python作業題百度網盤,python123作業答案

大家好，小編來為大家解答以下問題，python作業題百度網盤，python123作業答案，今天讓我們一起來看看吧！

完整項目分享：
鏈接: https://pan.baidu.com/s/1CTMOgLYteLrWRaRnouB0SQ?pwd=12hf 提取碼: 12hf
（如果這個項目幫助到你了，麻煩點個贊，謝謝）

1.實現功能：

1.進行簡單的日常生活聊天(首先根據輸入尋找對應答案，如果未找到對應答案，就結合從百度百科上爬取下的內容進行回答)
2.關于具體電影和音樂話題的聊天(聯系上文語境、實現關鍵詞雙重查找)
附加部分：
為機器人增加了語音播報功能
實現了一個簡單的GUI，實現了交互功能
機器人對話均為中文對話

2.功能演示

日常聊天部分：

1.進行簡單的對話

點擊開始按鈕，在內部對程序進行初始化

將想要輸入的部分輸入到發送框中，然后點擊發送

2.對于特定的關鍵詞知道進行搜索

當然，如果想要的數據更精確，也可以直接行駛查詢功能

特定話題部分：

流程：
首先需要輸入“聊電影”
然后利用特定的輸入來激活到某個更具體的話題
比如輸入的“知道戀戀筆記本這部電影嗎？”，“知道陳可辛嗎？”,然后就可以就這個部分進行話題的探討
需要退出具體話題的聊天，可以直接輸入exit實現退出，返回到日常生活中的聊天。

首先是激活到對應的具體話題部分

我們先輸入“聊電影”
然后再看“激活特定話題用關鍵詞.txt”文件中的內容，選擇一個輸入
這里輸入的是“你知道陳可辛嗎？”就正式進入這個話題下的聊天了

找到對應部分后，就可以輸入對話了python簡單圖案代碼。這里利用了雙層的關鍵詞查找和聯系上下問語境

雙層關鍵詞
在這里插入圖片描述

聯系上下文語境
在這里插入圖片描述

前面先聊到“梁家輝”，此時的話題就記住了關鍵詞“梁家輝”，然后再問出生日期，聊天機器人就會在“梁家輝”對應的詞條下面尋找。后來又聊到了“陳可辛”，此時的語境就會切換成陳可辛，你再問機器人，機器人就會在結合陳可辛的語境進行回答。

3.實現過程：

實現所用到庫

jieba: 用于中文分詞。方便將對話輸入拆分關鍵詞，便于查找
tkinter：用于實現GUI交互界面
json：用于讀取json格式的語料庫文件
pyttsx3：用于實現機器人的語音播報

實現思路：

整體思路是結合預料庫進行正則匹配。
首先是整個字符串進行匹配，如果找到就可以直接進行輸出
然后是關鍵詞逐個匹配，在上一種情況沒有匹配的情況下，將輸入的話進行關鍵詞的拆分和組合，再進行關鍵詞的匹配。

擴展部分思路
這部分是結合語境以及關鍵詞多重匹配
結合了具體話題的語料庫的性質。
這個語料庫的關鍵詞分為三層。
第一層適用于我們激活到更加具體的話題，比如說提問“知道陳可辛嗎？”，這一整句話就是第一層關鍵詞，保證回答不會跳出這個話題。
第二層關鍵詞就適用于語境了，每次找到新回答后，這個語境關鍵詞都會被更新。
第三層關鍵詞用于查找具體的回答。
結合語境：
每次找到新回答后就會更新語境，下一次再要尋找回答時，會優先匹配之前的語境下的第三層關鍵詞，如果匹配成功了，那就直接輸出。如果沒有在之前的語境關鍵詞下匹配成功。就跳轉到使用關鍵詞的多重匹配。
關鍵詞多重匹配：
利用jieba庫對輸入的話進行關鍵詞拆分和組合，得到我們實際想知道的關鍵詞的所有可能。
先用所有的關鍵詞可能匹配第二層關鍵詞，如果匹配成功了就再匹配這個語境關鍵詞下的所有第三層關鍵詞，一旦匹配成功就可以輸出了。

舉例：
輸入“梁家輝主要成就”
將關鍵詞拆分組合成“梁家輝”“梁家輝成就”，“梁家輝主要”，“梁家梁家輝成就”，“梁家梁家輝主要”，“梁家梁家輝”，“梁家成就”，“梁家主要成就”，“梁家主要”。
利用這些關鍵詞逐個匹配第二層關鍵詞，發現“梁家輝”這個關鍵詞匹配成功了
在“梁家輝”這個語境關鍵詞下，再次利用所有的關鍵詞可能匹配第三層關鍵詞，發現匹配成功了“主要成就”，就將對應結果輸出了。

實現所用函數的解釋：

query(content)：
輸入：要查詢的詞條
輸出：查詢的結果
功能:爬取百度百科content的搜索內容
StrSplit(String)：
輸入：要拆分的字符串
輸出：所有可能字符子串的數組
功能：將輸入的內容進行關鍵詞拆分和組合，返回形成字符串數組。
query_find(String)：
輸入：要檢查的字符串
輸出：返回是否符合查找的格式，和查詢的結果
功能：檢查輸入的String是不是符合“知道xx嗎”的形式，如果是，就調用query進行查找，并且更改返回值。
MatchSiple(path, String)：
輸入：語料庫的路徑，要查詢的字符串
輸出：返回是否找到結果以及結果
功能：檢查String是否在path對應的文件內容中有直接的完全符合的匹配，如果有就修改返回值
MatchHeight(path, String_lt)：
輸入：語料庫的路徑，分割好后的字符串數組
輸出：是否查詢到結果，查詢的結果
功能:逐個檢查String_lt字符串數組中的字符串是否在path對應文件有完全的匹配，如有有匹配，就對應答案該返回值。
ai_movie_MatSiple(data,String oeder)：
與MatchSiple(path,String)類似，只是使用的語料庫切換成了具體話題的語料庫。
ai_movie_MatchHeight(data, String_lt,order,name)：同上。
ai_films_Matchname(data,String):
輸入：具體話題的語料庫，輸入的字符串
輸出：查詢的結果，是否查詢到結果，查詢到的第一個關鍵詞
功能：確定好第一個關鍵詞。
films(engine,file,string):
輸入：語音播報，打開的語料庫文件，要檢測的字符串
輸出：無返回值，直接將內容輸出到GUI上，同時進行語音播報
功能：根據前后全局變量的信息，有針對性調用前面所說的函數，找到對應的結果。
chat_bot(String):
輸入：要詢問的部分
輸出: 無返回值，直接將內容輸出到GUI上，同時進行語音播報。
功能：根據幾個全局變量的信息，有針對性的調用上述函數，找到最終的結果
send():
這個函數是被按鈕“發送”所調用的，會調用chat_bot()函數,尋找返回的字符串，同時將輸入的內容有人插入到GUI的文本框中。
begin():
對所有的信息進行初始化，這個函數是由“開始”按鈕所調用的

代碼中全局變量的解釋

global tag1:用于表示當前機器人的狀態是不是在“聊電影”這個特殊的話題上
global tag2:用于表示當前機器人的狀態是不是在“聊音樂”這個特殊的話題上
global name:用于記錄在“聊電影”和“聊音樂”上的第一個關鍵詞
global path:用于記錄日常聊天的語料庫的路徑
global engine:用于記錄語音播報
global file1:記錄“聊電影”的語料庫文件
global file2:記錄“聊音樂”的語料庫文件
global data:記錄打開的具體話題對應文件轉化成的dirt
global ord:記錄在“聊電影”或者“聊音樂”這兩個具體部分中，第一個關鍵詞對應的位置。還是方便后續的查找

##4.實驗總結：

本次實驗的主題思路是實現關鍵詞的提取和匹配，根據已經有的語料庫進行針對性的回答。
在一般的完全匹配上，增加了關鍵詞的拆分重新組合，增加了結合語境，增加了關鍵詞雙重匹配，增加了不知道結果時可以從百度百科上爬取答案。同時增加了交互界面和語音播報。
實現了可以簡單的一問一答，具體話題下的更具體的回答。
但是由于語料庫的欠缺，在實現具體話題下問答時需要用特殊的話來進行激活，這一點是有待改進。同時這次大作業，借鑒了網絡上的一些思路，表示感謝。

import tkinter
import tkinter as tk
from tkinter import scrolledtext
import jieba
import urllib.request
import urllib.parse
from lxml import etree
import json
import pyttsx3# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~全局變量~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
global tag1
global tag2
global name
global path
global engine
global file1
global file2
global data
global ord
tag1 = 0
tag2 = 0
name = None
# 標記兩個tag,一個tag表示當前的選擇是一般性回答還是film,另一個tag是在film中表示是不是第一次使用film的庫
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~# ~~~~~~~~~~~~~~~~~~~~~~~~~~~日常對話部分查找~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
def query(content):# 請求地址url = 'https://baike.baidu.com/item/' + urllib.parse.quote(content)# 請求頭部headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.99 Safari/537.36'}# 利用請求地址和請求頭部構造請求對象req = urllib.request.Request(url=url, headers=headers, method='GET')# 發送請求，獲得響應response = urllib.request.urlopen(req)# 讀取響應，獲得文本text = response.read().decode('utf-8')# 構造 _Element 對象html = etree.HTML(text)# 使用 xpath 匹配數據，得到匹配字符串列表sen_list = html.xpath('//div[contains(@class,"lemma-summary") or contains(@class,"lemmaWgt-lemmaSummary")]//text()')# 過濾數據，去掉空白sen_list_after_filter = [item.strip('\n') for item in sen_list]# 將字符串列表連成字符串并返回return ''.join(sen_list_after_filter)def query_find(String):back = Nonefind = 0if '知道' in String:                      # 符合”知道XX嗎“的格式，直接調用query對結果進行爬蟲find = 1f1 = String.split('知道')f1 = f1[1].split('嗎')back = query(f1[0])if len(back) < 2:back = '這個小蝸也不知道哎'lt_ms = [back, find]return lt_msdef StrSplit(String):"""Decompose the string into a list           # 將字符串分解為一個列表:param String: The string to be decomposed # 要分解的字符串:return: String_lt                         # 分解后的字符串列表"""String_lt = jieba.lcut(String, cut_all=True)    # 要引入jieba庫String1 = jieba.lcut(String, cut_all=True)String2 = jieba.lcut(String, cut_all=True)String3 = jieba.lcut(String, cut_all=True)String3.append('')for Str1 in String1:String_lt.append(Str1)String2.remove(Str1)for Str2 in String2:String_lt.append(Str2)                  # 要添加分出來的關鍵詞try:String3.remove(Str1)except:passtry:String3.remove(Str2)except:passfor Str3 in String3:String_lt.append(Str3)String_lt.append(Str1 + Str2 + Str3)            # 添加組合成的關鍵詞String_lt = sorted(String_lt, reverse=True)return String_ltdef MatchSiple(path, String):"""Matches the dictionary to a single string  # 將字典匹配到單個字符串:param path: The dictionary to match       # 匹配的字典:param String: The string to match         # 要匹配的字符串:return: lt_ms                             # 匹配結果與判斷(1有/0無)的列表"""errow_matchsplit = 0back = Nonef1 = String.split('：')[0]if f1 == '查詢':errow_matchsplit = 1back = query(String.split('：')[1])lt_ms = [back, errow_matchsplit]return lt_mswith open(path, 'r', encoding='utf-8') as f:     # 注意編碼while errow_matchsplit == 0:f1 = f.readline().split('\n')[0]f2 = f.readline().split('\n')[0]f3 = f.readline()if String == f1:back = f2errow_matchsplit = 1breakif f1 == '' or f2 == '':breaklt_ms = [back, errow_matchsplit]if errow_matchsplit == 0:lt_ms = query_find(String)return lt_msdef MatchHeight(path, String_lt):"""Matches the dictionary with a list of strings # 用字符串列表匹配字典:param path: The dictionary to match          # 匹配的字典:param String_lt: List of strings to match    # 要匹配的字符串列表:return: lt_mh                                # 匹配結果與判斷(1有/0無)的列表"""errow_matchheight = 0back = Nonewith open(path, 'r', encoding='utf-8') as f:     # 注意編碼while errow_matchheight == 0:f1 = f.readline().split('\n')[0]f2 = f.readline().split('\n')[0]f3 = f.readline()for String in String_lt:if String == f1:back = f2errow_matchheight = 1breakif f1 == '' or f2 == '':breaklt_mh = [back, errow_matchheight]return lt_mh# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~def study(path, study_start, study_end):"""Open the dictionary and write the match statement and the match result # 打開字典并編寫匹配語句和匹配結果:param path: The dictionary to open                                    # 要查的字典:param study_start: Dictionary matching statements                     # 詞典匹配語句:param study_end: The dictionary returns the result                    # 字典返回結果:return: None                                                          # 無返回"""with open(path, 'a', encoding='utf-8') as f:     # 注意編碼f.write(study_start+'\n')f.write(study_end+'\n')f.write('\n')# ~~~~~~~~~~~~~~~~~~~~~~~~~~~具體話題查找~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
def ai_movie_MatchSiple(data, String, order):errow_movie_match = 0back = Nonename = Nonef1 = String.split('：')[0]if f1 == '查詢':errow_matchsplit = 1back = query(String.split('：')[1])lt_ms = [back, errow_matchsplit,name]return lt_msfor i in  range(len(data[order]['messages'])):if data[order]['messages'][i]['message'] == String:back = data[order]['messages'][i+1]['message']name = data[order]['messages'][i+1]['attrs'][0]['name']errow_movie_match = 1breaklt_ms = [back, errow_movie_match, name]return lt_msdef ai_movie_MatchHeight(data, String_lt, order, name):errow_movie_matchH = 0back = Nonefind = 0for i in range(len(data[order]['messages'])):                               # 優先根據結果進行檢查if errow_movie_matchH == 1:breakif len(data[order]['messages'][i]) == 2:for String in String_lt:if errow_movie_matchH == 1:break# print(String, '   ', data[order]['messages'][i]['attrs'][0]['name'])for j in range(len(data[order]['messages'][i]['attrs'])):       #判斷是否普找到if String == data[order]['messages'][i]['attrs'][j]['name']:find = 1breakif find == 1:for j in range(len(data[order]['messages'][i]['attrs'])):if errow_movie_matchH == 1:breakfor String in String_lt:if String == data[order]['messages'][i]['attrs'][j]['attrname']:back = data[order]['messages'][i]['attrs'][j]['name']+','+data[order]['messages'][i]['attrs'][j]['attrname']+':'+data[order]['messages'][i]['attrs'][j]['attrvalue']name = data[order]['messages'][i]['attrs'][j]['name']errow_movie_matchH = 1breakfor i in range(len(data[order]['messages'])):                               # 優先根據結果進行檢查if errow_movie_matchH == 1:breakif len(data[order]['messages'][i]) == 2:for String in String_lt:#if len(data[order]['messages'][i]['attrs'][0]) == 1:#說明有不止一個attrfor j in range(len(data[order]['messages'][i]['attrs'])):if String == data[order]['messages'][i]['attrs'][j]['attrname']:if name == data[order]['messages'][i]['attrs'][j]['name']:      # 首先對name 進行檢驗，不過這時候的name要換成String,進行三重檢測back = data[order]['messages'][i]['attrs'][j]['name']+','+data[order]['messages'][i]['attrs'][j]['attrname']+':'+data[order]['messages'][i]['attrs'][j]['attrvalue']errow_movie_matchH = 1breakfor i in range(len(data[order]['messages'])):if errow_movie_matchH == 1:breakif len(data[order]['messages'][i]) == 2:for String in String_lt:for j in range(len(data[order]['messages'][i]['attrs'])):if String == data[order]['messages'][i]['attrs'][j]['attrname']:back = data[order]['messages'][i]['attrs'][j]['name']+','+data[order]['messages'][i]['attrs'][j]['attrname']+':'+data[order]['messages'][i]['attrs'][j]['attrvalue']name = data[order]['messages'][i]['attrs'][j]['name']errow_movie_matchH = 1breaklt_mh = [back, errow_movie_matchH, name]return lt_mhdef ai_films_Matchname(data,String):errow_matchsplit = 0back = 0name = Nonefor i in range(149):if data[i]['messages'][0]['message'] == String:errow_matchsplit = 1name = data[i]['messages'][1]['attrs'][0]['name']back = ibreaklt_ms = [back, errow_matchsplit, name]return lt_msdef films(engine, file,String):                        ##聊電影對應的模塊global tag1global tag2global nameglobal dataglobal ordif tag2 == 0:                                 ##說明剛剛進入到這個模塊當中data = json.load(file)order = ai_films_Matchname(data, String)name = order[2]ord = order[0]t.insert('end', '小蝸：'+data[order[0]]['messages'][1]['message']+'\n')engine.say(data[order[0]]['messages'][1]['message'])engine.runAndWait()tag2 = 1elif String == 'exit':tag2 = 0tag1 = 0else:a1 = ai_movie_MatchSiple(data=data, String=String, order=ord)show = a1[0]errow_matchsimple = a1[1]if errow_matchsimple == 0:  # 說明沒有找到直接相匹配的,關鍵詞進行重組，查找對應的關鍵詞String_lt = StrSplit(String=String)a2 = ai_movie_MatchHeight(data=data, String_lt=String_lt, order=ord, name=name)show = a2[0]errow_matchhight = a2[1]if errow_matchhight == 0:t.insert('end', '小蝸：小蝸不知道這個細節唉😔'+'\n')engine.say("小蝸不知道這個細節唉")engine.runAndWait()else:name = a2[2]t.insert('end', '小蝸：'+ show+'\n')engine.say(show)engine.runAndWait()else:name = a1[2]t.insert('end', '小蝸：' + show + '\n')engine.say(show)engine.runAndWait()return
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~# ~~~~~~~~~~~~~~~~~~~~~相當于main函數，總調度~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
def chat_bot(String):global  tag1global  tag2global engineglobal file1global file2global pathif tag1 == 0:               #標志現在是在正常的聊天當中if String == '聊電影':tag1 = 1returnelif String == '聊音樂':tag2 = 2returnelse:a1 = MatchSiple(path=path, String=String)show = a1[0]errow_matchsimple = a1[1]if errow_matchsimple == 0:String_lt = StrSplit(String=String)  # 對關鍵詞全部進行重新組合a2 = MatchHeight(path=path, String_lt=String_lt)show = a2[0]errow_matchhight = a2[1]if errow_matchhight == 0:t.insert('end', '小蝸: 小蝸不知道怎么回答哎'+'\n')engine.say("小蝸不知道怎么回答哎")engine.runAndWait()else:t.insert('end', '小蝸:'+show+'\n')engine.say(show)engine.runAndWait()else:t.insert('end', '小蝸:'+show+'\n')engine.say(show)engine.runAndWait()elif tag1 == 1:films(engine=engine, file=file1, String=String)elif tag2 == 2:films(engine=engine, file=file2, String=String)return
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~# ~~~~~~~~~~~~~~~~~~~~~~按鈕對應函數~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
def send():val = e.get()e.delete(0, tkinter.END)t.insert('end', '主人:' + val + '\n')  # 將要輸出的內容插入到文本框中chat_bot(String=val)t.see(tkinter.END)def begin():                                    #默認加載學習模塊global engineglobal pathglobal tag1tag1 = 0path = r'ai.txt'engine = pyttsx3.init()voices = engine.getProperty('voices')               # 音色engine.setProperty('voice', "com.apple,speech.synthesis.voice.meijia")rate = engine.getProperty('rate')                   # 速率engine.setProperty('rate', 180)volume = engine.getProperty('volume')               # 音量engine.setProperty('volume', 1.0)global file1global file2file1 = open('file.json', 'r', encoding='utf8')file2 = open('music.json', 'r', encoding='utf8')# t.insert('end', '-' * 10 + '程序開始' + '-' * 10 + '\n')t.insert('end', '小蝸: 程序開始了哦'+'\n')
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~# ~~~~~~~~~~~~~~~GUI部分~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~
window = tk.Tk()
window.title('小蝸機器人')
window.geometry('800x200')l1 = tk.Label(window, text='聊天', font=('Arial', 12), width=15,height=1)
l2 = tk.Label(window, text='發送框', font=('Arial', 12), width=15,height=1)
# 直接傳入部分對應輸出部分
e = tk.Entry(window, width=100)
t = scrolledtext.ScrolledText(window, height=10, width=100)be = tk.Button(window,text='開始', font=('Arial', 12), width =10,height=1, command=begin)b = tk.Button(window, text='發送', font=('Arial', 12), width=10,height=1, command=send)
# 界面布置
l1.grid(row=0, column=0)
l2.grid(row=1, column=0)
e.grid(row=1, column=1)
t.grid(row=0, column=1)
be.grid(row=2, column=0)
b.grid(row=2, column=1)
window.mainloop()
# ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~