pyqt 创建系统托盘

简介: pyqt 创建系统托盘

demo

import sys
from PyQt5.QtGui import QIcon
from PyQt5.QtWidgets import (QApplication, QDialog, QMessageBox, QPushButton,
                             QLabel, QCheckBox, QComboBox, QLineEdit, QSpinBox,
                             QMenu, QAction, QGridLayout, QHBoxLayout, QVBoxLayout,
                             QTextEdit,QGroupBox, QStyle, QSystemTrayIcon)
# import resource_rc
class SystemTrayDemo(QDialog):
    def __init__(self):
        super(SystemTrayDemo, self).__init__()
        # 设置窗口标题
        self.setWindowTitle('实战PyQt5: 演示应用最小化到托盘')
        #设置窗口尺寸
        self.resize(400, 300)
        self.sysIcon = QIcon(R"F:\work\免杀-小工具\loader\pdf-reader\pdf.png")
        self.setWindowIcon(self.sysIcon)
        self.initUi()
    def initUi(self):
        self.createMessageGroupBox()
        self.createTrayIcon()
        mainLayout = QVBoxLayout()
        mainLayout.addWidget(self.grpMessageBox)
        self.setLayout(mainLayout)
        #让托盘图标显示在系统托盘上
        self.trayIcon.show()
    #创建托盘图标
    def createTrayIcon(self):
        aRestore = QAction('恢复(&R)', self, triggered = self.showNormal)
        aQuit = QAction('退出(&Q)', self, triggered = QApplication.instance().quit)
        menu = QMenu(self)
        menu.addAction(aRestore)
        menu.addAction(aQuit)
        self.trayIcon = QSystemTrayIcon(self)
        self.trayIcon.setIcon(self.sysIcon)
        self.trayIcon.setContextMenu(menu)
        self.trayIcon.messageClicked.connect(self.messageClicked)
        self.trayIcon.activated.connect(self.iconActivated)
    #气球信息控制部分
    def createMessageGroupBox(self):
        self.grpMessageBox = QGroupBox('气球消息')
        #==== 消息类型控制部分 ====#
        typeLabel = QLabel('消息类型:')
        self.cmbType = QComboBox()
        self.cmbType.addItem('无类型', QSystemTrayIcon.NoIcon)
        self.cmbType.addItem(self.style().standardIcon(QStyle.SP_MessageBoxInformation), 
                             '信息', QSystemTrayIcon.Information)
        self.cmbType.addItem(self.style().standardIcon(QStyle.SP_MessageBoxWarning),
                             '警告', QSystemTrayIcon.Warning)
        self.cmbType.addItem(self.style().standardIcon(QStyle.SP_MessageBoxCritical),
                             '错误', QSystemTrayIcon.Critical)
        self.cmbType.setCurrentIndex(1)
        #==== 消息显示持续时间部分 ====#
        durationLabel = QLabel('持续时间:')
        self.durationSpinBox = QSpinBox()
        self.durationSpinBox.setRange(5, 60)    #时间范围
        self.durationSpinBox.setSuffix(' s')    #后缀,秒
        self.durationSpinBox.setValue(15)       # 缺省时间 15秒
        #spinbox 右边的警告提示信息
        durationWarningLabel = QLabel('(一些系统可能会忽略消息显示的持续时间控制)')
        durationWarningLabel.setIndent(10)
        #==== 消息标题栏控制 ====#
        titleLabel = QLabel('标题:')
        self.titleEdit = QLineEdit('不能连接到网络')
        #==== 消息编辑栏 ====#
        bodyLabel = QLabel('消息:')
        self.bodyEdit = QTextEdit()
        self.bodyEdit.setPlainText('不要问我, 老实说吧,我也不知道原因。'
                                   '\n请点击气球图标获得更多信息')
        #==== 显示消息按钮 ====#
        showMessageButton = QPushButton('显示消息')
        showMessageButton.setDefault(True)
        showMessageButton.clicked.connect(self.showMessage)
        #==== 将上述部件加入到一个网格布局中
        msgLayout = QGridLayout()
        msgLayout.addWidget(typeLabel, 0, 0)     #0行0列
        msgLayout.addWidget(self.cmbType, 0, 1, 1, 2)    #0行1列, 占1行2列
        msgLayout.addWidget(durationLabel, 1, 0)    #1行0列
        msgLayout.addWidget(self.durationSpinBox, 1, 1)     #1行1列
        msgLayout.addWidget(durationWarningLabel, 1, 2, 1, 3)  #1行2列, 占1行3列
        msgLayout.addWidget(titleLabel, 2, 0)     #2行0列
        msgLayout.addWidget(self.titleEdit, 2, 1, 1, 4)  #2行1列, 占1行4列
        msgLayout.addWidget(bodyLabel, 3, 0)     #3行0列
        msgLayout.addWidget(self.bodyEdit, 3, 1, 2, 4)  #3行1列, 占2行4列
        msgLayout.addWidget(showMessageButton, 5, 4) #5行4列
        msgLayout.setColumnStretch(3, 1)
        msgLayout.setRowStretch(4, 1)
        self.grpMessageBox.setLayout(msgLayout)
    #显示气球信息   
    def showMessage(self):
        #根据消息类型获取图标
        icon = QSystemTrayIcon.MessageIcon(self.cmbType.itemData(self.cmbType.currentIndex()))
        self.trayIcon.showMessage(self.titleEdit.text(),         #标题
                                  self.bodyEdit.toPlainText(),   #信息
                                  icon,                          #图标
                                  self.durationSpinBox.value() * 1000) #信息显示持续时间
    #关闭事件处理, 不关闭,只是隐藏,真正的关闭操作在托盘图标菜单里
    def closeEvent(self, event):
        if self.trayIcon.isVisible():
            QMessageBox.information(self, '系统托盘', 
                                    '程序将继续在系统托盘中运行,要终止本程序,\n'
                                    '请在系统托盘入口的上下文菜单中选择"退出"')
            self.hide()
            event.ignore()
    def messageClicked(self):
        QMessageBox.information(None, '系统托盘',
                                '对不起,我已经尽力了。'
                                '也许你应该试着问一个人?')
    def iconActivated(self, reason):
        if reason in (QSystemTrayIcon.DoubleClick, QSystemTrayIcon.MiddleClick):
            self.showMessage()
if __name__ == '__main__':
    app = QApplication(sys.argv)
    #如果系统不支持最小化到托盘
    if not QSystemTrayIcon.isSystemTrayAvailable():
        QMessageBox.critical(None, '系统托盘', '本系统不支持托盘功能')
        sys.exit(1)
    QApplication.setQuitOnLastWindowClosed(False)
    window = SystemTrayDemo()
    window.show()
    sys.exit(app.exec())
目录
相关文章
|
14天前
|
机器学习/深度学习 算法 TensorFlow
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
动物识别系统。本项目以Python作为主要编程语言,并基于TensorFlow搭建ResNet50卷积神经网络算法模型,通过收集4种常见的动物图像数据集(猫、狗、鸡、马)然后进行模型训练,得到一个识别精度较高的模型文件,然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面,实现用户上传一张动物图片,识别其名称。
44 1
动物识别系统Python+卷积神经网络算法+TensorFlow+人工智能+图像识别+计算机毕业设计项目
|
13天前
|
机器学习/深度学习 人工智能 算法
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
植物病害识别系统。本系统使用Python作为主要编程语言,通过收集水稻常见的四种叶片病害图片('细菌性叶枯病', '稻瘟病', '褐斑病', '稻瘟条纹病毒病')作为后面模型训练用到的数据集。然后使用TensorFlow搭建卷积神经网络算法模型,并进行多轮迭代训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地模型文件。再使用Django搭建Web网页平台操作界面,实现用户上传一张测试图片识别其名称。
65 21
植物病害识别系统Python+卷积神经网络算法+图像识别+人工智能项目+深度学习项目+计算机课设项目+Django网页界面
|
13天前
|
机器学习/深度学习 人工智能 算法
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
鸟类识别系统。本系统采用Python作为主要开发语言,通过使用加利福利亚大学开源的200种鸟类图像作为数据集。使用TensorFlow搭建ResNet50卷积神经网络算法模型,然后进行模型的迭代训练,得到一个识别精度较高的模型,然后在保存为本地的H5格式文件。在使用Django开发Web网页端操作界面,实现用户上传一张鸟类图像,识别其名称。
60 12
鸟类识别系统Python+卷积神经网络算法+深度学习+人工智能+TensorFlow+ResNet50算法模型+图像识别
|
13天前
|
机器学习/深度学习 算法 TensorFlow
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
交通标志识别系统。本系统使用Python作为主要编程语言,在交通标志图像识别功能实现中,基于TensorFlow搭建卷积神经网络算法模型,通过对收集到的58种常见的交通标志图像作为数据集,进行迭代训练最后得到一个识别精度较高的模型文件,然后保存为本地的h5格式文件。再使用Django开发Web网页端操作界面,实现用户上传一张交通标志图片,识别其名称。
43 6
交通标志识别系统Python+卷积神经网络算法+深度学习人工智能+TensorFlow模型训练+计算机课设项目+Django网页界面
|
9天前
|
机器学习/深度学习 人工智能 算法
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
文本分类识别系统。本系统使用Python作为主要开发语言,首先收集了10种中文文本数据集("体育类", "财经类", "房产类", "家居类", "教育类", "科技类", "时尚类", "时政类", "游戏类", "娱乐类"),然后基于TensorFlow搭建CNN卷积神经网络算法模型。通过对数据集进行多轮迭代训练,最后得到一个识别精度较高的模型,并保存为本地的h5格式。然后使用Django开发Web网页端操作界面,实现用户上传一段文本识别其所属的类别。
22 1
【新闻文本分类识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
2天前
|
数据采集 存储 XML
构建高效的Python爬虫系统
【9月更文挑战第30天】在数据驱动的时代,掌握如何快速高效地获取网络信息变得至关重要。本文将引导读者了解如何构建一个高效的Python爬虫系统,从基础概念出发,逐步深入到高级技巧和最佳实践。我们将探索如何使用Python的强大库如BeautifulSoup和Scrapy,以及如何应对反爬措施和提升爬取效率的策略。无论你是初学者还是有经验的开发者,这篇文章都将为你提供宝贵的知识和技能,帮助你在信息收集的海洋中航行得更远、更深。
15 6
|
10天前
|
机器学习/深度学习 数据挖掘 测试技术
自学Python的系统策略与步骤
通过遵循这些步骤和策略,你可以系统地自学Python,并有效地构建和深化你的编程知识和技能。
17 6
|
6天前
|
Python
5-5|python开启多线程入口必须在main,从python线程(而不是main线程)启动pyQt线程有什么坏处?...
5-5|python开启多线程入口必须在main,从python线程(而不是main线程)启动pyQt线程有什么坏处?...
|
9天前
|
机器学习/深度学习 人工智能 算法
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台。果蔬识别系统,本系统使用Python作为主要开发语言,通过收集了12种常见的水果和蔬菜('土豆', '圣女果', '大白菜', '大葱', '梨', '胡萝卜', '芒果', '苹果', '西红柿', '韭菜', '香蕉', '黄瓜'),然后基于TensorFlow库搭建CNN卷积神经网络算法模型,然后对数据集进行训练,最后得到一个识别精度较高的算法模型,然后将其保存为h5格式的本地文件方便后期调用。再使用Django框架搭建Web网页平台操作界面,实现用户上传一张果蔬图片识别其名称。
28 0
【果蔬识别系统】Python+卷积神经网络算法+人工智能+深度学习+计算机毕设项目+Django网页界面平台
|
14天前
|
机器学习/深度学习 存储 人工智能
文本情感识别分析系统Python+SVM分类算法+机器学习人工智能+计算机毕业设计
使用Python作为开发语言,基于文本数据集(一个积极的xls文本格式和一个消极的xls文本格式文件),使用Word2vec对文本进行处理。通过支持向量机SVM算法训练情绪分类模型。实现对文本消极情感和文本积极情感的识别。并基于Django框架开发网页平台实现对用户的可视化操作和数据存储。
20 0
文本情感识别分析系统Python+SVM分类算法+机器学习人工智能+计算机毕业设计
下一篇
无影云桌面