【Python】利用tkinter与图灵机器人制作智能聊天系统

简介: 【Python】利用tkinter与图灵机器人制作智能聊天系统

1 前言


一次偶然的机会,我了解到图灵机器人网站,里面有现成的智能机器人聊天API。正好当时在学tkinter,计划利用tkinter制作一个类似QQ聊天框,与机器人聊天~

具体效果如下(ps:由于在网站的免费额度用完了,这里返回的是“请求次数超限制”):

图灵机器人网站链接:图灵机器人网站

首先需要注册登录,然后点击下图中的“创建机器人”,根据自己的需要创建~

创建完成后,会出现创建数据,其中有apikey!


2 代码分模块讲解


2.1 导入相应的库


首先需要导入相应的库,涉及到tkinter、datetime、time、requests、json等~


from tkinter import *
import datetime
import time
import requests,json
from tkinter import scrolledtext

2.2 创建机器人对象


机器人对象实际上是通过request请求访问图灵机器人API!

def computer(self, inquant):
        userid = 99        #检查一下自己的userid
        apikey = ''        #这里输入自己的apikey
        startup = ''
        while True:
            question = inquant
            tulingdata1 = json.dumps({
                "perception": {
                    "inputText": {
                        "text": question  # 将你输入的对话封装成一个字典,再转换成字符串,传给图灵机器人语义系统
                    },
                },
                "userInfo": {
                    "apiKey": apikey,  # 与图灵语义系统联系
                    "userId": userid
                }
            })
            robot1 = requests.post('http://openapi.tuling123.com/openapi/api/v2', tulingdata1)  # 因为是人机对话,所以通过post传递信息
            jsrobot1 = json.loads(robot1.text)['results'][0]['values']['text']  # 返回图灵机器人的对话
            return jsrobot1+'\n'

2.3 创建信息交互过程对象


这里实际上是将发送信息与接收信息的过程进行封装,方便之后的调用。同时使用了时间库,使聊天更加的真实!

def sendmessage(self, text_msglist, text_msg):
        msgcontent = '我:' + time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()) + '\n '
        text_msglist.insert(END, msgcontent, 'green')
        text_msglist.insert(END, text_msg.get('0.0', END))
        computertent = '图灵机器人:' + time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()) + '\n '
        text_msglist.insert(END, computertent, 'green')
        computer_talk = text_msg.get('0.0', END)
        text_msglist.insert(END, (self.computer(computer_talk)))
        text_msg.delete('0.0', END)


2.4 页面创建对象


通过grid来布局tkinter组件使页面更加的美观

def createPage(self):
        self.frame_left_top = Frame(width=600, height=220, bg='white')
        self.frame_left_center = Frame(width=600, height=100, bg='white')
        self.frame_left_bottom = Frame(width=600, height=20)
        ##创建需要的几个元素
        text_msglist = scrolledtext.ScrolledText(self.frame_left_top)
        text_msg = Text(self.frame_left_center)
        button_sendmsg = Button(self.frame_left_bottom, text='发送', command=lambda: self.sendmessage(text_msglist, text_msg))
        # 创建一个绿色的tag
        text_msglist.tag_config('green', foreground='#008B00')
        # 使用grid设置各个容器位置
        self.frame_left_top.grid(row=0, column=0, padx=2, pady=5)
        self.frame_left_center.grid(row=1, pady=5)
        self.frame_left_bottom.grid(row=2, column=0)
        self.frame_left_top.grid_propagate(0)
        self.frame_left_center.grid_propagate(0)
        self.frame_left_bottom.grid_propagate(0)
        # 把元素填充进frame
        text_msglist.grid()
        text_msg.grid()
        button_sendmsg.grid(row=0, column=0, sticky=E)

3 整体代码展示(可直接使用!)


ps:在computer函数中,将改换的换成自己的!

from tkinter import *
import datetime
import time
import requests,json
from tkinter import scrolledtext
class talk(object):
    def __init__(self, master=None):
        self.root = master  # 定义内部变量root
        self.createPage()
    def computer(self, inquant):
        userid = 99
        apikey = ''   #换成自己的apikey
        startup = ''
        while True:
            question = inquant
            tulingdata1 = json.dumps({
                "perception": {
                    "inputText": {
                        "text": question  # 将你输入的对话封装成一个字典,再转换成字符串,传给图灵机器人语义系统
                    },
                },
                "userInfo": {
                    "apiKey": apikey,  # 与图灵语义系统联系
                    "userId": userid
                }
            })
            robot1 = requests.post('http://openapi.tuling123.com/openapi/api/v2', tulingdata1)  # 因为是人机对话,所以通过post传递信息
            jsrobot1 = json.loads(robot1.text)['results'][0]['values']['text']  # 返回图灵机器人的对话
            return jsrobot1+'\n'
    def sendmessage(self, text_msglist, text_msg):
        msgcontent = '我:' + time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()) + '\n '
        text_msglist.insert(END, msgcontent, 'green')
        text_msglist.insert(END, text_msg.get('0.0', END))
        computertent = '图灵机器人:' + time.strftime("%Y-%m-%d %H:%M:%S", time.localtime()) + '\n '
        text_msglist.insert(END, computertent, 'green')
        computer_talk = text_msg.get('0.0', END)
        text_msglist.insert(END, (self.computer(computer_talk)))
        text_msg.delete('0.0', END)
    def createPage(self):
        self.frame_left_top = Frame(width=600, height=220, bg='white')
        self.frame_left_center = Frame(width=600, height=100, bg='white')
        self.frame_left_bottom = Frame(width=600, height=20)
        ##创建需要的几个元素
        text_msglist = scrolledtext.ScrolledText(self.frame_left_top)
        text_msg = Text(self.frame_left_center)
        button_sendmsg = Button(self.frame_left_bottom, text='发送', command=lambda: self.sendmessage(text_msglist, text_msg))
        # 创建一个绿色的tag
        text_msglist.tag_config('green', foreground='#008B00')
        # 使用grid设置各个容器位置
        self.frame_left_top.grid(row=0, column=0, padx=2, pady=5)
        self.frame_left_center.grid(row=1, pady=5)
        self.frame_left_bottom.grid(row=2, column=0)
        self.frame_left_top.grid_propagate(0)
        self.frame_left_center.grid_propagate(0)
        self.frame_left_bottom.grid_propagate(0)
        # 把元素填充进frame
        text_msglist.grid()
        text_msg.grid()
        button_sendmsg.grid(row=0, column=0, sticky=E)
if __name__ == "__main__":
    root = Tk()
    root.title('图灵机器人聊天')
    talk(root)
    root.mainloop()

最后再次展示一下界面图:

相关文章
|
2月前
|
机器人 数据安全/隐私保护 Python
企业微信自动回复软件,企业微信自动回复机器人,python框架分享
企业微信机器人包含完整的消息处理流程,支持文本消息自动回复、事件处理、消息加密解密等功能
|
3月前
|
机器学习/深度学习 监控 算法
基于mediapipe深度学习的手势数字识别系统python源码
本内容涵盖手势识别算法的相关资料,包括:1. 算法运行效果预览(无水印完整程序);2. 软件版本与配置环境说明,提供Python运行环境安装步骤;3. 部分核心代码,完整版含中文注释及操作视频;4. 算法理论概述,详解Mediapipe框架在手势识别中的应用。Mediapipe采用模块化设计,包含Calculator Graph、Packet和Subgraph等核心组件,支持实时处理任务,广泛应用于虚拟现实、智能监控等领域。
|
26天前
|
安全 JavaScript Java
Python中None与NoneType的真相:从单例对象到类型系统的深度解析
本文通过10个真实场景,深入解析Python中表示“空值”的None与NoneType。从单例模式、函数返回值,到类型注解、性能优化,全面揭示None在语言设计与实际编程中的核心作用,帮助开发者正确高效地处理“无值”状态,写出更健壮、清晰的Python代码。
119 3
|
2月前
|
算法 数据可视化 数据挖掘
基于EM期望最大化算法的GMM参数估计与三维数据分类系统python源码
本内容展示了基于EM算法的高斯混合模型(GMM)聚类实现,包含完整Python代码、运行效果图及理论解析。程序使用三维数据进行演示,涵盖误差计算、模型参数更新、结果可视化等关键步骤,并附有详细注释与操作视频,适合学习EM算法与GMM模型的原理及应用。
|
2月前
|
JSON 机器人 API
微信机器人自动回复插件,vx自动回复机器人脚本助手,python框架分享
这个微信机器人系统包含三个主要模块:主程序基于itchat实现微信消息监听和自动回复功能
|
4月前
|
弹性计算 自然语言处理 Ubuntu
从0开始在阿里云上搭建基于通义千问的钉钉智能问答机器人
本文描述在阿里云上从0开始构建一个LLM智能问答钉钉机器人。LLM直接调用了阿里云百炼平台提供的调用服务。
从0开始在阿里云上搭建基于通义千问的钉钉智能问答机器人
|
3月前
|
机器人
陌陌自动回复消息脚本,陌陌自动打招呼回复机器人插件,自动聊天智能版
这是一款为陌陌用户设计的自动回复软件,旨在解决用户无法及时回复消息的问题,提高成交率和有效粉丝数。软件通过自动化操作实现消息检测与回复功能
|
2月前
|
机器人 API 数据安全/隐私保护
QQ机器人插件源码,自动回复聊天机器人,python源码分享
消息接收处理:通过Flask搭建HTTP服务接收go-cqhttp推送的QQ消息47 智能回复逻辑
|
2月前
|
JSON 机器人 数据安全/隐私保护
微信自动聊天机器人, 微信自动回复机器人,python框架分享
这个微信机器人实现包含主程序、配置文件、工具函数和测试脚本四个模块。主程序使用itchat库

推荐镜像

更多