CSDN广告邮件太多了,邮箱已经屏蔽了CSDN,留言请转SegmentFault:https://segmentfault.com/a/1190000013900291

图灵机器人对中文的识别准确率高达90%,是目前中文语境下智能度最高的机器人。有很多在Python中使用图灵机器人API的博客,但都是1.0版本。所以今天简单地总结一下在Python中使用图灵机器人API v2.0的方法。

获取API KEY

首先,前往图灵机器人官方网站 http://www.tuling123.com/ 注册账号。

登录后点击 创建机器人 ,填写一些简单的基本信息之后即可创建。

在机器人设置界面找到你的 API KEY ,记录下来。

在Python中使用图灵机器人API v2.0

基本原理就是使用urllib.request模块,向接口地址发送HTTP POST请求,请求中加入了聊天内容。

*使用python3执行

import json
import urllib.requestapi_url = "http://openapi.tuling123.com/openapi/api/v2"
text_input = input('我:')req = {"perception":{"inputText":{"text": text_input},"selfInfo":{"location":{"city": "上海","province": "上海","street": "文汇路"}}},"userInfo": {"apiKey": "请替换为你的API KEY","userId": "OnlyUseAlphabet"}
}
# print(req)
# 将字典格式的req编码为utf8
req = json.dumps(req).encode('utf8')
# print(req)http_post = urllib.request.Request(api_url, data=req, headers={'content-type': 'application/json'})
response = urllib.request.urlopen(http_post)
response_str = response.read().decode('utf8')
# print(response_str)
response_dic = json.loads(response_str)
# print(response_dic)intent_code = response_dic['intent']['code']
results_text = response_dic['results'][0]['values']['text']
print('Turing的回答:')
print('code:' + str(intent_code))
print('text:' + results_text)

*** 几点说明:**

1、字典 req 包含了向图灵机器人发出请求所需的各项信息。其中 req['perception']['selfInfo']['location'] 包含了地理位置信息,向图灵机器人发送与位置有关的请求时,如果没有另外指定位置,则会默认使用这个位置。例如询问"明天会下雨吗",图灵机器人会回答我"上海"明天是否下雨。

2、req['userInfo'] 包含了API KEY,请替换成你的API KEY(双引号不要删除)。另外 userId 是用户参数,暂时不明白用途,如果你有什么想法恳请留言。

3、图灵机器人的回答可以转换为python的字典格式。其中有一项 response_dic['intent']['code'] 官方称为"输出功能code",表示这个回答是什么"类型"的。例如10004代表普通的聊天回复,10008代表与天气相关的回复。然而奇怪的是,目前API v2.0的官方文档并没有给出code和类型的对照表。目前自己总结了一些如下,欢迎补充:

code 类型
10004 聊天
10008 天气
10013 科普类,例如"班戟是什么"
10015 菜谱类,例如"剁椒鱼头怎么做"
10019 日期类,例如"愚人节是几号"、“明天是星期几”
10020 中英翻译
10023 一般返回网页会是这个code,例如"iphone多少钱"
10034 语料库中自己设定的回答

小结

到现在为止,已经快把每个独立的模块完成了,接下来该准备考虑如何把它们整合在一起了。希望能帮到你。

感谢你阅读文章!

使用Python与图灵机器人聊天相关推荐

  1. 使用Python与图灵机器人聊天 1

    图灵机器人对中文的识别准确率高达90%,是目前中文语境下智能度最高的机器人.有很多在Python中使用图灵机器人API的博客,但都是1.0版本.所以今天简单地总结一下在Python中使用图灵机器人AP ...

  2. Python如何实现机器人聊天

    更多编程教程请到:菜鸟教程 https://www.piaodoo.com/ 友情链接:好看站 http://www.nrso.net/ 高州阳光论坛https://www.hnthzk.com/ 今 ...

  3. Python|Python引用图灵机器人api

    欢迎点击「算法与编程之美」↑关注我们! 本文首发于微信公众号:"算法与编程之美",欢迎关注,及时了解更多此系列文章. 欢迎加入团队圈子!与作者面对面!直接点击! 1.引入 在现在这 ...

  4. python实现图灵机器人帮你回复微信好友消息

    python实现图灵机器人帮你回复微信好友消息 ''' Created on 2018年4月26日@author: cvv54 '''#引入itchat包获取微信消息 import itchat fr ...

  5. Python接通图灵机器人

    图灵机器人 图灵机器人特别low,问答水平并不高. import requests print("你好,我是图灵机器人") while 1:s = input()resp = re ...

  6. python调用图灵机器人实现微信公众号的自动回复功能

    ​ 刚刚创建这个公众号的时候,我的一个同事就找我的公众号聊天,但是那个时候我的公众号还是仅支持根据关键词,如果要做到支持智能回复,那基本上就是不可能.然后我结合我之前做的微信自动回复机器人的经历,我首 ...

  7. 使用酷q进行图灵机器人聊天以及舔狗功能(小白完全版)

    随着网页QQ(smart qq)停止服务,各种GitHub上面的qq机器人凉了一大半.前几天一直在搞爬网页qq的自动机器人,找不到错误,后来发现是smart qq么得了.所以现在最好用的就是酷q加上一 ...

  8. AJAX实现图灵机器人聊天

    首先,搜索图灵机器人,在图灵机器人注册一个账号,然后新建一个机器人,获得一个key就可以了,这样就可以聊天了. 关键是你在图灵机器人新建生成的key: key=9257afd24a374c69b91e ...

  9. 用Python制作QQ机器人聊天插件(1)

    目录 制作插件 1.找到插件文件夹 搭建好我们的机器人环境后,打开放置机器人的文件夹,找到 src文件夹 打开后找到 2.填写代码 运行效果 上期博文介绍了QQ机器人框架搭建,这期介绍QQ机器人聊天插 ...

最新文章

  1. AI视觉组培训第二弹——入门篇
  2. java component创建_spring--打印hello--注解component--自动创建对象
  3. 图论中的知识点(等待补充和更新)
  4. yolov配置之:cuda、 cudnn安装
  5. php如何判断多文件上传,php多文件上传
  6. matlab 小练习,matlab初试牛刀__小练习
  7. HashSet中是如何判断元素是否重复的
  8. 【移植Linux 3.4.2内核第一步】之简单修改
  9. .iml文件_jetbrains误删maven 项目.iml文件后的处理方法
  10. 分区操作后索引的状态
  11. 第 8 天 多线程与多进程
  12. Codeforces Gym 100338H High Speed Trains 组合数学+dp+高精度
  13. java中如何判断一个String 是否可以强制转换成Integer
  14. 加权二叉树的实现与单元测试(python)
  15. 访问服务器根目录文件,可道云 访问服务器根目录
  16. 这可能是目前最好用的p2p外网访问内网软件(免费内网穿透)
  17. 胃病患者饮食结构注意事项
  18. mac怎么修改hosts文件
  19. 解决Openwrt安装插件提示一下错误的办法
  20. 海康威视旗下萤石网络上市:首日跌12% 公司市值142亿

热门文章

  1. 你会copying了吗?(Effective C++ 12 复制对象时勿忘其每一个成分)
  2. jquery去掉onclick事件
  3. Comparable和Comparator接口
  4. 第一章SKU核心思路
  5. 三星S10系列相关参数对比,S10e/S10/S10+/S10 5G
  6. python删除重复文件代码
  7. (转)美国金融科技监管框架
  8. linux --chdir() 改变当前工作目录函数
  9. 大胆预测一下《数据结构》期末机考题
  10. 《Lynda.com XML 必备教程》(Lynda.com XML Essential Training)CFE 教程