Py之wxPython:利用wxPython设计CMD软件窗口进行交互可视化

简介: Py之wxPython:利用wxPython设计CMD软件窗口进行交互可视化

实现结果

image.png


实现代码

#coding:utf-8

import wx

import os

 

class Mywin(wx.Frame):

  def __init__(self, parent, title):

     super(Mywin, self).__init__(parent, title = title,size = (700,500))

 

     panel = wx.Panel(self)

     vbox = wx.BoxSizer(wx.VERTICAL)

 

     hbox3 = wx.BoxSizer(wx.HORIZONTAL)

     self.t3 = wx.TextCtrl(panel,size = (600,1000),style = wx.TE_MULTILINE)

 

     hbox3.Add(self.t3,1,wx.EXPAND|wx.ALIGN_LEFT|wx.ALL,5)

     vbox.Add(hbox3)

     self.t3.Bind(wx.EVT_TEXT_ENTER,self.OnEnterPressed)  

     self.t3.SetBackgroundColour('Black'), self.t3.SetForegroundColour('Steel Blue')

     self.SetTransparent(200) #设置透明

     panel.SetSizer(vbox)

     

     self.Centre()

     self.Show()

     self.Fit()  

 

  def OnKeyTyped(self, event):

     print(event.GetString())

 

  def OnEnterPressed(self,event):

     self.t3.AppendText(event.GetString())

     result = os.popen(event.GetString())

     res = result.read()

     for line in res.splitlines():

         print(line)

         self.t3.AppendText(line)

   

 

  def OnMaxLen(self,event):

     print("Maximum length reached")

 

app = wx.App()

Mywin(None,  'CMD')

app.MainLoop()


相关文章
|
2月前
|
人工智能 自然语言处理 安全
2026年云上及本地部署OpenClaw/Clawdbot使用指南:+Phone Agent 手机控制AI,彻底解放双手
2026年,AI智能体的跨设备协同成为核心趋势。OpenClaw(原Clawdbot)作为高性能AI代理工具,不仅能接管电脑系统级操作,通过对接Phone Agent框架,还能实现手机端的自然语言控制——飞书发消息即可让AI自动完成微信聊天、淘宝购物、小红书收藏等手机操作,彻底解放双手。
2453 1
|
存储 机器学习/深度学习 Kubernetes
kubeflow系列:基于国内阿里云镜像解决kubeflow一键安装
google出品在国内都存在墙的问题,而kubeflow作为云原生的机器学习套件对团队的帮助很大,对于无条件的团队,基于国内镜像搭建kubeflow可以帮助大家解决不少麻烦,这里给大家提供一套基于国内阿里云镜像的kubeflow 0.6的安装方案。
9931 0
kubeflow系列:基于国内阿里云镜像解决kubeflow一键安装
|
6月前
|
人工智能 测试技术 API
构建AI智能体:二、DeepSeek的Ollama部署FastAPI封装调用
本文介绍如何通过Ollama本地部署DeepSeek大模型,结合FastAPI实现API接口调用。涵盖Ollama安装、路径迁移、模型下载运行及REST API封装全过程,助力快速构建可扩展的AI应用服务。
2078 7
|
2月前
|
存储 自然语言处理 算法
大模型应用:RAG与向量数据库结合Ollama调用模型深度融合全解析.27
本文以本地员工手册智能问答为例,系统讲解RAG与向量数据库的深度融合:从RAG原理、FAISS向量库构建、Ollama本地大模型部署,到文档分块、检索增强、问答链搭建及效果评估,实现安全、高效、可落地的私有化智能问答系统。
410 7
|
2月前
|
人工智能 Linux API
[大模型实战 01] 本地大模型初体验:Ollama 部署与 Python 调用指南
大模型实战系列第一篇。拒绝晦涩理论,直接上手!我会带着各位友人们零基础安装 Ollama,利用国内 ModelScope 极速下载模型,详解服务端口配置与 Python 脚本调用,涵盖显存计算与常见避坑指南。
[大模型实战 01] 本地大模型初体验:Ollama 部署与 Python 调用指南
|
3月前
|
数据采集 人工智能 物联网
什么是微调?大模型定制化的核心技术与实操指南
微调让大模型从“通用助手”变为“专属专家”。通过少量数据训练,LoRA等轻量化方法可在单卡上实现高效优化,广泛应用于医疗、金融、电商等领域。数据驱动、成本低廉、效果显著,微调正推动AI定制化落地,人人皆可拥有专属AI。
|
3月前
|
并行计算 监控 安全
高效 GPU 加速:DeepSeek-R1 系列模型在 llama.cpp 上的生产级部署指南
本文详解如何在RTX 30/40系显卡上,通过llama.cpp高效部署DeepSeek-R1-8B模型。涵盖CUDA镜像选择、GPU卸载调优、显存控制与高可用架构,结合Docker、Prometheus监控及负载均衡,实现低延迟、高吞吐的生产级推理,助力大模型落地应用。
|
11月前
|
人工智能 文件存储 数据中心
Ollama部署本地大模型并通过Infortress APP远程访问保姆级教程
本文介绍如何快速上手本地大模型部署工具Ollama及AI远程访问工具Infortress。通过Ollama,开发者可轻松部署如Llama、Deepseek等主流开源模型,仅需几行命令即可完成安装与运行。结合Infortress,用户能实现对本地大模型的远程访问,支持多设备无缝对接,同时提供便捷的模型切换与知识库管理功能。Infortress更兼具NAS软件特性,成为个人AI数据中心的理想选择。
|
存储 开发工具 数据库
什么是 Git 存储库?
【8月更文挑战第14天】
850 3
|
8月前
|
人工智能 自然语言处理 Java
从青铜到王者,DeepSeek+Spring AI 搭建 RAG 知识库
本文介绍了基于RAG(检索增强生成)技术构建知识库的原理与实现方法。RAG通过结合检索与生成模型,提升大语言模型在问答任务中的准确性与相关性,有效缓解“幻觉”问题。文章还详细讲解了如何利用DeepSeek与SpringAI搭建高效RAG系统,并提供了完整的Java代码示例,帮助开发者快速实现文档处理、向量存储与智能问答功能。适用于智能客服、内容生成、辅助决策等多个场景。
2060 2