超圖解Python程式設計：從入門、網頁應用、YOLO到生成式AI實作

作者：趙英傑
出版社：旗標科技股份有限公司
出版日期：2025年10月22日
頁數：736頁（索引PDF檔、電子書不計入頁數），雙色印刷。
定價：NT$799

《超圖解Python程式設計入門》第一版的介紹與討論，請參閱這篇貼文。

補充文件

• 賦予樹莓派（Raspberry Pi 5）AI超能力（一）：開箱Raspberry Pi AI人工智慧套件
• 賦予樹莓派（Raspberry Pi 5）AI超能力（二）：安裝Hailo AI加速器的程式開發套件
• OrangePi（香橙派）5 Max（二）：從VS Code遠端SSH連線、開發Python程式
• OrangePi（香橙派）5 Max（三）：YOLO視覺物件偵測 + PT（PyTorch）模型轉換成RKNN格式說明

本書特色

• 快速入門瞭解基礎語法
• 從實戰範例應用邊做邊學
• 實作檔案備份工具、YouTube影片下載工具、網路爬蟲、資料庫與留言板、影像辨識、物體偵測、肢體動作、RAG應用、LINE聊天機器人
• 涵蓋Flask與Streamlit網頁應用框架、OpenCV程式庫、YOLO模型、LangChain框架等延伸套件
• 搭配Ollama設計本地端LLM應用

Python是Guido Van Rossum（吉多‧范羅蘇姆）在90年代初期設計出的程式語言，如今是最常用的程式設計語言之一，更是AI人工智慧應用開發的首選，舉凡Google、微軟、Amazon、Meta、Tesla（特斯拉）、OpenAI、NASA等大型企業和組織也青睞採用Python開發各種工具。Python的語法簡潔易讀，是少數既適合程式初學入門，且廣泛用於大數據處理∕AI等高階科學計算應用，也能在拇指大小的微電腦控制板運作的全領域、通用型程式語言，功能超乎想像地強大。

本書以圖解、實作為出發點，除了第2章的Python程式開發與AI輔助工具說明，每個章節都有實例與詳細圖解，帶領讀者學習Python程式設計以及相關領域的背景知識，例如：

• 網路爬蟲：自動擷取∕收集網路資訊並存入Google試算表
• 建立留言板資料庫網站，並將網站部署到雲端空間。
• 影像處理與AI物件偵測：偵測人臉、分析肢體動作、檢測並計算影像中的特定物件的數量、辨識車牌號碼並自動修正辨識錯誤、追蹤物件移動軌跡 / 計算車流量。

• 使用Google提供的免費運算平台（Colab）訓練影像偵測模型，也就是教會電腦辨識與偵測影像中的特定物件。

  

• 在本機電腦離線執行大型語言模型（LLM），也就是建立如ChatGPT般的聊天機器人，以及可根據我們提供的補充知識（如：公司的產品資料或規範）回答問題的客服機器人。

在許多實作應用的場合，光是了解程式語法是不夠的，像建構網路應用程式，還需要具備網路、防火牆、資料庫系統、租用並在雲端空間部署應用程式…等，還有AI影像偵測及大型語言模型應用背後的類神經網路 / 深度學習、模式辨認、評估指標、量化、詞嵌入向量…等概念，本書也針對這些基礎做了全方位的說明。

某些Python入門書籍沒有觸及的部分，例如：物件導向程式設計，因為很重要，所以筆者也用幾個淺顯實用的案例圖解說明。

感謝旗標科技的黃昕暐先生，提供本書諸多專業建議，例如，調整內文編寫的順序、專有名詞翻譯以及建議使用的程式模組，並逐一測試每個範例程式，還有糾正內容與程式的錯誤、添加文字讓文章更通順、晚上和假日加班改稿…由衷感謝昕暐先生對本書的貢獻。筆者也依照這些想法和指正，逐一調整解說方式，讓圖文內容更清楚易懂。也謝謝台灣樹莓派（Raspberry Pi）的Sosorry先生，以及Orange Pi（香橙派）的Nova小姐和Steve先生，提供相關硬體設備。

《超圖解Python程式設計》章節大綱

第1章 認識Python程式語言

• 認識程式語言
• 使用Google Colab免費雲端服務開始編寫Python

  

• Python基本語法：資料型態、變數、函式與程式庫

  

• 編寫Markdown格式文件

  

第2章 在本機電腦安裝Python以及VS Code程式開發工具

• 在本機電腦安裝與設定Python程式的執行環境
• 安裝與設定VS Code程式開發工具

第3章 條件判斷程式

• 處理字串資料格式

  

• 改變程式運作流程的條件判斷敘述

第4章 列表、迴圈與自訂函式

• 使用列表類型變數把相關數值儲存在一起
• 透過迴圈反覆執行一段程式碼
• 用函式建立自創指令
• 操作列表資料

第5章 操作資料夾與文件：同步備份檔案

• 使用os程式庫瀏覽檔案資料夾、新增資料夾和新增檔案
• 使用shutil程式庫查詢磁碟容量及複製檔案
• 使用argparse套件處理命令參數
• 處理時間資料與比較檔案修改日期
• 在Windows, macOS和Linux系統平台直接執行Python程式
• 「可變」與「不可變」的資料類型和Tuple（元組）

第6章 安裝程式套件、Python虛擬環境以及下載YouTube影片

• 安裝Python程式套件
• 設置Python虛擬環境
• 在VS Code編輯器中啟動Python虛擬環境
• YouTube影音的Codec與下載視訊
• 使用try…except捕捉例外狀況
• 編寫YouTube影片下載程式

第7章 集合（set）、匿名函式與執行外部程序

• 認識集合（set）與雜湊（hash）
• lamba匿名函式
• 執行外部程式的subprocess模組
• 轉換與合併影音的ffmpeg程式

第8章 自動收集網路資訊的網路爬蟲

• 認識構成網頁的HTML和CSS基礎語法以及網頁結構
• 透過Selenium操控瀏覽器、擷取網頁內容、輸入表單欄位文字並提交表單。
• 使用XPath的相對路徑和絕對路徑語法選定HTML元素與HTML標籤屬性
• 認識查詢字串、處理URL編碼。
• 運用字典（dict）儲存結構化資料

第9章 儲存檔案：純文字檔、CSV檔與Google試算表

• 讀寫純文字檔案以及CSV格式檔案
• 認識與使用OAuth開放授權標準存取Google雲端試算表

第10章 建立自訂類別

• 認識集結功能（方法）和資料（屬性）的程式模組：自訂類別。
• 了解類別物件的方法與屬性的存取權限
• 認識與處理常見的資料交換格式：XML、JSON和Pickle。

第11章 使用Flask建置網站服務

• 認識網站伺服器和前端應用程式之間的HTTP通訊協定
• 使用Flask開發動態網站應用程式
• 認識與設定網站伺服器的IP位址和埠號
• 透過樣板引擎動態合成網頁
• 建立表單與處理網頁表單資料

第12章 佈署網站到雲端空間

• 透過代理伺服器讓外界存取在本機電腦運作的Python Flask網站
• 佈署Flask網站程式到免費的雲端平台
• 在Windows, macOS以及Linux系統的電腦上定時執行Python程式

第13章 多執行緒下載檔案以及規則表達式

• 使用HTTP前端通訊程式庫requests，取得網站資源與下載檔案。
• 使用lxml程式庫解析HTML，取出網頁中的資源位址。
• 認識描述檔案類型的MIME，並透過MIME篩選下載資源。
• 使用規則表達式（regular expression）從字串資料中驗證與篩選出特定文∕數字資料
• 搭配Selenium瀏覽與下載由JavaScript產生的動態內容
• 認識執行緒，採用多執行緒同時下載多個檔案。
• 使用match…case判斷匹配條件

第14章留言板網站應用程式

• 認識資料庫、採用SQLAlchemy程式庫連結與操作資料庫。
• 練習資料庫的基本操作：建立、讀取、更新和刪除。
• 建立留言板網頁與管理介面，讓管理人員在後台編輯與刪除留言。
• 產生與驗證密碼雜湊值，以防有心人士竊取密碼。
• 自訂Flask樣板過濾器（filter），轉換與格式化UTC（世界協調時）時間。
• 使用Cookie和Session幫助網站伺服器記住資料處理狀態
• 使用pathlib程式庫存取資料夾

第15章 影像處理、人臉偵測與辨識

• Python的基本影像處理與NumPy程式庫
• 使用OpenCV處理即時影像資料

  

• 使用「哈爾特徵分類器」偵測人臉

  

• 使用深度學習偵測物件

  

第16章 使用YOLO偵測物件

• 認識AI影像資料庫與Roboflow網站
• 認識高性能偵測影像物件的YOLO
• 使用YOLO進行視覺物件偵測

  

• 顯示偵測物件的中文名稱與置信度
• 計算偵測目標的數量
• 追蹤物件的移動軌跡

  

• 評估影像辨識模型好壞的幾個指標
• 偵測肢體動作

第17章 遷移訓練YOLO影像偵測模型

• 訓練影像偵測模型：以偵測車牌為例
• 在Google Colab雲端訓練客製化YOLO模型

  

• 將訓練和驗證的結果存入Google雲端硬碟
• 使用OCR文字辨識軟體讀取車牌號碼
• 建立可修正車牌辨識錯誤的程式

  

第18章 本地大語言模型：Ollama和LangChain

• 大語言模型（LLM）基本概念
• 在本機執行大語言模型

  

• 具備視覺能力的「多模態」模型
• 認識LangChain

  

• 建立提示詞模板
• 使用LCEL語法簡化提問敘述

  

• 建立訊息型提示詞
• 串流輸出語言模型的回應

第19章 使用Streamlit快速開發網頁應用程式

• Streamlit開發入門
• Streamlit的關鍵UI元件

  

• 下拉式選單與列表生成式
• 連續對話型聊天機器人

  

第20章 檢索增強生成（RAG）應用

• 認識檢索增強生成（RAG）
• 詞嵌入與向量式搜尋
• RAG系統的「資料準備與檢索」流程
• 使用向量資料庫儲存詞向量

  

• 查詢向量資料庫
• 分割文件讓大語言模型容易吸收

第21章 打造LINE客服聊天機器人

• 開發LINE bot聊天機器人程式
• 接收與解析LINE的訊息
• 結合Ollama的客服LINE聊天機器人
• 產生LINE的對話方塊、按鈕樣板與圖文選單。
• 使用LINE專屬通訊協定讀取本機的GPS位置
• 製作LINE線上報修聊天機器人，將報修資料存入Google試算表。