微信模拟聊天对话软件(微信模拟聊天对话软件免费苹果版)

微信模拟聊天对话软件(微信模拟聊天对话软件免费苹果版)

黑客平台hacker2022-09-05 20:00:201773A+A-

最近借用了女朋友的公号,感觉如果只是用来发文章,太浪费微信给提供的这些功能了。想了想,先从最简单的开始,做一个聊天机器人吧。

最近借用了女朋友的公号,感觉如果只是用来发文章,太浪费微信给提供的这些功能了。想了想,先从最简单的开始,做一个聊天机器人吧。

使用Python实现聊天机器人的方案有多种:AIML、chatterBot以及图灵聊天机器人和微软小冰等。

考虑到以后可能会做一些定制化的需求,这里我选择了 chatterBot(github 项目地址:https://github.com/gunthercox/ChatterBot)。

chatterbot是一款python接口的,基于一系列规则和机器学习算法完成的聊天机器人。具有结构清晰,可扩展性好,简单实用的特点。

chatterBot 的工作流程如图:

输入模块(input adapter)从终端或者API等输入源获取数据

输入源会被指定的逻辑处理模块(logic Adapter)分别处理,逻辑处理模块会匹配训练集中已知的最接近输入数据句子A,然后根据句子A去找到相关度最高的结果B,如果有多个逻辑处理模块返回了不同的结果,会返回一个相关度最高的结果。

输出模块(output adapter)将匹配到的结果返回给终端或者API。

值得一说的是chatterBot 是一个模块化的项目,分为 input Adapter、logic Adapter、storage Adapter、output Adapter以及Trainer 模块。

logic Adapter是一个插件式设计,主进程在启动时会将用户定义的所有逻辑处理插件添加到logic context中,然后交MultiLogicAdapter 进行处理,MultiLogicAdapter 依次调用每个 logic Adapter,logic Adapter 被调用时先执行canprocess 方式判断输入是否可以命中这个逻辑处理插件。比如”今天天气怎么样“这样的问题显然需要命中天气逻辑处理插件,这时时间逻辑处理插件的canprocess 则会返回False。在命中后logic Adapter 负责计算出对应的回答(Statement对象)以及可信度(confidence),MultiLogicAdapter会取可信度最高的回答,并进入下一步。

展开全文

下面我们来看下 chatterBot 如何使用

chatterBot 安装&使用 安装

chatterBot 是使用Python编写的,可以使用 pip 安装:

pip install chatterbot

chatterBot 的中文对话要求Python3 以上版本,建议在Python3.x 环境下开发

chatterBot 的中文对话要求Python3 以上版本,建议在Python3.x 环境下开发

打开iPython,输入测试一下

In[1]:from chatterbot import ChatBot# import ChatBot

In[2]:momo =ChatBot('Momo',trainer='chatterbot.trainers.ChatterBotCorpusTrainer')

/Users/gs/.virtualenvs/py3/lib/python3.6/site-packages/chatterbot/storage/jsonfile.py:26:UnsuitableForProductionWarning:TheJsonFileStorageAdapteris not recommended forproduction environments.

self.UnsuitableForProductionWarning# 这里storage adapter 默认使用的是 json 格式存储数据的,如果想在服务端部署,应该避免使用这种格式,因为实在是太慢了

In[3]:momo.train("chatterbot.corpus.chinese")# 指定训练集,这里我们使用中文

# 下边是对话结果

In[4]:momo.get_response('你好')

Out[4]:<Statementtext:你好>

In[5]:momo.get_response('怎么了')

Out[5]:<Statementtext:没什么.>

In[6]:momo.get_response('你知道它的所有内容吗?')

Out[6]:<Statementtext:优美胜于丑陋.>

In[7]:momo.get_response('你是一个程序员吗?')

Out[7]:<Statementtext:我是个程序员>

In[8]:momo.get_response('你使用什么语言呢?')

Out[8]:<Statementtext:我经常使用Python,Java和C++.>

这时你已经可以和机器人对话了,不过现在由于训练数据太少,机器人只能返回简单的对话。

这里是默认的中文对话训练数据 中文训练数据地址:

https://github.com/gunthercox/chatterbot-corpus/tree/master/chatterbot_corpus/data/chinese。

这里是默认的中文对话训练数据 中文训练数据地址:

https://github.com/gunthercox/chatterbot-corpus/tree/master/chatterbot_corpus/data/chinese。

那么我们怎么添加训练数据呢?

训练机器人

chatterBot 内置了training class,自带的方法有两种,一种是使用通过输入list 来训练,比如 ["你好", "我不好"],后者是前者的回答,另一种是通过导入Corpus 格式的文件来训练。也支持自定义的训练模块,不过最终都是转为上述两种类型。

chatterBot 通过调用 train() 函数训练,不过在这之前要先用 set_trainer() 来进行设置。例如:

In[12]:from chatterbot.trainers import ListTrainer# 导入训练模块的 ListTrainer 类

In[13]:momo.get_response('你叫什么?')# 现在是答非所问,因为在这之前我们并没有训练过

Out[13]:<Statementtext:我在烤蛋糕.>

In[14]:momo.set_trainer(ListTrainer)# 指定训练方式

In[15]:momo.train(['你叫什么?','我叫魔魔!'])# 训练

In[16]:momo.get_response('你叫什么?')# 现在机器人已经可以回答了

Out[16]:<Statementtext:我叫魔魔!>

训练好的数据默认存在 ./database.db,这里使用的是 jsondb。

对 chatterBot 的介绍先到这里,具体用法可以参考文档:ChatterBot Tutorial:http://chatterbot.readthedocs.io/en/stable/tutorial.html

接下来,介绍如何在项目中使用 chatterBot。

使用 Sanic 创建项目

Sanic 是一个和类Flask 的基于Python3.5+的web框架,它编写的代码速度特别快。

除了像Flask 以外,Sanic 还支持以异步请求的方式处理请求。这意味着你可以使用新的 async/await 语法,编写非阻塞的快速的代码。

对 Sanic 不了解的可以参考我之前的一篇文章: ,可以在公号输入 【sanic】获取文章地址。

这里之所以使用 Sanic 是因为他和Flask 非常像,之前我一直使用Flask,并且它也是专门为Python3.5 写的,使用到了协程。

首先建个项目,这里项目我已经建好了,项目结构如下:

.

├──LICENSE

├──README.md

├──manage.py # 运行文件 启动项目 使用 python manage.py 命令

├──momo

│├──__init__.py

│├──app.py # 创建app 模块

│├──helper.py

│├──settings.py # 应用配置

│└──views

│├──__init__.py

│├──hello.py # 测试模块

│└──mweixin.py # 微信消息处理模块

├──requirements.txt

└──supervisord.conf

源码我已经上传到github,有兴趣的可以看一下,也可以直接拉下来测试。项目代码地址:https://github.com/gusibi/momo/tree/chatterbot

我们先重点看下 hello.py文件 和 helper.py。

# hello.py

# -*- coding: utf-8 -*-

fromsanic importSanic,Blueprint

fromsanic.views importHTTPMethodView

fromsanic.response importtext

frommomo.helper importget_momo_answer # 导入获取机器人回答获取函数

blueprint =Blueprint('index',url_prefix='/')

classChatBot(HTTPMethodView):

# 聊天机器人 http 请求处理逻辑

async defget(self,request):

ask =request.args.get('ask')

# 先获取url 参数值 如果没有值,返回 '你说啥'

ifask:

answer =get_momo_answer(ask)

returntext(answer)

returntext('你说啥?')

blueprint.add_route(ChatBot.as_view(),'/momo')

# helper.py

fromchatterbot importChatBot

momo_chat =ChatBot(

'Momo',

# 指定存储方式 使用mongodb 存储数据

storage_adapter='chatterbot.storage.MongoDatabaseAdapter',

# 指定 logic adpater 这里我们指定三个

logic_adapters=[

"chatterbot.logic.BestMatch",

"chatterbot.logic.MathematicalEvaluation",# 数学模块

"chatterbot.logic.TimeLogicAdapter",# 时间模块

],

input_adapter='chatterbot.input.VariableInputTypeAdapter',

output_adapter='chatterbot.output.OutputAdapter',

database='chatterbot',

read_only=True

)

defget_momo_answer(content):

# 获取机器人返回结果函数

response =momo_chat.get_response(content)

ifisinstance(response,str):

returnresponse

returnresponse.text

运行命令 python manage.py启动项目。

在浏览器访问url: http://0.0.0.0:8000/momo?ask=你是程序员吗

到这里,我们已经启动了一个web 项目,可以通过访问url 的方式和机器人对话,是时候接入微信公号了!

接入微信公众号 前提

拥有一个可以使用的微信公众号(订阅号服务号都可以,如果没有,可以使用微信提供的测试账号)

拥有一个外网可以访问的服务器(vps 或公有云都可以 aws 新用户免费使用一年,可以试试)

服务器配置了python3 环境,(建议使用 virtualenvwrapper 配置虚拟环境)

登录微信公众号(https://mp.weixin.qq.com)

打开:开发>基本配置

查看公号开发信息:

开启服务器配置:

设置请求url,这里是你配置的url(需要外网可访问,只能是80或443端口)

填写token和EncodingAESKey,这里我选择的是兼容模式,既有明文方便调试,又有信息加密。

详细配置可以参考官方文档:接入指南(https://mp.weixin.qq.com/wiki?t=resource/res_main&id=mp1445241432)

如果你的 服务器地址已经配置完成,现在点击提交应该就成功了。如果没有成功我们接下来看怎么配置服务器地址。

代码示例

先看下 微信请求的视图代码:

# -*- coding: utf-8 -*-

from__future__ importunicode_literals

fromsix importStringIO

importre

importxmltodict

fromchatterbot.trainers importListTrainer

fromsanic importBlueprint

fromsanic.views importHTTPMethodView

fromsanic.response importtext

fromsanic.exceptions importServerError

fromweixin importWeixinMpAPI

fromweixin.lib.WXBizMsgCryptimportWXBizMsgCrypt

frommomo.settings importConfig

微信模拟聊天对话软件(微信模拟聊天对话软件免费苹果版)

blueprint =Blueprint('weixin',url_prefix='/weixin')

classWXRequestView(HTTPMethodView):

def_get_args(self,request):

# 获取微信请求参数,加上token 拼接为完整的请求参数

params =request.raw_args

ifnotparams:

raiseServerError("invalid params",status_code=400)

args ={

'mp_token':Config.WEIXINMP_TOKEN,

'signature':params.get('signature'),

'timestamp':params.get('timestamp'),

'echostr':params.get('echostr'),

'nonce':params.get('nonce'),

}

returnargs

defget(self,request):

# 微信验证服务器这一步是get 请求,参数可以使用 request.raw_args 获取

args =self._get_args(request)

weixin =WeixinMpAPI(**args)# 这里我使用了 第三方包 python-weixin 可以直接实例化一个WeixinMpAPI对象

ifweixin.validate_signature():# 验证参数合法性

# 如果参数争取,我们将微信发过来的echostr参数再返回给微信,否则返回 fail

returntext(args.get('echostr')or'fail')

returntext('fail')

blueprint.add_route(WXRequestView.as_view(),'/request')

这里处理微信请求我使用的是 我用python 写的 微信SDK python-weixin,可以使用 pip 安装:

pip install python-weixin

这个包最新版本对Python3 加密解密有点问题,可以直接从github 安装:

pip install git+https://github.com/zongxiao/python-weixin.git@py3

然后更新 app.py 文件:

# -*- coding: utf-8 -*-

fromsanic importSanic

frommomo.settings importConfig

defcreate_app(register_bp=True,test=False):

# 创建app

app =Sanic(__name__)

iftest:

app.config['TESTING']=True

# 从object 导入配置

app.config.from_object(Config)

register_blueprints(app)

returnapp

defregister_blueprints(app):

frommomo.views.hello importblueprint ashello_bp

frommomo.views.mweixin importblueprint aswx_bp

app.register_blueprint(hello_bp)

# 注册 wx_bp

app.register_blueprint(wx_bp)

详细代码参考github: 微信聊天机器人 momo(https://github.com/gusibi/momo/tree/chatterbot)

接入聊天机器人

现在我们公号已经接入了自己的服务,是时候接入微信聊天机器人。

微信聊天机器人的工作流程如下:

看我们消息逻辑处理代码:

# -*- coding: utf-8 -*-

from__future__ importunicode_literals

fromsix importStringIO

importre

importxmltodict

fromchatterbot.trainers importListTrainer

fromsanic importBlueprint

fromsanic.views importHTTPMethodView

fromsanic.response importtext

fromsanic.exceptions importServerError

fromweixin importWeixinMpAPI

fromweixin.reply importTextReply

fromweixin.response importWXResponseas_WXResponse

fromweixin.lib.WXBizMsgCryptimportWXBizMsgCrypt

frommomo.settings importConfig

frommomo.helper importvalidate_xml,smart_str,get_momo_answer

frommomo.media importmedia_fetch

blueprint =Blueprint('weixin',url_prefix='/weixin')

appid =smart_str(Config.WEIXINMP_APPID)

token =smart_str(Config.WEIXINMP_TOKEN)

encoding_aeskey =smart_str(Config.WEIXINMP_ENCODINGAESKEY)

# 关注后自动返回的文案

AUTO_REPLY_CONTENT ="""

Hi,朋友!

这是我妈四月的公号,我是魔魔,我可以陪你聊天呦!

我还能"记账",输入"记账"会有惊喜呦!

<a href="https://mp.weixin.qq.com/mp/profile_ext?action=home&__biz=MzAwNjI5MjAzNw==&scene=124#wechat_redirect">历史记录</a>

"""

classReplyContent(object):

_source ='value'

def__init__(self,event,keyword,content=None,momo=True):

self.momo =momo

self.event =event

self.content =content

self.keyword =keyword

ifself.event =='scan':

pass

@property

defvalue(self):

ifself.momo:

answer =get_momo_answer(self.content)

returnanswer

微信模拟聊天对话软件(微信模拟聊天对话软件免费苹果版)

return''

classWXResponse(_WXResponse):

auto_reply_content =AUTO_REPLY_CONTENT

def_subscribe_event_handler(self):

# 关注公号后的处理逻辑

self.reply_params['content']=self.auto_reply_content

self.reply =TextReply(**self.reply_params).render()

def_unsubscribe_event_handler(self):

# 取关后的处理逻辑,取关我估计会哭吧

pass

def_text_msg_handler(self):

# 文字消息处理逻辑 聊天机器人的主要逻辑

event_key ='text'

content =self.data.get('Content')

reply_content =ReplyContent('text',event_key,content)

self.reply_params['content']=reply_content.value

self.reply =TextReply(**self.reply_params).render()

classWXRequestView(HTTPMethodView):

def_get_args(self,request):

params =request.raw_args

ifnotparams:

raiseServerError("invalid params",status_code=400)

args ={

'mp_token':Config.WEIXINMP_TOKEN,

'signature':params.get('signature'),

'timestamp':params.get('timestamp'),

'echostr':params.get('echostr'),

'nonce':params.get('nonce'),

}

returnargs

defget(self,request):

args =self._get_args(request)

weixin =WeixinMpAPI(**args)

ifweixin.validate_signature():

returntext(args.get('echostr')or'fail')

returntext('fail')

def_get_xml(self,data):

post_str =smart_str(data)

# 验证xml 格式是否正确

validate_xml(StringIO(post_str))

returnpost_str

def_decrypt_xml(self,params,crypt,xml_str):

# 解密消息

nonce =params.get('nonce')

msg_sign =params.get('msg_signature')

timestamp =params.get('timestamp')

ret,decryp_xml =crypt.DecryptMsg(xml_str,msg_sign,

timestamp,nonce)

returndecryp_xml,nonce

def_encryp_xml(self,crypt,to_xml,nonce):

# 加密消息

to_xml =smart_str(to_xml)

ret,encrypt_xml =crypt.EncryptMsg(to_xml,nonce)

returnencrypt_xml

defpost(self,request):

# 获取微信服务器发送的请求参数

args =self._get_args(request)

weixin =WeixinMpAPI(**args)

ifnotweixin.validate_signature():# 验证参数合法性

raiseAttributeError("Invalid weixin signature")

xml_str =self._get_xml(request.body)# 获取form data

crypt =WXBizMsgCrypt(token,encoding_aeskey,appid)

decryp_xml,nonce =self._decrypt_xml(request.raw_args,crypt,xml_str)# 解密

xml_dict =xmltodict.parse(decryp_xml)

xml =WXResponse(xml_dict)()or'success'# 使用WXResponse 根据消息获取机器人返回值

encryp_xml =self._encryp_xml(crypt,xml,nonce)# 加密消息

returntext(encryp_xml orxml)# 回应微信请求

blueprint.add_route(WXRequestView.as_view(),'/request')

可以看到,我处理微信请求返回结果比较简单,也是使用的 python-weixin 包封装的接口,主要的处理逻辑是 WXResponse。

这里需要注意的是,如果服务器在5秒内没有响应微信服务器会重试。为了加快响应速度,不要在服务器 将 chatterBot 的 storage adapter 设置为使用 jsondb。

上边这些就是,微信聊天机器人的主要处理逻辑,我们运行服务,示例如下:

可以看到这里聊天机器人也可以做简单的数学运算和报时,是因为我在上边指定处理逻辑的时候添加了数学模块和时间模块:

momo_chat =ChatBot(

'Momo',

# 指定存储方式 使用mongodb 存储数据

storage_adapter='chatterbot.storage.MongoDatabaseAdapter',

# 指定 logic adpater 这里我们指定三个

logic_adapters=[

"chatterbot.logic.BestMatch",

"chatterbot.logic.MathematicalEvaluation",# 数学模块

"chatterbot.logic.TimeLogicAdapter",# 时间模块

],

input_adapter='chatterbot.input.VariableInputTypeAdapter',

output_adapter='chatterbot.output.OutputAdapter',

database='chatterbot',

read_only=True

)

到这里,微信机器人的搭建就完成了,详细代码已经长传到了 github: https://github.com/gusibi/momo/tree/chatterbot,感兴趣的可以参考一下。

参考链接

ChatterBot 项目地址:https://github.com/gunthercox/ChatterBot

ChatterBot Tutorial:http://chatterbot.readthedocs.io/en/stable/tutorial.html

用Python快速实现一个聊天机器人:http://www.jianshu.com/p/d1333fde266f

基于Python-ChatterBot搭建不同adapter的聊天机器人:https://ask.hellobi.com/blog/guodongwei1991/7626

擁有自動學習的 Python 機器人 - ChatterBot:https://kantai235.github.io/2017/03/16/ChatterBotTeaching/

使用 ChatterBot构建聊天机器人:https://www.biaodianfu.com/chatterbot.html

python-weixin sdk: https://github.com/gusibi/python-weixin

ChatterBot 项目地址:https://github.com/gunthercox/ChatterBot

ChatterBot Tutorial:http://chatterbot.readthedocs.io/en/stable/tutorial.html

用Python快速实现一个聊天机器人:http://www.jianshu.com/p/d1333fde266f

基于Python-ChatterBot搭建不同adapter的聊天机器人:https://ask.hellobi.com/blog/guodongwei1991/7626

擁有自動學習的 Python 機器人 - ChatterBot:https://kantai235.github.io/2017/03/16/ChatterBotTeaching/

使用 ChatterBot构建聊天机器人:https://www.biaodianfu.com/chatterbot.html

python-weixin sdk: https://github.com/gusibi/python-weixin

这里,聊天机器人还是比较简单的只能回复简单的对话,下一篇将要结束如何在公号训练机器人以及一个更实用的功能,如何让公号变成一个博客写作助手。

最后,感谢女朋友支持。

  欢迎关注(April_Louisa)

请我喝芬达

欢迎关注(April_Louisa)

tips

2017 华为开发者大赛交流群」了解更多参赛信息,和小伙伴们一起组队参赛。

tips

2017 华为开发者大赛交流群」了解更多参赛信息,和小伙伴们一起组队参赛。

点击这里复制本文地址 以上内容由黑资讯整理呈现,请务必在转载分享时注明本文地址!如对内容有疑问,请联系我们,谢谢!
  • 3条评论
  • 鹿岛朮生2022-09-06 01:55:40
  • aw_args,crypt,xml_str)# 解密xml_dict =xmltodict.parse(decryp_xml)xml =WXResponse(xml_dict)()or'success'# 使用WXRespon
  • 温人昭浅2022-09-06 06:22:54
  • PPID)token =smart_str(Config.WEIXINMP_TOKEN)encoding_aeskey =smart_str(Config.WEIX
  • 竹祭酒废2022-09-05 23:43:49
  • get_response('你使用什么语言呢?')Out[8]:<Statementtext:我经常使用Python,Java和C++.>这时你已经可以和机器人对话了,不过现在由于训练数据太少,机器人只能返回简单的对话。这里是默认的中文对话训练数据 中文训练数据地址:htt

支持Ctrl+Enter提交

黑资讯 © All Rights Reserved.  
Copyright Copyright 2015-2020 黑资讯
滇ICP备19002590号-1
Powered by 黑客资讯 Themes by 如有不合适之处联系我们
网站地图| 发展历程| 留言建议| 网站管理