乙巳马年春联生成终端实操手册批量生成100套对联并导出PDF方法1. 引言从单次生成到批量创作的效率革命每逢新春佳节无论是企业品牌宣传、社区活动还是为亲朋好友准备一份别致的数字年礼一副寓意吉祥、设计精美的春联总能增添不少节日氛围。然而传统的手写或单次生成方式在面对需要大量、多样化春联的场景时往往显得力不从心。今天我们将聚焦于一个极具实用价值的场景如何利用“乙巳马年·皇城大门春联生成终端”高效、自动化地批量生成上百套风格统一的春联并最终整理成精美的PDF文档实现从创意到成品的完整工作流。这个终端以其独特的“皇城大门”视觉设计和背后强大的达摩院PALM模型内核让单次生成体验如同开启一扇通往新年祝福的大门。但它的潜力远不止于此。通过一些简单的脚本和技巧我们可以将其从一个交互式Web应用转变为一个强大的批量内容生产工具。本手册将手把手带你完成以下目标理解核心原理拆解该应用的工作机制找到批量操作的突破口。搭建自动化脚本编写Python代码实现循环调用模型、生成并保存春联。实现数据管理如何组织你的愿望词库并关联保存生成的文本和图片。完成成品汇编将生成的数百张春联图片自动排版、合并导出为一份便于分发和打印的PDF文件。无论你是活动策划者、内容创作者还是希望用技术为传统节日增添新意的开发者这篇指南都将为你提供一套完整、可落地的解决方案。让我们开始这次效率之旅。2. 系统核心原理与批量生成可行性分析在动手编写脚本之前我们需要先理解“皇城大门春联生成终端”是如何工作的。这有助于我们找到最稳定、最高效的批量生成方法。2.1 技术栈回顾与生成流程拆解该应用的技术构成清晰明了AI模型层核心是ModelScope平台上的spring_couplet_generation模型。它接收简短的关键词如“如意”、“安康”输出符合对联格律平仄、对仗、寓意的上下联及横批。应用框架层使用Streamlit构建Web界面。它负责处理用户输入、调用模型、并将返回的对联文本渲染到前端。视觉渲染层通过注入自定义的CSS将页面装扮成“皇城大门”的样式并使用Ma Shan Zheng书法字体最终在浏览器中呈现出极具冲击力的视觉效果。其单次生成流程可以简化为用户输入关键词 - Streamlit后端接收 - 调用PALM模型 - 获取对联文本 - 前端HTML/CSS渲染 - 浏览器显示最终图片2.2 批量生成的两种思路要实现批量生成关键在于绕过交互式界面直接触及生成流程的核心环节。主要有两种思路思路一模拟前端操作不推荐通过自动化测试工具如Selenium模拟打开浏览器、输入文本、点击按钮、截图保存等一系列操作。这种方法虽然直观但效率极低、稳定性差受网络和页面加载影响且无法处理大量任务。思路二直连模型与渲染引擎推荐这是高效批量的核心。我们拆解为两个独立步骤批量文本生成直接调用ModelScope的spring_couplet_generation模型管道Pipeline循环处理关键词列表生成纯文本对联。批量图片渲染根据得到的对联文本利用Python的绘图库如PIL/Pillow, html2image模拟前端的视觉样式生成“皇城大门”风格的图片。第二种思路完全在本地或服务器后台运行不依赖图形界面速度快、稳定性高是工业级批量处理的首选。本手册将采用这种思路。3. 环境准备与模型本地化部署为了稳定、高速地批量生成我们首先需要将运行环境搭建好并将核心模型在本地或你的开发环境中准备好。3.1 创建Python虚拟环境建议使用虚拟环境来管理依赖避免包冲突。# 1. 创建并进入项目目录 mkdir batch_couplet_generator cd batch_couplet_generator # 2. 创建虚拟环境以conda为例也可使用venv conda create -n couplet_batch python3.8 -y conda activate couplet_batch # 3. 安装核心依赖 pip install modelscope torch torchvision pillow reportlab # modelscope: 用于调用达摩院模型 # torch: 模型运行的深度学习框架 # pillow: 用于图片处理与合成 # reportlab: 用于后期生成PDF3.2 下载并加载春联生成模型我们直接使用ModelScope的模型管道这是批量生成文本的关键。# model_loader.py from modelscope.pipelines import pipeline from modelscope.utils.constant import Tasks def load_couplet_model(): 加载春联生成模型。 首次运行时会自动从ModelScope Hub下载模型请保持网络通畅。 print(正在加载春联生成模型...) # 指定任务为文本生成并传入模型ID couplet_pipe pipeline(Tasks.text_generation, modeldamo/nlp_palm2.0_text-generation_chinese-base) # 注意上述模型ID为示例实际需确认原应用使用的精确模型ID。 # 更常见的春联专用模型可能是 damo/nlp_couplet_generation_sbert # 你需要根据原应用信息或测试确定正确的模型ID。 print(模型加载完毕) return couplet_pipe # 测试加载 if __name__ __main__: pipe load_couplet_model() # 简单测试 test_input 如意 result pipe(test_input) print(f测试输入{test_input}) print(f生成结果{result})重要提示你需要根据“皇城大门终端”实际使用的模型替换代码中的model参数。可以通过查看其源代码或使用浏览器开发者工具监测网络请求来确认。一个常见的春联生成模型是damo/nlp_couplet_generation_sbert。4. 批量生成春联文本编写核心脚本现在我们来编写批量生成的核心部分。我们将准备一个关键词列表然后循环调用模型生成对联文本并保存。4.1 准备愿望关键词库创建一个文本文件如keywords.txt每行一个关键词。你可以根据需求自由扩展。如意 安康 兴旺 福寿 吉祥 飞跃 丰收 和谐 团圆 锦绣 ...4.2 实现批量文本生成脚本# batch_text_generator.py import json from model_loader import load_couplet_model def batch_generate_couplets(keyword_file, output_filecouplets.json): 批量生成春联文本。 Args: keyword_file (str): 包含关键词的文本文件路径。 output_file (str): 输出JSON文件路径。 # 1. 加载模型 pipe load_couplet_model() # 2. 读取关键词 with open(keyword_file, r, encodingutf-8) as f: keywords [line.strip() for line in f if line.strip()] print(f共读取到 {len(keywords)} 个关键词。开始批量生成...) results [] for i, keyword in enumerate(keywords): try: # 3. 调用模型生成对联 # 注意模型输出可能需要解析这里假设直接返回结构化的文本 generated pipe(keyword) # 4. 解析结果根据实际模型输出结构调整 # 示例假设输出是字典包含‘上联’‘下联’‘横批’ # 你需要根据实际pipe的输出格式来提取 couplet_data { id: i 1, keyword: keyword, upper_line: generated.get(上联, ), # 请替换为实际键名 lower_line: generated.get(下联, ), horizontal: generated.get(横批, ) } results.append(couplet_data) print(f已生成 [{i1}/{len(keywords)}]: {keyword}) except Exception as e: print(f生成关键词 {keyword} 时出错: {e}) # 记录错误继续下一个 results.append({ id: i 1, keyword: keyword, error: str(e) }) # 5. 保存结果到JSON文件 with open(output_file, w, encodingutf-8) as f: json.dump(results, f, ensure_asciiFalse, indent2) print(f\n批量生成完成结果已保存至 {output_file}) return results if __name__ __main__: # 运行批量生成 batch_generate_couplets(keywords.txt)关键点你需要仔细检查模型管道pipe(keyword)返回的数据结构并正确解析出上联、下联和横批。可能需要打印出generated变量来查看其具体格式。5. 模拟皇城大门视觉批量生成春联图片有了对联文本下一步就是为其穿上“皇城大门”的华丽外衣。我们将使用PILPillow库来模拟原应用的视觉风格。5.1 设计图片生成模板为了接近原版的视觉效果我们需要红色背景模拟朱砂红门。使用Ma Shan Zheng书法字体需提前下载.ttf文件放入项目目录。按照“上联在右下联在左横批在上”的布局排列文字。添加一些简单的装饰元素如金色边框、模拟门钉的点。# image_renderer.py from PIL import Image, ImageDraw, ImageFont import os class CoupletImageRenderer: def __init__(self, font_pathMaShanZheng-Regular.ttf): 初始化渲染器。 Args: font_path (str): 书法字体文件路径。 # 定义画布尺寸可根据需要调整 self.width 1200 self.height 2000 # 背景色皇城红 self.bg_color (183, 28, 28) # 深红色 # 文字颜色金色 self.text_color (255, 223, 0) # 金色 # 加载字体 try: self.title_font ImageFont.truetype(font_path, 100) # 横批字体 self.couplet_font ImageFont.truetype(font_path, 120) # 对联字体 except IOError: print(f警告字体文件 {font_path} 未找到使用默认字体。) self.title_font ImageFont.load_default() self.couplet_font ImageFont.load_default() def render(self, upper_line, lower_line, horizontal, output_path): 渲染单幅春联图片。 Args: upper_line (str): 上联文本。 lower_line (str): 下联文本。 horizontal (str): 横批文本。 output_path (str): 图片输出路径。 # 1. 创建画布 img Image.new(RGB, (self.width, self.height), colorself.bg_color) draw ImageDraw.Draw(img) # 2. 绘制横批顶部居中 # 计算文字宽度以居中 h_bbox draw.textbbox((0, 0), horizontal, fontself.title_font) h_width h_bbox[2] - h_bbox[0] h_position ((self.width - h_width) // 2, 150) draw.text(h_position, horizontal, fontself.title_font, fillself.text_color) # 3. 绘制上联右侧 # 每列文字居中绘制可以计算行高进行多字排列 # 这里简化处理假设每联7个字纵向排列 u_x_position self.width * 3 // 4 # 右侧 u_start_y 400 u_line_height 180 for i, char in enumerate(upper_line): char_bbox draw.textbbox((0, 0), char, fontself.couplet_font) char_width char_bbox[2] - char_bbox[0] c_x u_x_position - char_width // 2 c_y u_start_y i * u_line_height draw.text((c_x, c_y), char, fontself.couplet_font, fillself.text_color) # 4. 绘制下联左侧 l_x_position self.width // 4 # 左侧 l_start_y 400 for i, char in enumerate(lower_line): char_bbox draw.textbbox((0, 0), char, fontself.couplet_font) char_width char_bbox[2] - char_bbox[0] c_x l_x_position - char_width // 2 c_y l_start_y i * u_line_height draw.text((c_x, c_y), char, fontself.couplet_font, fillself.text_color) # 5. 可以在此添加装饰如简单的金色边框 border_width 10 draw.rectangle([border_width, border_width, self.width-border_width, self.height-border_width], outlineself.text_color, widthborder_width) # 6. 保存图片 img.save(output_path) print(f图片已保存{output_path}) # 辅助函数批量渲染JSON中的所有春联 def batch_render_images(json_file, output_diroutput_images): 读取JSON文件批量渲染春联图片。 import json os.makedirs(output_dir, exist_okTrue) with open(json_file, r, encodingutf-8) as f: couplets json.load(f) renderer CoupletImageRenderer() for item in couplets: if error in item: print(f跳过有错误的条目 {item[id]}: {item[keyword]}) continue # 构造输出文件名 filename f{item[id]:03d}_{item[keyword]}.png output_path os.path.join(output_dir, filename) # 调用渲染 renderer.render(item[upper_line], item[lower_line], item[horizontal], output_path) print(f\n批量图片渲染完成图片保存在 {output_dir} 目录下。) if __name__ __main__: # 测试渲染单张图片 test_renderer CoupletImageRenderer() test_renderer.render(龙马精神开锦绣, 春风得意展宏图, 马到成功, test_couplet.png) # 批量渲染确保先运行了文本生成 # batch_render_images(couplets.json)这个渲染器是一个基础版本模拟了核心的布局和风格。要完全复刻原应用的“门神”、“门钉”等复杂视觉效果需要更精细的图片合成技术可能需要准备固定的背景素材图进行叠加。但上述代码已能生成风格统一、美观大方的批量春联图片。6. 汇编成册将批量图片导出为PDF生成了上百张图片后最后一步是将它们整理成一份专业的PDF文档方便预览、打印或分发。6.1 使用ReportLab创建PDF我们将使用reportlab库它擅长于生成包含图片和文字的PDF。# pdf_exporter.py from reportlab.lib.pagesizes import A4, landscape, portrait from reportlab.pdfgen import canvas from reportlab.lib.utils import ImageReader import os def images_to_pdf(image_folder, output_pdfbatch_couplets.pdf, page_sizeA4, orientationportrait): 将文件夹中的图片合并成一个PDF文件。 Args: image_folder (str): 包含图片的文件夹路径。 output_pdf (str): 输出的PDF文件名。 page_size (str): 页面大小如 A4, Letter。 orientation (str): 页面方向portrait纵向或 landscape横向。 # 获取所有PNG图片并按文件名排序 image_files [f for f in os.listdir(image_folder) if f.lower().endswith((.png, .jpg, .jpeg))] image_files.sort() # 确保顺序 if not image_files: print(f在文件夹 {image_folder} 中未找到图片。) return # 设置页面 if page_size.upper() A4: size A4 else: size A4 # 默认A4 if orientation landscape: size landscape(size) else: size portrait(size) c canvas.Canvas(output_pdf, pagesizesize) page_width, page_height size for img_file in image_files: img_path os.path.join(image_folder, img_file) try: # 读取图片并获取尺寸 img ImageReader(img_path) img_width, img_height img.getSize() # 计算缩放比例使图片适应页面保留边距 margin 50 max_width page_width - 2 * margin max_height page_height - 2 * margin scale min(max_width / img_width, max_height / img_height) new_width img_width * scale new_height img_height * scale # 计算居中位置 x (page_width - new_width) / 2 y (page_height - new_height) / 2 # 将图片绘制到PDF页面 c.drawImage(img_path, x, y, widthnew_width, heightnew_height) # 可选在图片下方添加文件名或关键词作为标注 # keyword os.path.splitext(img_file)[0].split(_, 1)[-1] # c.setFont(Helvetica, 12) # c.drawCentredString(page_width/2, y - 20, keyword) # 添加新页面 c.showPage() print(f已添加图片到PDF: {img_file}) except Exception as e: print(f处理图片 {img_file} 时出错: {e}) # 保存PDF c.save() print(f\nPDF生成完成文件已保存为{output_pdf}) if __name__ __main__: # 假设图片保存在 output_images 文件夹 images_to_pdf(output_images, 马年春联批量作品集.pdf, orientationportrait)这个脚本会将output_images文件夹中的所有图片每张放入PDF的一页并自动缩放以适应A4纸大小。你可以根据需要调整页面方向纵向/横向和边距。7. 总结打造你的自动化春联生产线回顾整个流程我们已经成功构建了一条从关键词到成品PDF的自动化“春联生产线”数据准备整理你的愿望关键词库keywords.txt。文本生成运行batch_text_generator.py调用PALM模型批量生成对联文本并保存为结构化的JSON文件。视觉渲染运行image_renderer.py中的批量渲染函数读取JSON文件为每一副对联生成具有“皇城大门”风格的图片。成品汇编运行pdf_exporter.py将所有生成的图片自动排版合并导出为一份精美的PDF文档。核心价值与扩展思路效率倍增一次编写无限生成。只需准备不同的关键词列表即可快速产出数百套不同主题的春联满足大型活动或个性化定制的需求。风格统一通过程序化渲染保证了所有产出作品在视觉风格上的高度一致性这是手工制作难以比拟的。灵活定制你可以轻松修改渲染脚本中的颜色、字体、布局甚至添加Logo、二维码等生成符合特定品牌形象的春联。流程集成此流水线可以轻松集成到更复杂的系统中例如与用户数据库连接实现个性化春联生成或与打印服务API对接实现一键下单印刷。通过本手册你不仅掌握了一个具体工具的使用更获得了一套将创意AI应用转化为批量化生产工具的通用方法论。技术让传统焕发新生愿这套“自动化春联生产线”能为你的下一个春节项目带来前所未有的效率与创意。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
乙巳马年春联生成终端实操手册：批量生成100套对联并导出PDF方法
乙巳马年春联生成终端实操手册批量生成100套对联并导出PDF方法1. 引言从单次生成到批量创作的效率革命每逢新春佳节无论是企业品牌宣传、社区活动还是为亲朋好友准备一份别致的数字年礼一副寓意吉祥、设计精美的春联总能增添不少节日氛围。然而传统的手写或单次生成方式在面对需要大量、多样化春联的场景时往往显得力不从心。今天我们将聚焦于一个极具实用价值的场景如何利用“乙巳马年·皇城大门春联生成终端”高效、自动化地批量生成上百套风格统一的春联并最终整理成精美的PDF文档实现从创意到成品的完整工作流。这个终端以其独特的“皇城大门”视觉设计和背后强大的达摩院PALM模型内核让单次生成体验如同开启一扇通往新年祝福的大门。但它的潜力远不止于此。通过一些简单的脚本和技巧我们可以将其从一个交互式Web应用转变为一个强大的批量内容生产工具。本手册将手把手带你完成以下目标理解核心原理拆解该应用的工作机制找到批量操作的突破口。搭建自动化脚本编写Python代码实现循环调用模型、生成并保存春联。实现数据管理如何组织你的愿望词库并关联保存生成的文本和图片。完成成品汇编将生成的数百张春联图片自动排版、合并导出为一份便于分发和打印的PDF文件。无论你是活动策划者、内容创作者还是希望用技术为传统节日增添新意的开发者这篇指南都将为你提供一套完整、可落地的解决方案。让我们开始这次效率之旅。2. 系统核心原理与批量生成可行性分析在动手编写脚本之前我们需要先理解“皇城大门春联生成终端”是如何工作的。这有助于我们找到最稳定、最高效的批量生成方法。2.1 技术栈回顾与生成流程拆解该应用的技术构成清晰明了AI模型层核心是ModelScope平台上的spring_couplet_generation模型。它接收简短的关键词如“如意”、“安康”输出符合对联格律平仄、对仗、寓意的上下联及横批。应用框架层使用Streamlit构建Web界面。它负责处理用户输入、调用模型、并将返回的对联文本渲染到前端。视觉渲染层通过注入自定义的CSS将页面装扮成“皇城大门”的样式并使用Ma Shan Zheng书法字体最终在浏览器中呈现出极具冲击力的视觉效果。其单次生成流程可以简化为用户输入关键词 - Streamlit后端接收 - 调用PALM模型 - 获取对联文本 - 前端HTML/CSS渲染 - 浏览器显示最终图片2.2 批量生成的两种思路要实现批量生成关键在于绕过交互式界面直接触及生成流程的核心环节。主要有两种思路思路一模拟前端操作不推荐通过自动化测试工具如Selenium模拟打开浏览器、输入文本、点击按钮、截图保存等一系列操作。这种方法虽然直观但效率极低、稳定性差受网络和页面加载影响且无法处理大量任务。思路二直连模型与渲染引擎推荐这是高效批量的核心。我们拆解为两个独立步骤批量文本生成直接调用ModelScope的spring_couplet_generation模型管道Pipeline循环处理关键词列表生成纯文本对联。批量图片渲染根据得到的对联文本利用Python的绘图库如PIL/Pillow, html2image模拟前端的视觉样式生成“皇城大门”风格的图片。第二种思路完全在本地或服务器后台运行不依赖图形界面速度快、稳定性高是工业级批量处理的首选。本手册将采用这种思路。3. 环境准备与模型本地化部署为了稳定、高速地批量生成我们首先需要将运行环境搭建好并将核心模型在本地或你的开发环境中准备好。3.1 创建Python虚拟环境建议使用虚拟环境来管理依赖避免包冲突。# 1. 创建并进入项目目录 mkdir batch_couplet_generator cd batch_couplet_generator # 2. 创建虚拟环境以conda为例也可使用venv conda create -n couplet_batch python3.8 -y conda activate couplet_batch # 3. 安装核心依赖 pip install modelscope torch torchvision pillow reportlab # modelscope: 用于调用达摩院模型 # torch: 模型运行的深度学习框架 # pillow: 用于图片处理与合成 # reportlab: 用于后期生成PDF3.2 下载并加载春联生成模型我们直接使用ModelScope的模型管道这是批量生成文本的关键。# model_loader.py from modelscope.pipelines import pipeline from modelscope.utils.constant import Tasks def load_couplet_model(): 加载春联生成模型。 首次运行时会自动从ModelScope Hub下载模型请保持网络通畅。 print(正在加载春联生成模型...) # 指定任务为文本生成并传入模型ID couplet_pipe pipeline(Tasks.text_generation, modeldamo/nlp_palm2.0_text-generation_chinese-base) # 注意上述模型ID为示例实际需确认原应用使用的精确模型ID。 # 更常见的春联专用模型可能是 damo/nlp_couplet_generation_sbert # 你需要根据原应用信息或测试确定正确的模型ID。 print(模型加载完毕) return couplet_pipe # 测试加载 if __name__ __main__: pipe load_couplet_model() # 简单测试 test_input 如意 result pipe(test_input) print(f测试输入{test_input}) print(f生成结果{result})重要提示你需要根据“皇城大门终端”实际使用的模型替换代码中的model参数。可以通过查看其源代码或使用浏览器开发者工具监测网络请求来确认。一个常见的春联生成模型是damo/nlp_couplet_generation_sbert。4. 批量生成春联文本编写核心脚本现在我们来编写批量生成的核心部分。我们将准备一个关键词列表然后循环调用模型生成对联文本并保存。4.1 准备愿望关键词库创建一个文本文件如keywords.txt每行一个关键词。你可以根据需求自由扩展。如意 安康 兴旺 福寿 吉祥 飞跃 丰收 和谐 团圆 锦绣 ...4.2 实现批量文本生成脚本# batch_text_generator.py import json from model_loader import load_couplet_model def batch_generate_couplets(keyword_file, output_filecouplets.json): 批量生成春联文本。 Args: keyword_file (str): 包含关键词的文本文件路径。 output_file (str): 输出JSON文件路径。 # 1. 加载模型 pipe load_couplet_model() # 2. 读取关键词 with open(keyword_file, r, encodingutf-8) as f: keywords [line.strip() for line in f if line.strip()] print(f共读取到 {len(keywords)} 个关键词。开始批量生成...) results [] for i, keyword in enumerate(keywords): try: # 3. 调用模型生成对联 # 注意模型输出可能需要解析这里假设直接返回结构化的文本 generated pipe(keyword) # 4. 解析结果根据实际模型输出结构调整 # 示例假设输出是字典包含‘上联’‘下联’‘横批’ # 你需要根据实际pipe的输出格式来提取 couplet_data { id: i 1, keyword: keyword, upper_line: generated.get(上联, ), # 请替换为实际键名 lower_line: generated.get(下联, ), horizontal: generated.get(横批, ) } results.append(couplet_data) print(f已生成 [{i1}/{len(keywords)}]: {keyword}) except Exception as e: print(f生成关键词 {keyword} 时出错: {e}) # 记录错误继续下一个 results.append({ id: i 1, keyword: keyword, error: str(e) }) # 5. 保存结果到JSON文件 with open(output_file, w, encodingutf-8) as f: json.dump(results, f, ensure_asciiFalse, indent2) print(f\n批量生成完成结果已保存至 {output_file}) return results if __name__ __main__: # 运行批量生成 batch_generate_couplets(keywords.txt)关键点你需要仔细检查模型管道pipe(keyword)返回的数据结构并正确解析出上联、下联和横批。可能需要打印出generated变量来查看其具体格式。5. 模拟皇城大门视觉批量生成春联图片有了对联文本下一步就是为其穿上“皇城大门”的华丽外衣。我们将使用PILPillow库来模拟原应用的视觉风格。5.1 设计图片生成模板为了接近原版的视觉效果我们需要红色背景模拟朱砂红门。使用Ma Shan Zheng书法字体需提前下载.ttf文件放入项目目录。按照“上联在右下联在左横批在上”的布局排列文字。添加一些简单的装饰元素如金色边框、模拟门钉的点。# image_renderer.py from PIL import Image, ImageDraw, ImageFont import os class CoupletImageRenderer: def __init__(self, font_pathMaShanZheng-Regular.ttf): 初始化渲染器。 Args: font_path (str): 书法字体文件路径。 # 定义画布尺寸可根据需要调整 self.width 1200 self.height 2000 # 背景色皇城红 self.bg_color (183, 28, 28) # 深红色 # 文字颜色金色 self.text_color (255, 223, 0) # 金色 # 加载字体 try: self.title_font ImageFont.truetype(font_path, 100) # 横批字体 self.couplet_font ImageFont.truetype(font_path, 120) # 对联字体 except IOError: print(f警告字体文件 {font_path} 未找到使用默认字体。) self.title_font ImageFont.load_default() self.couplet_font ImageFont.load_default() def render(self, upper_line, lower_line, horizontal, output_path): 渲染单幅春联图片。 Args: upper_line (str): 上联文本。 lower_line (str): 下联文本。 horizontal (str): 横批文本。 output_path (str): 图片输出路径。 # 1. 创建画布 img Image.new(RGB, (self.width, self.height), colorself.bg_color) draw ImageDraw.Draw(img) # 2. 绘制横批顶部居中 # 计算文字宽度以居中 h_bbox draw.textbbox((0, 0), horizontal, fontself.title_font) h_width h_bbox[2] - h_bbox[0] h_position ((self.width - h_width) // 2, 150) draw.text(h_position, horizontal, fontself.title_font, fillself.text_color) # 3. 绘制上联右侧 # 每列文字居中绘制可以计算行高进行多字排列 # 这里简化处理假设每联7个字纵向排列 u_x_position self.width * 3 // 4 # 右侧 u_start_y 400 u_line_height 180 for i, char in enumerate(upper_line): char_bbox draw.textbbox((0, 0), char, fontself.couplet_font) char_width char_bbox[2] - char_bbox[0] c_x u_x_position - char_width // 2 c_y u_start_y i * u_line_height draw.text((c_x, c_y), char, fontself.couplet_font, fillself.text_color) # 4. 绘制下联左侧 l_x_position self.width // 4 # 左侧 l_start_y 400 for i, char in enumerate(lower_line): char_bbox draw.textbbox((0, 0), char, fontself.couplet_font) char_width char_bbox[2] - char_bbox[0] c_x l_x_position - char_width // 2 c_y l_start_y i * u_line_height draw.text((c_x, c_y), char, fontself.couplet_font, fillself.text_color) # 5. 可以在此添加装饰如简单的金色边框 border_width 10 draw.rectangle([border_width, border_width, self.width-border_width, self.height-border_width], outlineself.text_color, widthborder_width) # 6. 保存图片 img.save(output_path) print(f图片已保存{output_path}) # 辅助函数批量渲染JSON中的所有春联 def batch_render_images(json_file, output_diroutput_images): 读取JSON文件批量渲染春联图片。 import json os.makedirs(output_dir, exist_okTrue) with open(json_file, r, encodingutf-8) as f: couplets json.load(f) renderer CoupletImageRenderer() for item in couplets: if error in item: print(f跳过有错误的条目 {item[id]}: {item[keyword]}) continue # 构造输出文件名 filename f{item[id]:03d}_{item[keyword]}.png output_path os.path.join(output_dir, filename) # 调用渲染 renderer.render(item[upper_line], item[lower_line], item[horizontal], output_path) print(f\n批量图片渲染完成图片保存在 {output_dir} 目录下。) if __name__ __main__: # 测试渲染单张图片 test_renderer CoupletImageRenderer() test_renderer.render(龙马精神开锦绣, 春风得意展宏图, 马到成功, test_couplet.png) # 批量渲染确保先运行了文本生成 # batch_render_images(couplets.json)这个渲染器是一个基础版本模拟了核心的布局和风格。要完全复刻原应用的“门神”、“门钉”等复杂视觉效果需要更精细的图片合成技术可能需要准备固定的背景素材图进行叠加。但上述代码已能生成风格统一、美观大方的批量春联图片。6. 汇编成册将批量图片导出为PDF生成了上百张图片后最后一步是将它们整理成一份专业的PDF文档方便预览、打印或分发。6.1 使用ReportLab创建PDF我们将使用reportlab库它擅长于生成包含图片和文字的PDF。# pdf_exporter.py from reportlab.lib.pagesizes import A4, landscape, portrait from reportlab.pdfgen import canvas from reportlab.lib.utils import ImageReader import os def images_to_pdf(image_folder, output_pdfbatch_couplets.pdf, page_sizeA4, orientationportrait): 将文件夹中的图片合并成一个PDF文件。 Args: image_folder (str): 包含图片的文件夹路径。 output_pdf (str): 输出的PDF文件名。 page_size (str): 页面大小如 A4, Letter。 orientation (str): 页面方向portrait纵向或 landscape横向。 # 获取所有PNG图片并按文件名排序 image_files [f for f in os.listdir(image_folder) if f.lower().endswith((.png, .jpg, .jpeg))] image_files.sort() # 确保顺序 if not image_files: print(f在文件夹 {image_folder} 中未找到图片。) return # 设置页面 if page_size.upper() A4: size A4 else: size A4 # 默认A4 if orientation landscape: size landscape(size) else: size portrait(size) c canvas.Canvas(output_pdf, pagesizesize) page_width, page_height size for img_file in image_files: img_path os.path.join(image_folder, img_file) try: # 读取图片并获取尺寸 img ImageReader(img_path) img_width, img_height img.getSize() # 计算缩放比例使图片适应页面保留边距 margin 50 max_width page_width - 2 * margin max_height page_height - 2 * margin scale min(max_width / img_width, max_height / img_height) new_width img_width * scale new_height img_height * scale # 计算居中位置 x (page_width - new_width) / 2 y (page_height - new_height) / 2 # 将图片绘制到PDF页面 c.drawImage(img_path, x, y, widthnew_width, heightnew_height) # 可选在图片下方添加文件名或关键词作为标注 # keyword os.path.splitext(img_file)[0].split(_, 1)[-1] # c.setFont(Helvetica, 12) # c.drawCentredString(page_width/2, y - 20, keyword) # 添加新页面 c.showPage() print(f已添加图片到PDF: {img_file}) except Exception as e: print(f处理图片 {img_file} 时出错: {e}) # 保存PDF c.save() print(f\nPDF生成完成文件已保存为{output_pdf}) if __name__ __main__: # 假设图片保存在 output_images 文件夹 images_to_pdf(output_images, 马年春联批量作品集.pdf, orientationportrait)这个脚本会将output_images文件夹中的所有图片每张放入PDF的一页并自动缩放以适应A4纸大小。你可以根据需要调整页面方向纵向/横向和边距。7. 总结打造你的自动化春联生产线回顾整个流程我们已经成功构建了一条从关键词到成品PDF的自动化“春联生产线”数据准备整理你的愿望关键词库keywords.txt。文本生成运行batch_text_generator.py调用PALM模型批量生成对联文本并保存为结构化的JSON文件。视觉渲染运行image_renderer.py中的批量渲染函数读取JSON文件为每一副对联生成具有“皇城大门”风格的图片。成品汇编运行pdf_exporter.py将所有生成的图片自动排版合并导出为一份精美的PDF文档。核心价值与扩展思路效率倍增一次编写无限生成。只需准备不同的关键词列表即可快速产出数百套不同主题的春联满足大型活动或个性化定制的需求。风格统一通过程序化渲染保证了所有产出作品在视觉风格上的高度一致性这是手工制作难以比拟的。灵活定制你可以轻松修改渲染脚本中的颜色、字体、布局甚至添加Logo、二维码等生成符合特定品牌形象的春联。流程集成此流水线可以轻松集成到更复杂的系统中例如与用户数据库连接实现个性化春联生成或与打印服务API对接实现一键下单印刷。通过本手册你不仅掌握了一个具体工具的使用更获得了一套将创意AI应用转化为批量化生产工具的通用方法论。技术让传统焕发新生愿这套“自动化春联生产线”能为你的下一个春节项目带来前所未有的效率与创意。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
