从0开始搭建一个Python库，我们的聊天机器人

在我的回答之一中，我提到了使用Python构建聊天机器人。从今天开始，我将带大家从0开始构建一个聊天机器人。

（顺便说一句，我喜欢在上面的文本中添加链接。如果找不到文本中提到的资源，则可以检查周围是否有任何链接。）

准备工作

首先，您必须有一台装有Python的计算机。推荐使用Python 3. 6+。此外，该系统最好使用Windows系统，因为连接机器人和CoolQ的软件只有Windows版本。尽管它可以在使用Docker和wine的其他系统上运行，但不能保证稳定性。

然后，您需要在系统中安装并运行MongoDB服务。安装方法可以在这里看到。请记住，安装完成后要运行MongoDB服务，也就是说，将MongoDB作为服务安装到系统中，以使其在后台运行。

第二，您可能需要一个美观的控制台，最好与Conemu一样方便和美观。毕竟，累了就可以舔妻子（划掉

Chatterbot

Chatterbot是一个Python库，而我们的chatbot主要基于此库。

安装与其他Python库一样容易：

pip3 install chatterbot chatterbot_corpus

chatterbot_corpus是Chatterbot随附的语料库。

现在简要讨论Chatterbot的原理。 Chatterbot是一个相对简单的聊天机器人，它需要大量对话材料来支持其操作。用户输入时，它将在所有语料库中查找最相似的句子，然后返回到语料库中的下一个句子。

因此，在使用Chatterbot之前，我们需要先进行培训。

from chatterbot import ChatBot
from chatterbot.trainers import ChatterBotCorpusTrainer
bot = ChatBot(
    Sakura,
    storage_adapter=chatterbot.storage.MongoDatabaseAdapter
)
trainer = ChatterBotCorpusTrainer(bot)
trainer.train("chatterbot.corpus.chinese")
trainer.train("chatterbot.corpus.english")

让我们分析这些代码行。

bot = ChatBot(
    Sakura,
    storage_adapter=chatterbot.storage.MongoDatabaseAdapter
)

这是使用MongoDB中的数据创建一个名为Sakura（您也可以将其更改为自己的名称）的聊天机器人。 （实际上，Chatterbot也支持SQL，但是速度太慢。）

此代码中有一个单词适配器，正式翻译为“适配器”。实际上，其更准确的含义是“组件”。创建Chatbot时有很多参数，例如xxx_adapter，这些参数可以打开机器人的各种功能。但是，应该注意的是，某些功能可能仅适用于英语，并且对其他语言的支持也不佳。

trainer = ChatterBotCorpusTrainer(bot)
trainer.train("chatterbot.corpus.chinese")
trainer.train("chatterbot.corpus.english")

这些行是特定的培训代码。请注意，这是最新版本（2019/8/1 8）。以前的版本有所不同。它使用bot.set_trainer（ChatterBotCorpusTrainer）和bot.train。有关详细信息，请参阅Internet上的其他文章。

chatterbot.corpus.chinese是Chatterbot自己的语料库之一。 Chatterbot的英语语料库非常好，但是数据量却很少。但是，Chatterbot的中文语料库是完全从英语语料库中机器翻译而来的，因此它不适合中文上下文。我自己浏览网上的爱情小说，提取其中的对话，并编写了一个可以代替chatterbot附带的语料库的语料库。

上面提到的训练代码保存在一个单独的文件中，因为在每次更改主体之前只需要运行一次即可。

现在，运行培训代码，如果没有意外，您将看到一系列进度条，如下所示：

Conemu支持控制台背景图片，呵呵〜（您可以猜测背景是谁，尽管正确的猜测并没有奖赏）

如果您卡在上面的[nltk_data]中，则是网络环境问题。我别无选择，只能放弃Chatterbot框架（它将在随后的系列文章中介绍）。

（2020年2月14日增补）注意！如果在启动Chatterbot时出现以[nltk_data]开头的网络错误，请参见下面的补充内容！即使前几个启动成功，下一次启动也会失败，它仍然可以工作！

（在2020/2/3上添加）已解决！出现此问题的原因是chatterbot编写了错误的代码来判断nltk数据是否存在，这导致该数据在每次启动时都被下载，并且在特殊的网络环境中会发生此问题。解决方案如下：首先手动（由百度下载）nltk数据，然后在chatterbot目录（通常在python目录/ Lib / site-packages / chatterbot）中找到utils.py，然后更改nltk_download_corpus（'stopwords '），nltk_download_corpus（'averaged_perceptron_tagger'），nltk_download_corpus（'vader_lexicon'）更改为nltk_download_corpus（'corpora / stopwords'），nltk_download_corpus（'taggers / averaged_perceptron_taggers'）（nltk_corpus'）（nltk_corpus' '）。

培训结束后，机器人可以支持基本对话。

那么，如何将这个机器人插入自己的代码中？

首先，创建一个机器人实例，代码与上面的训练相同：

from chatterbot import ChatBot
bot = ChatBot(
    Sakura,
    storage_adapter=chatterbot.storage.MongoDatabaseAdapter
)

机器人对象具有get_response方法，顾名思义，该方法用于获取响应。

立即尝试：

print(bot.get_response(你好吗？))

稍等片刻，您可以看到机器人的答案〜

print(bot.get_response(你好吗？))
# 输出：你好！

get_response返回一个Statement对象，该对象具有两个常用的属性text和confindence，分别表示所返回语句的内容和可信度（0到1）。

r = bot.get_response(你好吗？)
print({} ,confidence={}.format(r.text, r.confidence))
# 输出：你好！ ,confidence=1.0

这是基本操作。尽管没有高级操作，但是正确（划掉

然后是一个无限制对话的小程序：

from chatterbot import ChatBot
bot = ChatBot(
    Sakura,
    storage_adapter=chatterbot.storage.MongoDatabaseAdapter
)
def r(s):return bot.get_response(s).text
while True:
    i = input(>>> ).strip()
    if i != exit:
        print(r(i))
    else:
        break   

享受与机器人沙雕对话的乐趣！

CoolQ

现在我们有了一个可用的机器人，但是仅与机器人对话并不有趣。接下来，我们将其部署到QQ。

首先，您必须拥有QQ小号。当然，不怕吓到朋友的学生也可以使用自己的喇叭作为机器人。

我们使用的软件是KuQ，这是专门用于设置QQ机器人的软件。 CoolQ Air版本可以免费使用，并支持基本功能，例如接收和发送短信。

运行CoolQ并登录后，我们将在屏幕上看到一个浮动窗口：

当然，头像是您帐户的头像。

右键单击浮动窗口，然后选择“应用程序-应用程序管理”菜单，您可以看到如下所示的界面：

在这里，我们需要解释酷Q操作的原理。 CoolQ依赖于各种已安装的“应用程序”来运行。每个应用程序实际上是一个动态链接库。 CoolQ通过调用动态链接库的相应接口来执行应用程序的功能。但是问题来了。 Python无法编译为动态链接库。我该怎么办？

您是否注意到我的应用程序列表中的最后一个“ HTTP API”？这是解决方案。 CoolQ HTTP API是一种将CoolQ的接口封装为HTTP接口或Socket接口的应用程序。从理论上讲，它可以解决将CoolQ与所有编程语言连接的问题。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shumachanpin/article-378494-1.html