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