python用thinker库制作一个进制转换器(可打包exe)

简介: 进制转换之间很麻烦,还得计算,如果可以做一个进制转换器多nice,其实也不难,就利用一个tkinter库就能制作,废话不多说,直接开搞。

进制类型分为:


二进制 字母B表示

八进制 字母O表示

十进制 字母D表示

十六机制 字母H表示


进制转换之间很麻烦,还得计算,如果可以做一个进制转换器多nice,其实也不难,就利用一个tkinter库就能制作,废话不多说,直接开搞。

9b3c5e7798634c7bb8f12ca02b77e1d9.jpg


💝进制转换器💝

源代码以及注释

用pyinstaller打包exe

tkinter库常用参数


源代码以及注释



import tkinter as tk   # 导入tkinter库设置别名tk
root = tk.Tk()   # 生成主窗口
root.title('进制转换器')  # 设置窗体名字
root.geometry('400x250') # 设置窗体大小
# text设置按钮的文本内容,并设置组件的横,纵坐标
tk.Label(root, text='十进制数   \t').place(x=50, y=20)
tk.Label(root, text='二进制数   \t').place(x=50, y=50)
tk.Label(root, text='八进制数   \t').place(x=50, y=80)
tk.Label(root, text='十六进制数\t').place(x=50, y=110)
# Entry用于收集键盘输入并设置宽度,和组件的横,纵坐标
w = tk.Entry(root, width=20)
w.place(x=180, y=20)
obj = tk.StringVar()
obj1 = tk.StringVar()
obj2 = tk.StringVar()
# 定义一个计算进制的函数
def calculation():
    s = int(w.get())
    h = bin(s)
    o = oct(s)
    b = hex(s)
    obj.set(h)
    obj1.set(o)
    obj2.set(b)
# Label用于显示文字或者是图片(width宽度,height高度bg颜色 textvariable是关联对象,控制组件文本发生更改时跟着改变
tk.Label(root, width=20, height=1, bg='white', textvariable=obj).place(x=180, y=50)
tk.Label(root, width=20, height=1, bg='white', textvariable=obj1).place(x=180, y=80)
tk.Label(root, width=20, height=1, bg='white', textvariable=obj2).place(x=180, y=110)
# 创建一个按钮
tk.Button(root, text='转换', width=15, height=2, command=calculation).place(x=140, y=180)
# 显示主窗口
root.mainloop()


用pyinstaller打包exe



用pyinstaller打包文件为exe,即使在没有编译环境的情况下也可以运行,这里打包教程就不做介绍了,详情看我的这篇博客python利用pyinstaller打包exe详细教程

打包完效果图如下:


ed95c87d4b204238974f2330fc4b20c1.png335dbdf5bf6d4d43ad615929506826d2.png


tkinter库常用参数




参数 含义
root = TK() 生成主窗口
root.geometry(‘450x250’) 修改窗体大小(宽x高)
root.geometry(’+450+250’) 修改窗体位置(+横坐标+纵坐标)
root.title() 修改窗体的名字
root.mainloop() 显示主窗口


place()


参数 含义
x 组件左上角的横坐标
y 组件左上角的纵坐标
width 组件的宽度
height 组件的高度


Entry()


参数 含义
width 设置文本框宽度
bg 设置背景色
font 设置字体的样式和大小
textvariable 关联一个 Tkinter variable 对象, 通常为 StringVar 对象. 控制文本在该对象更改时跟着改变.



💖以上就是用thinker库制作一个进制转换器并打包exe的教程,如果有改进的建议欢迎在评论区留言奥~

欢迎各位来访,一起交流学习python🥳


相关文章
|
3月前
|
数据可视化 Linux iOS开发
Python脚本转EXE文件实战指南:从原理到操作全解析
本教程详解如何将Python脚本打包为EXE文件,涵盖PyInstaller、auto-py-to-exe和cx_Freeze三种工具,包含实战案例与常见问题解决方案,助你轻松发布独立运行的Python程序。
1033 2
|
3月前
|
存储 人工智能 测试技术
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
本文介绍如何使用LangChain结合DeepSeek实现多轮对话,测开人员可借此自动生成测试用例,提升自动化测试效率。
462 125
如何使用LangChain的Python库结合DeepSeek进行多轮次对话?
|
3月前
|
监控 数据可视化 数据挖掘
Python Rich库使用指南:打造更美观的命令行应用
Rich库是Python的终端美化利器,支持彩色文本、智能表格、动态进度条和语法高亮,大幅提升命令行应用的可视化效果与用户体验。
222 0
|
2月前
|
数据可视化 关系型数据库 MySQL
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
本文详解基于Python的电影TOP250数据可视化大屏开发全流程,涵盖爬虫、数据存储、分析及可视化。使用requests+BeautifulSoup爬取数据,pandas存入MySQL,pyecharts实现柱状图、饼图、词云图、散点图等多种图表,并通过Page组件拖拽布局组合成大屏,支持多种主题切换,附完整源码与视频讲解。
236 4
【可视化大屏】全流程讲解用python的pyecharts库实现拖拽可视化大屏的背后原理,简单粗暴!
|
2月前
|
传感器 运维 前端开发
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
本文解析异常(anomaly)与新颖性(novelty)检测的本质差异,结合distfit库演示基于概率密度拟合的单变量无监督异常检测方法,涵盖全局、上下文与集体离群值识别,助力构建高可解释性模型。
310 10
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
|
3月前
|
人工智能 数据安全/隐私保护 异构计算
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
409 8
桌面版exe安装和Python命令行安装2种方法详细讲解图片去水印AI源码私有化部署Lama-Cleaner安装使用方法-优雅草卓伊凡
|
2月前
|
监控 机器人 编译器
如何将python代码打包成exe文件---PyInstaller打包之神
PyInstaller可将Python程序打包为独立可执行文件,无需用户安装Python环境。它自动分析代码依赖,整合解释器、库及资源,支持一键生成exe,方便分发。使用pip安装后,通过简单命令即可完成打包,适合各类项目部署。
|
3月前
|
API 语音技术 开发者
Python 项目打包,并上传到 PyPI,分享项目
本文介绍了如何使用 Poetry 打包并发布一个 Python 项目至 PyPI。内容包括:项目创建、配置 `pyproject.toml` 文件、构建软件包、上传至 PyPI、安装与使用。通过实例 iGTTS 展示了从开发到发布的完整流程,帮助开发者快速分享自己的 Python 工具。
|
4月前
|
运维 Linux 开发者
Linux系统中使用Python的ping3库进行网络连通性测试
以上步骤展示了如何利用 Python 的 `ping3` 库来检测网络连通性,并且提供了基本错误处理方法以确保程序能够优雅地处理各种意外情形。通过简洁明快、易读易懂、实操性强等特点使得该方法非常适合开发者或系统管理员快速集成至自动化工具链之内进行日常运维任务之需求满足。
248 18
|
4月前
|
机器学习/深度学习 API 异构计算
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
JAX是Google开发的高性能数值计算库,旨在解决NumPy在现代计算需求下的局限性。它不仅兼容NumPy的API,还引入了自动微分、GPU/TPU加速和即时编译(JIT)等关键功能,显著提升了计算效率。JAX适用于机器学习、科学模拟等需要大规模计算和梯度优化的场景,为Python在高性能计算领域开辟了新路径。
387 0
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程

推荐镜像

更多