返回文章列表
玄貓（BlackCat）

Python實作郵件簡訊推播通知與影像處理技術

本文介紹如何使用 Python 操作 Gmail API 傳送郵件、利用簡訊閘道器傳送簡訊，並整合 Firebase Cloud Messaging 傳送推播通知。此外，文章也涵蓋了使用 Pillow 進行影像處理的技巧，包含裁剪、調整大小、旋轉、翻轉等操作，以及如何結合 Tesseract OCR 引擎與

程式開發 網頁開發
Python Gmail API 推播通知 FCM Pillow 影像處理

在現代應用程式中，與使用者有效溝通至關重要，這包含了透過電子郵件、簡訊和推播通知等方式傳遞訊息。本文將深入探討如何使用 Python 語言實作這些功能，並涵蓋 Gmail API 的整合、簡訊閘道器的運用，以及 Firebase Cloud Messaging 的設定。同時，本文也將介紹如何使用 Python 的 Pillow 函式庫進行影像處理，包含常見的影像操作，例如裁剪、調整大小、旋轉和翻轉等。此外，我們也將探討如何利用 Tesseract OCR 引擎和 PyTesseract 進行影像中的文字識別，並使用大語言模型來修正識別過程中可能出現的錯誤。最後，本文將簡述 Python 在自動化桌面操作方面的應用，包含滑鼠、鍵盤和視窗的控制，以及如何結合這些技術實作更複雜的自動化任務。

實用程式設計：電子郵件、簡訊和推播通知

在現代應用程式開發中，能夠與使用者進行有效溝通是非常重要的。這包括傳送電子郵件、簡訊和推播通知。以下將介紹如何使用Python實作這些功能。

Gmail API

要使用Gmail API，首先需要啟用它。這可以透過Google Cloud Console進行設定。啟用API後，您將獲得一個金鑰，該金鑰用於驗證您的應用程式。

啟用Gmail API

  1. 前往Google Cloud Console，建立一個新專案或選擇一個現有的專案。
  2. 啟用Gmail API。
  3. 建立憑證並下載JSON金鑰檔案。

傳送郵件

使用Gmail API傳送郵件需要構建郵件內容，然後使用API將其發送出去。

import base64
from googleapiclient.discovery import build
from google_auth_oauthlib.flow import InstalledAppFlow
from google.auth.transport.requests import Request
import pickle
import os.path

# 如果您已經有憑證檔案，則載入它
creds = None
if os.path.exists('token.pickle'):
    with open('token.pickle', 'rb') as token:
        creds = pickle.load(token)
# 如果沒有憑證檔案，則需要進行驗證
if not creds or not creds.valid:
    if creds and creds.expired and creds.refresh_token:
        creds.refresh(Request())
    else:
        flow = InstalledAppFlow.from_client_secrets_file(
            'credentials.json', 'https://mail.google.com/')
        creds = flow.run_local_server(port=0)
    # 儲存憑證檔案以便下次使用
    with open('token.pickle', 'wb') as token:
        pickle.dump(creds, token)

service = build('gmail', 'v1', credentials=creds)

def create_message(sender, to, subject, message_text):
    message = f"From: {sender}\r\nTo: {to}\r\nSubject: {subject}\r\n\r\n{message_text}"
    return {'raw': base64.urlsafe_b64encode(message.encode()).decode()}

def send_message(service, user_id, message):
    try:
        message = (service.users().messages().send(userId=user_id, body=message).execute())
        print('Message Id: %s' % message['id'])
        return message
    except Exception as e:
        print('An error occurred: %s' % e)

# 範例使用
sender = "[email protected]"
to = "[email protected]"
subject = "Test Email"
message_text = "This is a test email sent using Gmail API."

message = create_message(sender, to, subject, message_text)
send_message(service, "me", message)

簡訊和推播通知

簡訊可以透過SMS Email Gateways傳送，而推播通知則需要使用特定的服務，如Firebase Cloud Messaging (FCM)。

SMS Email Gateways

大多數手機營運商都提供了SMS Email Gateways，允許您透過電子郵件傳送簡訊。例如，若要傳送簡訊給一個Verizon的手機，您可以傳送電子郵件到[email protected]，其中number是手機號碼。

推播通知

推播通知可以使用FCM或其他類別似的服務實作。這需要在您的應用程式中整合FCM SDK，並使用FCM API傳送通知。

import requests

def send_push_notification(api_key, device_token, message):
    headers = {
        'Content-Type': 'application/json',
        'Authorization': f'key={api_key}',
    }
    data = {
        'to': device_token,
        'data': {
            'message': message,
        },
    }
    response = requests.post('https://fcm.googleapis.com/fcm/send', headers=headers, json=data)
    if response.status_code == 200:
        print('Notification sent successfully.')
    else:
        print('Failed to send notification.')

# 範例使用
api_key = "YOUR_FCM_API_KEY"
device_token = "DEVICE_TOKEN_OF_THE_RECIPIENT"
message = "This is a test push notification."

send_push_notification(api_key, device_token, message)

圖表與影像處理

在本章節中，我們將探討如何使用Python來建立圖表和操控影像。這些技能在資料視覺化和影像處理領域中非常重要。

548. 使用Pillow操控影像

Pillow是一個強大的Python影像處理函式庫，允許您輕鬆地載入、操控和儲存各種格式的影像。以下是使用Pillow的基本步驟：

from PIL import Image

# 載入影像
img = Image.open('image.jpg')

# 顯示影像
img.show()

549. 工作與影像資料型別

當您載入影像時，Pillow會將其轉換為一個資料型別，稱為Image。這個型別提供了許多方法來操控影像，例如裁剪、調整大小和旋轉。

from PIL import Image

# 載入影像
img = Image.open('image.jpg')

# 取得影像的寬度和高度
width, height = img.size

print(f'寬度：{width}, 高度：{height}')

550. 裁剪影像

裁剪影像是指從原始影像中提取出一個矩形區域。您可以使用crop()方法來實作這一功能。

from PIL import Image

# 載入影像
img = Image.open('image.jpg')

# 裁剪影像
cropped_img = img.crop((100, 100, 300, 300))

# 顯示裁剪後的影像
cropped_img.show()

551. 貼上影像

您可以使用paste()方法將一個影像貼上到另一個影像上。

from PIL import Image

# 載入兩個影像
img1 = Image.open('image1.jpg')
img2 = Image.open('image2.jpg')

# 貼上img2到img1上
img1.paste(img2, (100, 100))

# 顯示結果
img1.show()

552. 調整影像大小

您可以使用resize()方法來調整影像的大小。

from PIL import Image

# 載入影像
img = Image.open('image.jpg')

# 調整影像大小
resized_img = img.resize((800, 600))

# 顯示調整後的影像
resized_img.show()

553. 旋轉和翻轉影像

您可以使用rotate()和transpose()方法來旋轉和翻轉影像。

from PIL import Image

# 載入影像
img = Image.open('image.jpg')

# 旋轉影像
rotated_img = img.rotate(45)

# 翻轉影像
flipped_img = img.transpose(Image.FLIP_LEFT_RIGHT)

# 顯示結果
rotated_img.show()
flipped_img.show()

圖表翻譯：

以上程式碼示範瞭如何使用Pillow函式庫來操控影像，包括載入、顯示、裁剪、貼上、調整大小、旋轉和翻轉。這些功能可以幫助您完成各種影像處理任務。

圖片處理與自定義圖表

在圖片處理中，我們常常需要對個別畫素進行操作，或者在圖片上新增標誌或文字。以下將介紹如何實作這些功能。

修改個別畫素

要修改個別畫素，可以使用圖片處理函式庫中的相關函式。例如，使用Python的Pillow函式庫，可以透過Image類別來存取和修改畫素。

新增Logo到圖片中是一種常見的需求。以下是新增Logo的步驟：

  1. 開啟Logo圖片：首先，需要開啟Logo圖片檔案。
  2. 迴圈遍歷所有檔案：如果需要將Logo新增到多個圖片中，需要迴圈遍歷所有檔案。
  3. 調整圖片大小：根據需要，調整Logo圖片的大小，以適應不同的圖片尺寸。
  4. 新增Logo並儲存：將Logo新增到原始圖片中，並儲存修改後的圖片。

圖表繪製

除了圖片處理，還可以使用程式來繪製各種圖表。以下是一些常見的圖表型別：

線圖和散點圖

使用Matplotlib函式庫，可以輕鬆地繪製線圖和散點圖。線圖用於展示資料之間的趨勢，而散點圖則用於展示資料之間的關係。

條形圖和餅圖

條形圖和餅圖是用於展示分類別資料的兩種常見圖表型別。條形圖用於比較不同類別之間的資料，而餅圖則用於展示資料在整體中的比例。

其他元件

除了上述圖表型別，還有許多其他元件可以用於繪製圖表，例如標題、軸標籤、legend等。

影像中的文字識別

在影像中識別文字是一項具有挑戰性的任務，尤其是在影像品質不佳或文字樣式多樣的情況下。然而，隨著技術的進步，現在有許多工具和函式庫可以幫助我們實作這一功能。

安裝Tesseract和PyTesseract

要開始識別影像中的文字，首先需要安裝Tesseract和PyTesseract。Tesseract是一個開源的OCR（Optical Character Recognition）引擎，可以識別影像中的文字。PyTesseract則是一個Python包裝器，允許我們在Python中使用Tesseract。

Windows

在Windows上安裝Tesseract和PyTesseract，可以按照以下步驟進行：

  1. 下載並安裝Tesseract：可以從官方網站下載Tesseract的安裝包，並按照安裝指導進行安裝。
  2. 安裝PyTesseract：可以使用pip安裝PyTesseract，命令為pip install pytesseract。

macOS

在macOS上安裝Tesseract和PyTesseract，可以按照以下步驟進行：

  1. 下載並安裝Tesseract：可以使用Homebrew下載並安裝Tesseract，命令為brew install tesseract。
  2. 安裝PyTesseract：可以使用pip安裝PyTesseract，命令為pip install pytesseract。

Linux

在Linux上安裝Tesseract和PyTesseract，可以按照以下步驟進行：

  1. 下載並安裝Tesseract：可以使用apt-get下載並安裝Tesseract，命令為sudo apt-get install tesseract-ocr。
  2. 安裝PyTesseract：可以使用pip安裝PyTesseract，命令為pip install pytesseract。

PyTesseract基礎

安裝完成後，可以使用PyTesseract來識別影像中的文字。以下是一個基本的例子：

from PIL import Image
import pytesseract

# 開啟影像
image = Image.open('image.png')

# 識別影像中的文字
text = pytesseract.image_to_string(image)

# 輸出識別出的文字
print(text)

OCR基礎

OCR（Optical Character Recognition）是指電腦識別影像中的文字的技術。OCR引擎可以識別影像中的文字，並將其轉換為可編輯的文字。

影像預處理

在識別影像中的文字之前，往往需要對影像進行預處理，以提高識別的準確性。預處理可以包括以下步驟：

  • 尺寸調整：調整影像的尺寸，以使其更適合識別。
  • 二值化：將影像轉換為二值影像，以提高識別的準確性。
  • 去噪：去除影像中的噪點，以提高識別的準確性。

以下是一個預處理的例子：

from PIL import Image
import pytesseract
import cv2
import numpy as np

# 開啟影像
image = cv2.imread('image.png')

# 尺寸調整
image = cv2.resize(image, (800, 600))

# 二值化
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)[1]

# 去噪
kernel = np.ones((1, 1), np.uint8)
eroded = cv2.erode(thresh, kernel, iterations=1)
dilated = cv2.dilate(eroded, kernel, iterations=1)

# 識別影像中的文字
text = pytesseract.image_to_string(dilated)

# 輸出識別出的文字
print(text)

修正錯誤使用大語言模型

在識別影像中的文字時，可能會出現錯誤。為了修正這些錯誤，可以使用大語言模型。以下是一個例子：

from PIL import Image
import pytesseract
import torch
from transformers import AutoModelForSeq2SeqLM, AutoTokenizer

# 開啟影像
image = Image.open('image.png')

# 識別影像中的文字
text = pytesseract.image_to_string(image)

# 載入大語言模型
model = AutoModelForSeq2SeqLM.from_pretrained('t5-base')
tokenizer = AutoTokenizer.from_pretrained('t5-base')

# 編碼輸入文字
input_ids = tokenizer.encode('fix:' + text, return_tensors='pt')

# 生成修正後的文字
output = model.generate(input_ids)

# 解碼輸出文字
corrected_text = tokenizer.decode(output[0], skip_special_tokens=True)

# 輸出修正後的文字
print(corrected_text)

這些只是識別影像中的文字的一些基本方法和工具。實際應用中可能需要根據具體情況選擇和調整不同的方法和工具，以達到最佳的效果。

控制鍵盤和滑鼠

控制鍵盤和滑鼠是自動化任務中的一個重要方面。透過模擬鍵盤和滑鼠的動作，可以實作自動化操作，提高工作效率。

設定 macOS 的輔助應用程式

在 macOS 上，需要設定輔助應用程式，以便控制鍵盤和滑鼠。這可以透過系統偏好設定中的「輔助使用」選項來完成。

保持在正軌

在控制鍵盤和滑鼠時，需要保持在正軌上，以避免出現錯誤。這可以透過設定暫停和故障安全機制來實作。

暫停和故障安全機制

暫停和故障安全機制可以在控制鍵盤和滑鼠時提供額外的安全性。這可以透過設定特定的暫停和故障安全機制來實作，例如在特定時間內沒有動作時自動暫停或停止程式。

登出

在控制鍵盤和滑鼠時，需要注意登出的問題。這可以透過設定登出機制來實作，例如在特定時間內沒有動作時自動登出。

移動滑鼠

移動滑鼠是控制鍵盤和滑鼠的一個重要方面。這可以透過設定滑鼠的移動路徑和速度來實作。

內容解密：

import pyautogui

# 移動滑鼠到指定位置
pyautogui.moveTo(100, 100)

# 移動滑鼠到指定位置，並設定移動速度
pyautogui.moveTo(200, 200, duration=0.5)

# 滑鼠左鍵點選
pyautogui.click()

# 滑鼠右鍵點選
pyautogui.click(button='right')

# 滑鼠滾輪上滾
pyautogui.scroll(10)

# 滑鼠滾輪下滾
pyautogui.scroll(-10)

圖表翻譯：

在上面的程式碼中，使用 pyautogui 函式庫來控制滑鼠的移動和點選。可以設定滑鼠的移動路徑和速度，並執行移動和點選操作。同時，也可以使用 Plantuml 圖表來視覺化滑鼠的移動和點選過程。

自動化桌面操作：滑鼠和鍵盤控制

在自動化桌面操作中，能夠控制滑鼠和鍵盤是非常重要的。這些功能可以讓我們模擬使用者的操作，從而實作自動化任務。

滑鼠控制

滑鼠控制包括了取得當前滑鼠位置、單擊、拖拽、滾動等操作。

取得當前滑鼠位置

取得當前滑鼠位置可以幫助我們判斷滑鼠目前所在的位置，這對於後續的操作非常重要。

單擊

單擊是最基本的滑鼠操作，透過模擬單擊事件，可以實作點選按鈕、選擇選單項等功能。

拖拽

拖拽操作可以讓我們移動視窗或選擇檔案，實作拖曳功能。

滾動

滾動操作可以讓我們滾動視窗或瀏覽器中的內容，實作上下滾動或左右滾動。

鍵盤控制

鍵盤控制包括了傳送鍵盤按鍵字串、指定鍵名、按下和釋放鍵盤等操作。

傳送鍵盤按鍵字串

傳送鍵盤按鍵字串可以讓我們模擬使用者的輸入，實作自動填充表單或執行命令。

指定鍵名

指定鍵名可以讓我們精確控制哪些鍵被按下，實作複雜的鍵盤操作。

按下和釋放鍵盤

按下和釋放鍵盤可以讓我們模擬使用者的鍵盤操作，實作自動化任務。

視窗控制

視窗控制包括了取得視窗資訊、操作視窗等功能。

取得視窗資訊

取得視窗資訊可以讓我們瞭解視窗的大小、位置和標題，實作視窗的自動化操作。

操作視窗

操作視窗可以讓我們移動、縮放或關閉視窗，實作視窗的自動化管理。

影像識別

影像識別可以讓我們識別螢幕上的影像，實作自動化任務。

螢幕截圖

螢幕截圖可以讓我們擷取螢幕上的內容，實作自動化任務。

熱鍵組合

熱鍵組合可以讓我們模擬使用者的熱鍵操作，實作自動化任務。

內容解密：

以上程式碼展示了自動化桌面操作的流程，包括了滑鼠控制、鍵盤控制、視窗控制、影像識別、螢幕截圖和熱鍵組合。每個步驟都對應著不同的功能，實作了自動化任務的多樣性。

圖表翻譯：

此圖表展示了自動化桌面操作的流程圖，包括了六個主要步驟：滑鼠控制、鍵盤控制、視窗控制、影像識別、螢幕截圖和熱鍵組合。每個步驟都有自己的子步驟，展示了自動化桌面操作的複雜性和多樣性。

自動化圖形使用者介面指令碼設定

設定自動化圖形使用者介面（GUI）指令碼是一種自動化任務的有效方法。這些指令碼可以模擬使用者互動，自動執行重複性任務，提高生產力和效率。

顯示訊息盒

顯示訊息盒是GUI自動化的一個重要方面。它允許指令碼向使用者提供重要資訊或通知，例如錯誤訊息或完成提示。使用者可以使用不同的程式函式庫和工具來顯示訊息盒，例如Python的tkinter模組。

練習題目

練習題目是學習GUI自動化的重要組成部分。以下是一些練習題目，以幫助您提高技能：

  • 實作一個指令碼，自動填寫表單並提交。
  • 建立一個指令碼，自動點選按鈕並執行特定動作。
  • 實作一個指令碼，自動讀取和寫入文字欄位。

練習程式

練習程式是學習GUI自動化的另一個重要組成部分。以下是一些練習程式，以幫助您提高技能：

  • 實作一個程式，自動玩遊戲。
  • 建立一個程式，自動讀取和寫入文字欄位。
  • 實作一個程式，自動填寫表單並提交。

保持忙碌

保持忙碌是GUI自動化的一個重要方面。它允許指令碼模擬使用者互動，自動執行重複性任務，提高生產力和效率。

讀取文字欄位內容

讀取文字欄位內容是GUI自動化的一個重要方面。它允許指令碼自動讀取和寫入文字欄位，提高生產力和效率。

寫入遊戲機器人

寫入遊戲機器人是GUI自動化的一個重要方面。它允許指令碼模擬使用者互動，自動玩遊戲，提高生產力和效率。

文字轉語音引擎

文字轉語音引擎是一種可以將文字轉換為語音的技術。它允許指令碼自動生成語音，提高生產力和效率。

生成語音

生成語音是文字轉語音引擎的一個重要方面。它允許指令碼自動生成語音，提高生產力和效率。

儲存語音音訊到WAV檔案

儲存語音音訊到WAV檔案是文字轉語音引擎的一個重要方面。它允許指令碼自動儲存語音音訊，提高生產力和效率。

語音辨識

語音辨識是一種可以將語音轉換為文字的技術。它允許指令碼自動辨識語音，提高生產力和效率。

建立字幕檔案

建立字幕檔案是語音辨識的一個重要方面。它允許指令碼自動建立字幕檔案，提高生產力和效率。

圖表翻譯：

@startuml
skinparam backgroundColor #FEFEFE
skinparam sequenceArrowThickness 2

title Python實作郵件簡訊推播通知與影像處理技術

actor "客戶端" as client
participant "API Gateway" as gateway
participant "認證服務" as auth
participant "業務服務" as service
database "資料庫" as db
queue "訊息佇列" as mq

client -> gateway : HTTP 請求
gateway -> auth : 驗證 Token
auth --> gateway : 認證結果

alt 認證成功
    gateway -> service : 轉發請求
    service -> db : 查詢/更新資料
    db --> service : 回傳結果
    service -> mq : 發送事件
    service --> gateway : 回應資料
    gateway --> client : HTTP 200 OK
else 認證失敗
    gateway --> client : HTTP 401 Unauthorized
end

@enduml

圖表翻譯：上述流程圖描述了GUI自動化的各個步驟，從設定GUI自動化指令碼開始，到建立字幕檔案結束。每個步驟都與下一個步驟相連，形成了一個完整的GUI自動化流程。

從使用者互動流程的最佳化角度，本文探討了現代應用程式中整合電子郵件、簡訊、推播通知，以及影像處理、OCR文字識別、GUI自動化等技術的實務應用。透過Python程式碼範例和流程圖，文章清晰地展現了這些技術的整合價值，並提供了開發者友好的實作。然而，技術整合的複雜度和不同平臺的相容性仍是挑戰。例如，簡訊傳送依賴電信商的服務，而推播通知需要考慮不同裝置的作業系統和FCM API Key 的管理。此外，OCR 文字識別的準確度受影像品質影響，需要額外的預處理步驟。

展望未來，隨著 AI 技術的進步，自然語言處理和電腦視覺的整合將進一步提升使用者經驗。例如，大語言模型可以修正 OCR 識別錯誤，自動生成更精確的字幕檔案。而 GUI 自動化結合影像識別，將能開發更智慧的應用程式，自動執行更複雜的任務。對於開發者而言，持續關注這些新興使用案例，並深入理解不同技術的整合策略，將是提升應用程式價值的關鍵。玄貓認為，掌握這些核心技術，並將其靈活應用於不同場景，將是未來應用程式開發的致勝關鍵。