Python对话机器人
程序员笑武 人气:0背景
当我慢慢的开在高速公路上，宽敞的马路非常的拥挤！这时候我喜欢让百度导航的小度给我讲笑话，但她有点弱，每次只能讲一个。
百度号称要发力人工智能，成为国内人工智能的领军企业。但从小度的智商和理解能力上，我对此非常怀疑。
所以我们干脆用Python来开发一个可以讲笑话的机器人，可以自由定制功能，想讲几个笑话就讲几个笑话。
用到的技术
本文用到以下技术：
爬虫 - 抓取笑话
数据库 - 用sqlite保存笑话
面向对象 - 封装joke对象
模块 - 代码分模块放在多个文件中
语音识别 - 识别用户输入的语音，把笑话转换成语音
GUI - 开发简单的用户界面
打包 - 把程序打包成可执行文件
主要流程
代码模块
为了代码结构清晰，方便维护，我们把代码放到了多个py文件中，每个文件各司其职。
本程序共包括一下几个代码模块：
joke.py - 笑话对象，被多个模块共用
joke_crawler.py - 笑话爬虫
joke_db.py - 处理数据库相关，保存笑话，查询笑话等
joke_ui.py - 用户界面模块
joke_audio.py - 处理和语音相关的任务 和2个非代码结构：
joke_audio - 存放语音文件的文件夹
jokeDB.db - sqlite3数据库文件
现在开始写代码，请先创建一个文件夹，建议取名为myjoke。后面所有的代码都在这个文件夹中。
Joke对象
我们使用面向对象的编程思想，创建一个叫做Joke的类，来表示一个笑话。
用了Joke类，代码更清晰，数据传输也更方便。Joke类会被所有其他的模块用到。
创建一个名为joke.py的文件
代码如下：
class Joke:
'''
表示一个笑话。
其中title是笑话标题，detail是笑话内容
url是笑话的采集网址，通过url判定笑话是否重复，防止保存重复笑话
id是数据库生成的唯一标识符，刚刚采集下来的笑话是没有id的，所以id可以为空
'''
def __init__(self, title, detail, url, id=None):
self.title = title
self.detail = detail
self.url = url
self.id = id
def __str__(self):
'''
有了这个方法，print(joke)会把笑话打印成下面格式的字符串，否则只会打印对象的内存地址
'''
return f'{id}-{title}\n{detail}\n{url}'这个类中只有两个魔术方法，一个是构造函数__init__，一个是__str__。
爬虫抓取笑话
分析网页结构
我们要抓取的网址是这个：http://xiaohua.zol.com.cn/detail1/1.html 我们要抓的数据点有三个：
在谷歌浏览器中，右键点击检查，就可以在下面看到网页的代码结构：
1.用鼠标点击1的按钮
2.然后把鼠标移到2的地方
3.就可以看到成功这两个字在网页中的结构。
通过分析这个结构，我们可以得出：成功这两个字是在一个h1结构内，这个h1的class是article-title，因为可以使用这个特征提取其中的内容（示例代码）：
title = html.select_one('h1.article-title').getText()
用同样的方法可以分析出笑话内容和下一页URL的特征。
分析网页结构需要基本的HTML和CSS的知识，如果完全不懂，可以先直接模仿我的代码，然后再慢慢理解相关知识。
代码实现
现在来看完整的代码。
新建一个名为joke_crawler.py的文件。
import requests
import bs4
import time
import random
#先注释掉数据库相关的代码，后面需要反注释回来
#import joke_db
from joke import Joke
#起始URL
url = 'http://xiaohua.zol.com.cn/detail1/1.html'
#网站的域名地址，用来拼接完整地址
host = 'http://xiaohua.zol.com.cn'
def craw_joke(url):
'''
抓取指定的URL，返回一个Joke对象，和下一个要抓取的URL
如果抓取失败，返回None, None
必须设置User-Agent header，否则容易被封
'''
print(f'正在抓取：{url}')
headers = {
'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36'
}
html = requests.get(url, headers=headers).text
soup = bs4.BeautifulSoup(html, 'lxml')
try:
#分别使用css选择器提取title, detail和next_url
title = soup.select_one('h1.article-title').getText()
detail = soup.select_one('div.article-text').getText().strip()
next_url = soup.select_one('span.next > a')['href']
return Joke(title, detail, url), next_url
except Exception as e:
print('出错了：', e)
print(html)
return None, None
# 抓取笑话，以学习为目的，建议不要抓取太多，本例子只抓取了10个
count = 0
for i in range(0, 10):
joke, next_url = craw_joke(url)
if joke:
#先注释掉数据库相关的代码，后面需要反注释回来
#joke_db.save(joke)
print(joke)
url = host + next_url
print('歇一会儿再抓!')
time.sleep(random.randint(1, 5))
print('抓完收工！')
代码中已经添加了一些注释，有基础的应该可以看懂。
有两个点要注意：
1.在craw_joke函数中，必须添加User-Agent的header，否则会很快被封锁。
2.代码中注释掉了和数据库相关的代码，现在只是把笑话打印出来。写好了数据库模块，要把相关代码反注释回来。
3.抓取的中间有随机1到5秒的停顿，一个防止被封锁，二是出于文明礼貌，不要给服务器带来太大压力。
保存到sqlite数据库
抓来的笑话可以保存到文件中，但是用文件存储不方便检索，也不方便判断笑话是否重复等。
所以更好的方法是把笑话保存到数据库，这里选择sqlite做数据库。原因如下：
1.sqlite是文件数据库，不需要安装额外的数据库服务器
2.python默认支持sqlite数据库，不需要任何额外的安装和配置
但如果你想把世界上所有的笑话都抓下来，数据量很大，那建议使用更正式的数据库，比如MySQL.
新建一个名为joke_db.py的文件
代码如下：
import sqlite3
from joke import Joke
def setup():
'''
创建数据库和创建表，如果已经存在了不会重复创建
'''
con = sqlite3.connect('jokeDB.db')
with con:
con.execute('''CREATE TABLE IF NOT EXISTS jokes
(id INTEGER PRIMARY KEY,
title varchar(256) NOT NULL,
detail varchar(1024) NOT NULL,
url varchar(1024) NOT NULL)''')
def save(joke):
'''
把笑话保存到数据库
根据url判断是否已经有这个笑话了，如果有了就不再保存
'''
con = sqlite3.connect('jokeDB.db')
with con:
cur = con.cursor()
cur.execute(
'SELECT * FROM jokes WHERE (url = ?)', [(joke.url)])
has_joke = cur.fetchone()
if has_joke:
print('重复了，不再插入')
else:
con.execute('INSERT INTO jokes(title, detail, url) VALUES (?,?,?)', (joke.title, joke.detail, joke.url))
print('笑话保存成功')
def get_jokes():
'''
返回所有的笑话列表
'''
print('loading jokes...')
con = sqlite3.connect('jokeDB.db')
jokes = []
with con:
for row in con.execute('SELECT * FROM jokes'):
joke = Joke(row[1], row[2], row[3], row[0])
jokes.append(joke)
return jokes
# 调用最上面的代码
setup()
# 测试代码，本模块被别的模块引入的时候，不会执行下面的代码
if __name__ == '__main__':
save(Joke('笑话Test', '笑话内容test', 'https://www.joke.com/1.html'))
save(Joke('笑话Test2', '笑话内容test', 'https://www.joke.com/2.html'))
print('========打印一下所有的笑话======')
for joke in get_jokes():
print(joke)
print()
代码已经添加了比较多的注释，请先看代码。这里额外的补充：
1.要使用sqlite，需要引入sqlite3模块
2.使用sqlite要先用connect()方法获得链接，然后调用execute()方法执行SQL语句。
运行上面的代码，就可以发现文件夹下多了一个名为jokeDB.db的文件，这是程序自动创建的数据库文件，笑话就保存在里面。下面里面只有两个测试的笑话：
> python joke_db.py 笑话保存成功 笑话保存成功 ========打印一下所有的笑话====== loading jokes... 1-笑话Test 笑话内容test https://www.joke.com/1.html 2-笑话Test2 笑话内容test https://www.joke.com/2.html
这一部分需要一定的数据库知识，不过你也可以比这葫芦画瓢，先把功能做出来，再加强相关知识。
抓取笑话并保存到数据库
现在回到joke_crawler.py中，去掉关于joke_db的注释代码
第1处在文件开头：
#先注释掉数据库相关的代码，后面需要反注释回来 #import joke_db
第2处在文件的最下面：
for i in range(0, 10):
joke, next_url = craw_joke(url)
if joke:
#先注释掉数据库相关的代码，后面需要反注释回来
#joke_db.save(joke)
print(joke)
url = host + next_url
print('歇一会儿再抓!')
time.sleep(random.randint(1, 5))
print('抓完收工！')
去掉注释后，再次运行joke_crawler.py，就会把笑话保存在数据库中。
为了验证是否保存成功了，可以去运行joke_db.py，因为这个文件最后会打印出所有的笑话：
========打印一下所有的笑话====== loading jokes... 1-笑话Test 笑话内容test https://www.joke.com/1.html 2-笑话Test2 笑话内容test https://www.joke.com/2.html 3-成功 她：“因为别人都不同情你，我才做你的妻子。”他：“你总算成功了。现在每个人都因此同情我。” http://xiaohua.zol.com.cn/detail1/1.html 4-结婚以后 女：“为什么从前你对我百依百顺，可结婚才三天，你就跟我吵了两天的架？”男：“因为我的忍耐是有限度的。” http://xiaohua.zol.com.cn/detail1/2.html 5-我们的 燕尔新婚，新娘对新郎说：“今后咱们不兴说‘我的'了，要说‘我们的'。”新郎去洗澡，良久不出，新娘问：“你在干什么哪？”“亲爱的，我在刮我们的胡子呢。” http://xiaohua.zol.com.cn/detail1/3.html 6-杞人忧天 妻子患了重病，医生宣告回天乏术。妻子即对丈夫说：“我现在希望你能够发誓。”“发什么誓。”“如果你再婚，不准把我的衣服给你的新妻子穿。”丈夫恍然大悟道：“这个我可以发誓。说实话，你根本不必操心，因为我再也不想找像你这样胖的太太了。” http://xiaohua.zol.com.cn/detail1/5.html 7-理由充分 法官：“离婚理由是什么？”新娘：“他打呼噜。”法官：“结婚多长时间了？”新娘：“三天。”法官：“离婚理由充分，结婚三天还不是打呼噜的时候。” http://xiaohua.zol.com.cn/detail1/6.html 8-聪明丈夫 某夫妇当街而过，一只鸽子飞过天空，一泡鸽粪不偏不倚正巧落在太太肩上，太太急了，忙叫丈夫拿纸。丈夫抬头，见鸽子不讲卫生，到处拉屎，却不知妻子叫他拿纸干嘛，说：“叫我有啥办法，追上前去给它擦屁股呀！ ” http://xiaohua.zol.com.cn/detail1/8.html 9-事故与灾难 一位夫人问她的丈夫：“亲爱的，你能告诉我‘事故'与‘灾难'这两个词之间有什么区别吗？”“这很简单。”丈夫认真地回答说，“譬如你失足落水，这就叫‘事故'；如果人家又把你当鱼钓上来，这就是‘灾难'了。” http://xiaohua.zol.com.cn/detail1/13.html 10-吵架的结果 夫妻吵架了。当丈夫下班回到家里，他发现妻子不在家。只在桌上留了一个条子，上面写道：“午饭在《烹调大全》第215页；晚饭在317页。” http://xiaohua.zol.com.cn/detail1/14.html 11-保险之险 太太不懂保险的道理，认为缴保险费是浪费，先生连忙解释说：“保险是为了你和孩子，万一我死了；你们也有个保障呀！ ”太太反驳说：“要是你不死呢？” http://xiaohua.zol.com.cn/detail1/16.html 12-补不足 妻：“我晓得，你与我结婚，是因为我有钱。”夫：“不是，是因为我没有钱。” http://xiaohua.zol.com.cn/detail1/17.html
加载全部内容