯本站文章同步发表在官方公众号 ReadingHere,关注公众号您将在第一时间了解本站最新文章和资讯。

❤️欢迎您关注本站官方公众号 ReadingHere


版权声明

本文由 ReadingHere 原创,未经 ReadingHere 授权不得转载、摘编。已经授权使用的,应在授权范围内使用,并注明来源: www.readinghere.com。违反上述声明者,ReadingHere 将追究其相关法律责任。