python開發聊天機器人

Ⅰ 使用wxpy怎麼製作一個屬於自己的微信機器人

可以去技術人員幫你寫一個程序就可以， 去淘寶上找些代碼的人，或者是去豬八戒上找人幫你寫都可以，也可以去淘寶買一個這樣的就行1.在我們創建聊天機器人之前，需要我們先申請創建一個微信公眾平台的帳號。2.在我們申請的微信公眾平台要通過認證，才能啟用高級模式，然後在開發模式下開發哦。3.登錄 機器人的官網，我們注冊並申請一個介面。4.登錄我們的微信公眾平台，選擇高級模式，進入開發者模式，然後申請成為開發者，其中在介面配置信息中，我們輸入剛才申請的那個URL和Token就OK。5.這時候我們還沒設置完，因為這時候默認是開啟編輯模式的，所以我們的介面不會啟動，只有開啟開發者模式才行的哦。6.這時候基本就創建完成了，我們趕緊關注一下自己就聊天機器嘗試一下吧。1，在官方網站首頁，點擊：「免費注冊」，進行注冊信息登記。2，使用郵箱注冊賬號，填寫完之後，點擊：「立即使用」完成注冊。3，登陸之後在我的介面中，可以看到官方自動生成的微信介面信息。4，現在進入微信公眾平台，使用的已注冊的微信公眾號登陸，點擊最下面的「開發者中心」。5，在開發者中心可以配置微信介面，將剛剛在賽科網站上注冊的介面地址復制到這里。6，確定之後，點擊：「提交」。點擊：「確定」提交後新的配置將會立即生效。7，確定伺服器配置（已啟用），這樣設置就完成了，去賽科網站中設置自動回復。現在可以使用手機登陸微信，測試自己的微信公眾號回復信息是否一致。適當調試一下，讓你的機器人更聰明吧，也可以在官方網站自定義設置一些問答，以達到公眾號特色服務目的。

Ⅱ 如何優雅的用python玩轉語音聊天機器人

所需硬體：
樹莓派B+
人體紅外線感應模塊
內置麥克風攝像頭(實測樹莓派免驅淘寶鏈接）
申請API：
網路語音api
圖靈api
語音聊天機器人實現原理：當有人來到跟前時--》觸發聊天功能，開始以每2s檢測錄制語音--》通過網路語音api合成文字--》傳遞給圖靈api返回回答信息--》通過網路語音合成播放
【人體感應識別部分Python代碼renti.py】


#/usr/bin/python#coding:utf-8import RPi.GPIO as GPIOimport timeimport osimport signalimport atexitGPIO.setmode(GPIO.BCM) GPIO_PIR = 14 GPIO.setup(GPIO_PIR,GPIO.IN) # Echojing = 0dong = 0 sum = 0sum1 = 0oldren = 0sleep = 0def ganying(): i = 0 ok = 0 error = 0 while i < 10: if GPIO.input(GPIO_PIR) == 1 : ok = ok + 1 if GPIO.input(GPIO_PIR) == 0 : error = error + 1 time.sleep(0.01) i = i + 1 ren = ok/(error+1) return ren

1

GPIO_PIR = 14

為 紅外線檢測模塊與樹莓派的針腳，腳本函數返回0表示無人，>0 為有人
【Python語音識別聊天部分robot.py】


#/usr/bin/python# -*- coding:utf-8 -*-import sysreload(sys)sys.setdefaultencoding( "utf-8" )import urllibimport urllib2import jsonimport uuidimport base64import osimport timefrom renti import * #獲取網路tokenappid=7647466apikey="網路API"secretkey="網路API" _url="h.com/oauth/2.0/token?grant_type=client_credentials&client_id=" + apikey + "&client_secret=" + secretkey; y_post=urllib2.urlopen(_url)y_read=y_post.read()y_token=json.loads(y_read)['access_token']#print y_read#print y_token #------------------function------------- def luyin(): os.system('arecord -D plughw:1,0 -c 1 -d 2 1.wav -r 8000 -f S16_LE 2>/dev/null') def fanyi():
#---------------語音識別部分 mac_address="haogeoyes" with open("1.wav",'rb') as f: s_file = f.read() speech_base64=base64.b64encode(s_file).decode('utf-8') speech_length=len(s_file) data_dict = {'format':'wav', 'rate':8000, 'channel':1, 'cuid':mac_address, 'token':y_token, 'lan':'zh', 'speech':speech_base64, 'len':speech_length} json_data = json.mps(data_dict).encode('utf-8') json_length = len(json_data) asr_server = 'm/server_api' request = urllib2.Request(url=asr_server) request.add_header("Content-Type", "application/json") request.add_header("Content-Length", json_length) fs = urllib2.urlopen(url=request, data=json_data) result_str = fs.read().decode('utf-8') json_resp = json.loads(result_str) if json_resp.has_key('result'): out_txt=json_resp['result'][0] else: out_txt="Null" return out_txt def tuling(b): f=urllib.urlopen("23.com/openapi/api?key="此處為圖靈API"&info=%s" % b) f=json.loads(f.read())['text'] return f def hecheng(text,y_token): #text="你好我是機器人牛牛很高興能夠認識你" geturl="u.com/text2audio?tex="+text+"&lan=zh&per=1&pit=9&spd=6&cuid=CCyo6UGf16ggKZGwGpQYL9Gx&ctp=1&tok="+y_token return os.system('omxplayer "%s" > /dev/null 2>&1 '%(geturl)) #return os.system('omxplayer "%s" > /dev/null 2>&1 '%(geturl)) def nowtime(): return time.strftime('%Y-%m-%d %H:%M:%S ') #---------------main-----------------num=0 #num用來判斷是第一次說話，還是在對話過程中first=1 #判斷是不是第一說話 當1000次沒有人動認為是第一次while True: if ganying()!=0: run=open('run.log','a') if first==0: hecheng("你好,我是牛牛機器人,你可以和我聊天,不過說話的時候你必須靠近話筒近一點,",y_token) hecheng("說點什麼吧,2秒鍾內說完哦.",y_token) first=1 #為1一段時間就不執行 num=0 #從新計數 #print ganying() run.write(nowtime()+"說點神馬吧..........."+'\n') print nowtime()+"說點神馬吧.........." luyin() #開始錄音 out=fanyi().encode("utf-8") #翻譯文字 run.write(nowtime()+"我說:"+out+'\n') print nowtime()+"我說:"+out if out == "Null": text="沒有聽清楚你說什麼" os.system('omxplayer "shenme.wav" > /dev/null 2>&1 ') else: text=tuling(out) hecheng(text,y_token) print nowtime()+"牛牛:"+text run.write(nowtime()+"牛牛:"+text+'\n') run.close() else: #print ganying() #調試查看是否為0有人沒人 #print num num=num+1 #num長時間增大說明沒有人在旁邊 if num > 1000: first=0 #0表示第一次說話

萬事俱備 運行nohup python robot.py 哈哈就可以脫離屏幕開始愉快的語音聊天啦
下面看看聊天的日誌記錄吧
後續更新。。。。。。Python如何用語音優雅的控制小車

Ⅲ 推薦幾個適合新手練手的Python項目

《Python實戰：四周實現爬蟲系統》網路網盤免費下載

鏈接:

Python實戰：四周實現爬蟲系統

Ⅳ python寫微信聊天機器人，求助

研究了一下午一晚上，現在終於實現了用wxpy(版本號0.1.2)自動回復。並且還是能跟你很聊得來的機器人。

做微信聊天機器人，實現步驟：

• 獲取微信的使用權，即python腳本能控制微信收發信息。

• python腳本收到聊天信息後，要對該信息進行處理，返回機器人的回應信息。

一二兩步要用到wxpy庫里的各種組件來收發信息，監聽微信活動。另外機器人還要用到 圖靈機器人的api
我們先去 圖靈機器人 注冊賬號。

• #!/usr/bin/env python3# coding: utf-8from wxpy import *# 掃碼登陸bot = Bot()# 初始化圖靈機器人 (API key 申請: )tuling = Tuling(api_key='***************************')# 自動回復所有文字消息@bot.register(msg_types=TEXT)def auto_reply_all(msg):


• tuling.do_reply(msg)# 開始運行bot.join()



c

創建機器人

選擇自定義，點擊確定

點擊 查看詳情，進入機器人進行設置。

保存API地址，APIkey，後面會用到

點擊運行代碼，運行效果如下。

男頭像是機器人

男頭像是機器人

Ⅳ Python 里itchat 模塊能實現什麼有趣的東西

1.防止撤回消息
2.檢測程序運行，控製程序運行
3.聊天機器人
4.與微軟小冰獲取免費的表情包
5.實現跨群聊天
6.檢測是否有好友刪掉你
7.裝逼，命令行聊wechat
8.寫一個linux端的仿wechat客戶端

Ⅵ python能寫微軟小冰么

聊天機器人已經有了很多很好的實現，比如圖靈機器人、微軟小冰都非常的智能而且語氣都與人類相似。但這並不是一件一勞永逸的事情，在特定的場景下問題的回答是有邊界的或者符合特定業務場景的，所以還是需要可以按需定製開發的機器人。

chatterBot項目是一個用Python實現聊天機器人的開源項目（作者：Gunther Cox，github地址），下面介紹下chatterBot的實現方式以及如何在這個項目的基礎上做定製開發：
chatterBot將一個機器人分為input Adapter、logic Adapter、storage Adapter、output Adapter以及Trainer模塊。
input Adapter: 這個模塊被設計用來獲取並處理用戶輸入，獲取輸入是指自動從外部獲取輸入，比如從gitter room, twitter等這些都是項目自帶的輸入插件。處理用戶輸入是把獲取到的輸入轉化為可以進行下一步處理的Statement對象。Statement對象是對用戶輸入的抽象，包含了輸入的text，附加信息並提供了序列化，對比等方法。input Adapter被設計成為插件式的，所以在實踐當中，我們可以實現自己的input Adapter，比如為每個用戶打上id，這樣輸入就包含了用戶信息，在接下來的處理中就可以根據不同用戶實現不同邏輯了。

logic Adapter: 完成輸入處理後就到了邏輯處理，這依然是一個插件式的設計，主進程在啟動時會將用戶定義的所有邏輯處理插件添加到logic context中，然後交MultiLogicAdapter進行處理，MultiLogicAdapter會依次調用每個logic Adapter，logic Adapter被調用時先執行can_process方式判斷輸入是否可以命中這個邏輯處理插件。比如說 "今天天氣怎麼樣"顯然需要命中天氣邏輯處理插件，但時間邏輯處理插件的can_process方法則應該返回False。在命中後logic Adapter要負責計算出對應的回答（也是包裝成Statement對象）以及可信度（confidence），MultiLogicAdapter會取可信度最高的回答，並進入下一步。項目已經自帶了很多logic Adapter，有close match、close meaning、時間邏輯、數學邏輯，甚至還有情感邏輯，大家可以自己探索。在實踐當中，我們還是需要自己定製開發一些邏輯處理插件，如果我們希望自己的邏輯處理插件優先順序始終高於自帶的插件，可以提高confidence，自帶的邏輯處理插件返回的confidence最大是1，只要confidence比1大就是最高優先順序了。
storage Adapter: 剛才介紹logic Adapter時其實還有一點沒有說明，就是大部分的邏輯處理還是基於訓練集的，在處理時需要與訓練集做匹配，所以這個項目將訓練集的持久化也做成了插件式的，自帶的持久化有文件型（json格式）、mongodb，我們也可以做自己的持久化層，比如支持redis，支持mysql。

output Adapter: 這個模塊就不用詳細介紹了，基本與input Adapter一致，只是這里處理的是輸出。也是插件式設計，所以我們也可以定製開發，比如與騰訊等語音合成服務提供商的介面集成，我們的機器人就可以"開口說話了"。
Trainer: 這個模塊提供訓練機器人的方法，自帶的方法有兩種，一種是通過輸入list來訓練，比如["你好"，"你好啊"]，後者是前者的回答，另一種是通過導入Corpus格式的文件來訓練。如果這兩種方法都沒有辦法滿足的話，我們還可以寫自己的訓練模塊，但總的來說還是要將最終的訓練集轉換成上述兩種類型。

總結: chatterBot這個項目並不是一個非常完善的聊天機器人項目（如果你希望一安裝就獲得一個話嘮一樣的機器人那就可以放棄了），總的來說自帶的功能有限，但是這個項目並不簡單，因為項目本身結構非常清晰，又高度插件化，所以非常適合在此基礎上做定製化開發，so 動手吧。

Ⅶ 請教大神，python適合機器人嗎

很適合啊~就是因為人工智慧的大火才帶火了Python，所以Python當然適合機器人了。
利用Python實現QQ，微信聊天機器人，都是可以實現的，很簡單。
再看看別人怎麼說的。

Ⅷ 如何用python寫聊天機器人

它這個軟體的辨音比IPHONE的要差,我當時找個做英語老師的朋友發音,它一樣辨不出來。只是雞肋一個,沒什麼大用的。

Ⅸ 請教大神，python適合機器人嗎

很適合啊~就是因為人工智慧的大火才帶火了Python，所以Python當然適合機器人了。
利用Python實現QQ，微信聊天機器人，都是可以實現的，很簡單。