Pixel Dimension Fissioner代码实例：调用API批量处理Excel文案表的Python脚本
Pixel Dimension Fissioner代码实例：调用API批量处理Excel文案表的Python脚本
1. 工具介绍
Pixel Dimension Fissioner（像素语言·维度裂变器）是一款基于MT5-Zero-Shot-Augment核心引擎构建的文本改写与增强工具。它将传统AI文本处理功能重构为16-bit像素冒险风格的交互体验，让文本处理变得生动有趣。
核心功能包括：
- 单次生成最多10组创意改写文本
- 可调节逻辑发散度与采样范围
- 实时监控系统状态的侧边栏
- 像素风格的UI界面与交互反馈
2. 环境准备
2.1 安装必要库
在开始使用前，请确保已安装以下Python库：
pip install pandas openpyxl requests2.2 获取API密钥
访问Pixel Dimension Fissioner官网注册账号并获取API密钥。将密钥保存在安全位置，我们将在脚本中使用它。
3. 脚本编写
3.1 基础脚本框架
首先创建一个Python脚本文件（如pixel_fissioner.py），并导入必要的库：
import pandas as pd import requests import time from tqdm import tqdm # API配置 API_URL = "https://api.pixelfissioner.com/v1/generate" API_KEY = "your_api_key_here" # 替换为你的实际API密钥 HEADERS = { "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json" }3.2 读取Excel文件
编写函数读取Excel文件中的原始文案：
def read_excel_file(file_path, sheet_name="Sheet1", column_name="文案"): """ 读取Excel文件中的文案列 :param file_path: Excel文件路径 :param sheet_name: 工作表名称，默认为Sheet1 :param column_name: 包含文案的列名 :return: 包含文案的DataFrame """ try: df = pd.read_excel(file_path, sheet_name=sheet_name) return df[column_name].tolist(), df except Exception as e: print(f"读取Excel文件出错: {e}") return None, None3.3 调用API处理文本
编写函数调用Pixel Dimension Fissioner API处理文本：
def process_text_with_fissioner(text, temperature=0.7, top_p=0.9, num_variants=3): """ 调用Pixel Dimension Fissioner API处理文本 :param text: 原始文本 :param temperature: 逻辑发散度(0.1-1.0) :param top_p: 采样范围(0.1-1.0) :param num_variants: 生成变体数量(1-10) :return: 处理后的文本列表 """ payload = { "text": text, "temperature": temperature, "top_p": top_p, "num_variants": num_variants, "style": "pixel_adventure" # 使用像素冒险风格 } try: response = requests.post(API_URL, json=payload, headers=HEADERS) response.raise_for_status() return response.json().get("variants", []) except requests.exceptions.RequestException as e: print(f"API调用失败: {e}") return []3.4 批量处理Excel文案
编写主函数批量处理Excel中的所有文案：
def batch_process_excel(input_file, output_file, sheet_name="Sheet1", column_name="文案"): """ 批量处理Excel文件中的文案 :param input_file: 输入Excel文件路径 :param output_file: 输出Excel文件路径 :param sheet_name: 工作表名称 :param column_name: 文案列名 """ # 读取原始数据 texts, original_df = read_excel_file(input_file, sheet_name, column_name) if not texts: return # 准备结果DataFrame result_df = original_df.copy() # 为每个变体添加列 for i in range(1, 4): # 假设我们生成3个变体 result_df[f"变体{i}"] = "" # 处理每个文本 for idx, text in enumerate(tqdm(texts, desc="处理进度")): if pd.isna(text) or not str(text).strip(): continue variants = process_text_with_fissioner(str(text)) # 将结果存入DataFrame for i, variant in enumerate(variants[:3]): # 只取前3个变体 result_df.at[idx, f"变体{i+1}"] = variant # API限速控制 time.sleep(0.5) # 保存结果 try: result_df.to_excel(output_file, index=False) print(f"处理完成！结果已保存到: {output_file}") except Exception as e: print(f"保存结果失败: {e}")4. 完整脚本示例
以下是完整的Python脚本示例：
import pandas as pd import requests import time from tqdm import tqdm # API配置 API_URL = "https://api.pixelfissioner.com/v1/generate" API_KEY = "your_api_key_here" # 替换为你的实际API密钥 HEADERS = { "Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json" } def read_excel_file(file_path, sheet_name="Sheet1", column_name="文案"): """读取Excel文件中的文案列""" try: df = pd.read_excel(file_path, sheet_name=sheet_name) return df[column_name].tolist(), df except Exception as e: print(f"读取Excel文件出错: {e}") return None, None def process_text_with_fissioner(text, temperature=0.7, top_p=0.9, num_variants=3): """调用Pixel Dimension Fissioner API处理文本""" payload = { "text": text, "temperature": temperature, "top_p": top_p, "num_variants": num_variants, "style": "pixel_adventure" } try: response = requests.post(API_URL, json=payload, headers=HEADERS) response.raise_for_status() return response.json().get("variants", []) except requests.exceptions.RequestException as e: print(f"API调用失败: {e}") return [] def batch_process_excel(input_file, output_file, sheet_name="Sheet1", column_name="文案"): """批量处理Excel文件中的文案""" # 读取原始数据 texts, original_df = read_excel_file(input_file, sheet_name, column_name) if not texts: return # 准备结果DataFrame result_df = original_df.copy() # 为每个变体添加列 for i in range(1, 4): result_df[f"变体{i}"] = "" # 处理每个文本 for idx, text in enumerate(tqdm(texts, desc="处理进度")): if pd.isna(text) or not str(text).strip(): continue variants = process_text_with_fissioner(str(text)) # 将结果存入DataFrame for i, variant in enumerate(variants[:3]): result_df.at[idx, f"变体{i+1}"] = variant # API限速控制 time.sleep(0.5) # 保存结果 try: result_df.to_excel(output_file, index=False) print(f"处理完成！结果已保存到: {output_file}") except Exception as e: print(f"保存结果失败: {e}") if __name__ == "__main__": # 使用示例 input_excel = "input.xlsx" # 输入文件路径 output_excel = "output.xlsx" # 输出文件路径 batch_process_excel(input_excel, output_excel)5. 使用说明
5.1 运行脚本
- 将上述代码保存为
pixel_fissioner.py - 准备包含文案的Excel文件（如
input.xlsx） - 确保有一列名为"文案"（或修改脚本中的
column_name参数） - 运行脚本：
python pixel_fissioner.py5.2 参数调整
您可以根据需要调整以下参数：
temperature：控制创意发散程度（0.1-1.0）top_p：控制采样范围（0.1-1.0）num_variants：每个文本生成的变体数量（1-10）
例如，要生成更多创意变体：
variants = process_text_with_fissioner(text, temperature=0.9, num_variants=5)6. 总结
本文介绍了如何使用Python脚本调用Pixel Dimension Fissioner API批量处理Excel中的文案。通过这个脚本，您可以：
- 自动化处理大量文本改写任务
- 灵活控制改写风格和创意程度
- 将结果直接保存回Excel文件，方便后续使用
该脚本特别适合需要批量生成营销文案、产品描述等内容变体的场景，能显著提高工作效率。
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。