python制作聊天机器人原理_用 Python 来做一个聊天机器人吧！（一）
在我的一個回答里，我提到了用 Python 搭建聊天機器人。從今天開始，我就帶著大家從0開始搭建一個聊天機器人。
(順便說一句，我喜歡把鏈接像上面這樣加在文字里，如果找不到文中所說的資源，可以看看周圍有沒有鏈接。)
準備工作
首先，你要有一臺安裝了 Python 的電腦，推薦 Python3.6+。另外，系統最好使用 Windows 系統，因為把機器人和 QQ 對接的軟件 CoolQ 只有 Windows 版，雖然使用 Docker 和 wine 可以在其它系統上運行，但不能保證穩定性。
然后，你需要在系統中安裝并運行 MongoDB 數據庫服務。安裝方法可以看這里。記得安裝完成之后運行 MongoDB 服務，也就是把 MongoDB 作為服務安裝到系統中，以保持后臺運行。
其次，你可能會需要一個好看的控制臺，最好像 Conemu 一樣既方便又美觀的。畢竟寫累了還可以舔舔老婆(劃去
Chatterbot
Chatterbot 是一個 Python 庫，我們的聊天機器人就是主要基于這一個庫。
安裝和其他的 Python 庫一樣簡單：
pip3 install chatterbot chatterbot_corpus
其中 chatterbot_corpus 是 Chatterbot 自帶的語料庫。
現在簡單說一下 Chatterbot 的原理。Chatterbot 是比較簡單的聊天機器人，它需要大量對話語料來支撐它的運行。當用戶給它一個輸入時，它會在所有的語料庫中尋找和這句話最相似的一句話，然后返回語料庫中的下一句。
所以，在使用 Chatterbot 前，我們需要先進行訓練。
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")
我們分析一下這幾行代碼。
bot = ChatBot(
'Sakura',
storage_adapter='chatterbot.storage.MongoDatabaseAdapter'
)
這是創建一個聊天機器人，名字叫 Sakura(你也可以改成自己起的名字)，使用 MongoDB 中的數據。(其實 Chatterbot 還支持 SQL，但是速度太慢了。)
這句代碼里面有一個單詞 adapter，官方翻譯為“適配器”。其實它更準確的含義是“組件”。創建 Chatbot 時還有很多 xxx_adapter 這樣的參數，可以為機器人開啟各種各樣的功能。不過有一點要注意，有些功能可能只對于英語進行了適配，對其他語言支持并不好。
trainer = ChatterBotCorpusTrainer(bot)
trainer.train("chatterbot.corpus.chinese")
trainer.train("chatterbot.corpus.english")
這幾行就是具體的訓練代碼了。注意，這是最新版(2019/8/18)的寫法，之前版本有所不同，使用的是bot.set_trainer(ChatterBotCorpusTrainer)和bot.train，具體寫法可以參看網上其他文章。
chatterbot.corpus.chinese是 Chatterbot 自帶的語料庫之一。 Chatterbot 的英文語料庫是非常不錯的，只是數據量有點少。但是 Chatterbot 的中文語料庫是由英文語料庫完全機器翻譯來的，而且不太符合中文語境。我自己爬取網絡言情小說，提取其中的對話，整理了一個語料庫，可以替換 chatterbot 自帶的語料庫。
上面所說的訓練代碼單獨保存再一個文件里，因為在每次改動語料庫之前它只需要運行一次。
現在，把訓練的代碼運行一下，不出意外的話，你會看到一系列進度條，大概這樣：Conemu 支持控制臺背景圖片，欸嘿嘿~(可以猜一下背景是誰，雖然猜對了也沒有獎)
如果你在上面的[nltk_data]那里卡住了，屬于網絡環境的問題，我也沒有辦法，只能放棄 Chatterbot 框架了(之后的系列文章中會有涉及)。
(2020/2/14補充)注意！如果在 Chatterbot 啟動的時候，出現以[nltk_data]開頭的網絡錯誤，請看下面的補充內容！ 即使前幾次啟動成功，在之后的某一次啟動失敗，也是管用的！(2020/2/3補充)破案了！出現這個問題的原因是 chatterbot 把判斷 nltk 數據是否存在的代碼寫錯了，導致每次啟動都需要下載數據，再加上特殊的網絡環境，就會出現這個問題。解決方法如下：首先手動下載 nltk 數據(方法自行百度)，然后找到 chatterbot 目錄(一般在python目錄/Lib/site-packages/chatterbot)中的 utils.py，將最后面幾個函數中的nltk_download_corpus('stopwords')，nltk_download_corpus('averaged_perceptron_tagger')，nltk_download_corpus('vader_lexicon')分別改為 nltk_download_corpus('corpora/stopwords')，nltk_download_corpus('taggers/averaged_perceptron_tagger')，nltk_download_corpus('sentiment/vader_lexicon')。
訓練完成之后，機器人就能支持基本的對話了。
那么，怎么在自己的代碼里插入這個機器人呢？
首先，要創建機器人實例，代碼和上面訓練時一樣：
from chatterbot import ChatBot
bot = ChatBot(
'Sakura',
storage_adapter='chatterbot.storage.MongoDatabaseAdapter'
)
bot 對象有一個get_response方法，顧名思義，就是獲取一句回答。
現在可以試一下：
print(bot.get_response('你好嗎？'))
在經過短暫的等待之后，就能看到機器人的回答啦~
print(bot.get_response('你好嗎？'))
# 輸出：你好！
get_response返回的是一個Statement對象，它有兩個常用的屬性text和confindence，分別代表返回的語句的內容和可信度(0到1)。
r = bot.get_response('你好嗎？')
print('{},confidence={}'.format(r.text, r.confidence))
# 輸出：你好！ ,confidence=1.0
這就是基本操作了。雖然也沒有進階操作就對了(劃去
然后是一只無限對話的小程序：
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
享受和機器人沙雕對話的樂趣吧！
CoolQ
現在我們已經有了能用的機器人了，但是只有我們一個人和機器人對話沒有意思，接下來我們要把它部署到QQ上。
首先你要有一個QQ小號，當然不怕嚇到朋友的同學也可以用自己的大號當機器人。
我們使用的軟件是酷Q，一個專門用于架設QQ機器人的軟件。酷Q Air 版可以免費使用，支持基本的接收發送文字消息等功能。
運行酷Q并登錄之后，我們會在屏幕上看到一個懸浮窗：當然頭像是你的賬號的頭像咯
右鍵懸浮窗，選擇「應用-應用管理」菜單，可以看到一個這樣的界面：
這里需要解釋一下酷Q運行的原理了。酷Q是依賴于安裝的各種「應用」運行的，每個應用其實是一個動態鏈接庫，酷Q通過調用動態鏈接庫的對應接口，執行應用的功能。但是問題來了，Python 并不能編譯成動態鏈接庫，該怎么辦呢？
大家注意到我的應用列表中最后一個「HTTP API」了嗎？這就是解決方法。CoolQ HTTP API是一個將酷Q的接口封裝為HTTP接口或Socket接口的應用，理論上，它可以解決一切編程語言連接酷Q的問題。
在 CoolQ HTTP API 的 gtihub 倉庫的 release 頁面可以找到最新版本的下載鏈接，下載完成之后，將 cpk 文件放入酷Q 目錄下的 app 文件夾中。
然后我們需要 Python 端的對應接口。Aiocqhttp 就是 Python 上的 CoolQ HTTP API 接口。同樣，它可以用 pip 安裝：
pip3 install aiocqhttp
在連接 CoolQ HTTP API 時，我推薦使用反向 WebSocket 方式，雖然配置起來有點麻煩，但是能保證穩定運行。
首先配置 CoolQ HTTP API。在酷Q目錄\app\io.github.richardchien.coolqhttpapi\config下，找到一個文件名為QQ號的 json 文件，按照如下步驟進行：增加如下兩行
"ws_reverse_url": "ws://127.0.0.1:7700/ws/",
"use_ws_reverse": true,
(如果端口號沖突，可以把這里的7700改為其他端口。)找到access_token行，設置為當前賬號的QQ號，或者其他能唯一標識這個賬號的信息。(如果不需要同時運行多個機器人， 也可以隨便寫。)
看看這個 json 里有沒有use_http 和use_ws這兩項，如果沒有，添加這兩項，并且把值改為false。這是為了on為了禁用用不到的功能。
如果有ws_reverse_event_url和`ws_reverse_api_url 這兩項，把他們刪除。這兩項分別表示 WebSocket 的事件接口和方法接口，其值可以由ws_reverse_url自動配置，所以不需要填寫。
新版 CoolQ HTTP API 會在啟動時彈出它自己的控制臺，如果嫌它太難看，方法是將show_log_console一項改為false。
如果在 Python 端需要執行初始化代碼，請將 CoolQ HTTP API 升級到最新版本(v4.14及以上)，然后在配置文件中加入這樣一行："ws_reverse_use_universal_client": true。
每次修改配置文件之后，都需要重啟酷Q。
接下來就可以擼 Python 端的代碼了。
先上一個模板代碼：
from aiocqhttp import CQHttp
bot = CQHttp(access_token='你剛才設置的 access_token', enable_http_post=False)
@bot.on_message('private')
async def handle_msg(context):
await bot.send(context, '現在為您復讀：')
return {'reply': context['message']}
if __name__ == '__main__':
bot.run(host = '127.0.0.1', port = 7700)
不要忘了把access_token改成剛才設置的內容。
現在我們分析一下這段代碼：
bot = CQHttp(access_token='你剛才設置的 access_token', enable_http_post=False)
創建一個機器人實例，因為設置了enable_http_post=False，所以啟用的是反向 WebSocket 模式，這個模式下，只需要傳入 access_token 即可。
if __name__ == '__main__':
bot.run(host = '127.0.0.1', port = 7700)
在本地的 7700 端口開啟反向 WebSocket 服務。如果機器人的主程序有公網IP，那么還可以實現把任意一個酷Q連接到機器人(雖然我買不起公網IP，也沒試過)。
@bot.on_message('private')
async def handle_msg(context):
await bot.send(context, '現在為您復讀：')
return {'reply': context['message']}
這就是機器人的邏輯代碼了。Aiocqhttp 把酷Q的各種事件封裝為裝飾器，最常用的就是@bot.on_message()，這個裝飾器可以帶一個字符串參數， private、group和discuss分別代表私聊消息、群消息、討論組消息；也可以不帶參數 ，表示處理全部消息。除此之外，還有on_notice、on_request、on_meta_event裝飾器分別對應其他三種事件。這三種裝飾器也可以帶參數，參數內容為要處理的事件類型(notice_type、request_type或meta_event_type，具體取值見事件列表)。
處理消息的內容寫在函數里。由于消息的收發是異步的，所以要使用async def xxx(context):的語法。函數名可以任意取，也可以創建多個不同函數名的函數來處理同一個消息(但是我并不確定按什么順序執行)。
函數參數只有一個：context，類型為字典，代表 CoolQ HTTP API 傳來的事件參數。具體內容的格式參看這里，比如對于接收消息的事件，context['message']就代表了消息內容。
在函數里，可以通過await bot.xxx(...)的語法來調用 CoolQ HTTP API 提供的 API，在API列表中的API全部可以直接通過bot.API名字()調用，API參數通過命名參數提供，也就是類似于bot.send_private_msg(user_id=123456, message='hello')的形式。另外，Aiocqhttp 提供了一個發送消息的簡單操作，調用形式為await bot.send(context, '消息內容')。
處理事件的函數可以有一個返回值，也是一個字典，代表事件的響應數據，就是事件列表中每 個事件下面的響應數據列表，用于快速處理事件。最簡單地，return {'reply':'消息內容'}就會回復發來消息的人。在群聊中，如果不指定'at_sender':false，還會自動@發消息的人。當然，也可以沒有返回值。
上面的這一段代碼，就是一個復讀機機器人，會自動復讀所有的私聊消息。
所以，人類的本質是——人類的本質是——
CoolQ x Chatterbot
現在，終于可以為我們的機器人注入靈魂了。把 Chatterbot 嵌入 CoolQ 機器人實際上并不是一件難事。
廢話不多說，直接上代碼：
from aiocqhttp import CQHttp
from chatterbot import ChatBot
bot = CQHttp(access_token='你剛才設置的 access_token', enable_http_post=False)
chatterbot = ChatBot(
'Sakura',
storage_adapter='chatterbot.storage.MongoDatabaseAdapter'
)
def r(s):
return chatterbot.get_response(s)
@bot.on_message('private')
async def handle_msg(context):
rep = r(context['message'].strip())
if rep.confidence > 0.65:
return {'reply':rep.text}
if __name__ == '__main__':
bot.run(host = '127.0.0.1', port = 7700)
邏輯很簡單，判斷回答的可信度是否大于0.65，如果是，作出回答。
當然，可以在這段代碼的基礎上，進一步拓展，實現更加復雜的處理邏輯。
在下一篇文章里，我會介紹我在編寫自己的機器人時用到的一些處理邏輯和小技巧。(雖然也不知道下一篇文章會鴿幾個月)
下一篇文章：忘憂北萱草：用 Python 來做一個聊天機器人吧！(二)?zhuanlan.zhihu.com
(封面PID：72774437)
現已加入知乎專欄：用 Python 來做一個聊天機器人吧！?zhuanlan.zhihu.com
總結
以上是生活随笔為你收集整理的python制作聊天机器人原理_用 Python 来做一个聊天机器人吧！（一）的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Python3之字典生成器结合lambd
- 下一篇： python公式计算器_Python-计