我们在上一章实现了博弈树负值极大alpha-beta剪枝算法，即ai()函数，拿到了四个返回值：x、y坐标，搜索次数、是否赢了。
现在我们需要把这个ai()函数再套两层壳：
1、第一层是预处理的壳。对于接口传入的参数，我们需要预处理成为ai()函数需要的数据结构；还需要检查输入对不对，如果输入的棋盘不是正方形的，或者输入的棋盘值除了1、0、-1还有其他值等等等等，我们要加以限制。
2、第二层是套python的Flask库，把我们的函数开放为接口。包括一些请求的跨域配置、request请求数据的处理都在这完成。
使用Flask开放接口
## 定义接口输入
接口输入的原则是，参数尽量少，要能够有通用性，比如对棋盘的输入，采取如下的形式：
[ [0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0], [0,0,0,1,-1,0,0,0,0], [0,0,0,0,-1,0,0,0,0], [0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0], [0,0,0,0,0,0,0,0,0], ]
直接把二维棋盘转化为二维数组就行，这样方便大家自定义自己的前端页面。
所以综上原则，我们的接口有四个参数：
ratio：ai的攻击系数。
depth：算法遍历的深度。
length：棋盘边长长度。
board：从表单中获取的变量，二维数组，表示棋盘状态，通过逗号分隔的字符串形式表示。通过使用split函数将字符串拆分为整数列表。
## 开放接口、跨域配置、数据解析
app = Flask(__name__) CORS(app, supports_credentials=True) @app.route('/api/next_step', methods=['POST']) @cross_origin(supports_credentials=True) def api(): try: ratio = int(request.form.get('ratio')) depth = int(request.form.get('depth')) length = int(request.form.get('length')) board = [int(_) for _ in request.form.get('board').split(',')] board = np.array(board).reshape(-1, length) return next_step(board, length, depth, ratio ) # 返回接口响应 except Exception as e: return { 'code': 300, 'msg': str(e) } if __name__ == '__main__': app.run()
上面的代码是一个基于Flask框架的API接口，创建了路由 /api/next_step，该接口接受POST请求，并处理包含 ratio、depth、length 和 board 参数的表单数据。在请求中，它首先从表单数据中获取这些参数的值，并将 board 转换为二维数组。然后，它调用 next_step 函数来处理请求，并将返回的结果作为接口的响应返回。如果在处理过程中发生异常，它会返回一个包含错误信息的字典。最后，通过运行应用程序来启动服务。
如果不加跨域的话，我们在前端侧访问接口要加一些配置，比较麻烦。
对于前端侧传过来的二维数组，它其实是转化成了字符串形式的，所以接收之后，我们要手动转化成二维数组。然后就可以去交给预处理去执行了。
数据预处理
## 数据检查与异常捕获
对于接口传过来的值，我们关心这样几个问题：
1、棋盘边长会不会太小了
2、棋盘是否不是正方形的
3、遍历的深度要控制在1，2，3，4以内，不然太大了，进程一下就阻塞了，要是部署在服务器上，可能一下服务器就瘫痪了
4、棋盘值会不会有超出1、0、-1以外的值
5、棋盘会不会满了
# 统计白子数 white_count = np.count_nonzero(board == 1) # 统计黑子数 black_count = np.count_nonzero(board == -1) # 统计空子数 empty_count = np.count_nonzero(board == 0) """输入检查""" # TODO 修改最低大小 if length < 12: raise ValueError(f"棋盘边长最低为12.") if board.shape[1] != length: raise ValueError(f"输入棋盘不是正方形.") if depth not in [1,2,3,4]: raise ValueError(f"输入的遍历深度有误, 应该为1,2,3或4.") assert (white_count + black_count + empty_count) == board.size,\ "输入的棋盘数据有误.只能为0,1,-1.其中1代表白棋,-1代表黑棋,0代表空棋." if empty_count == 0: raise ValueError(f"输入的棋盘已满, 无法下棋.")
统计白子数:
使用 np.count_nonzero() 函数统计棋盘中值为1的元素个数，并将结果赋值给变量 white_count。
统计黑子数:
使用 np.count_nonzero() 函数统计棋盘中值为-1的元素个数，并将结果赋值给变量 black_count。
统计空子数:
使用 np.count_nonzero() 函数统计棋盘中值为0的元素个数，并将结果赋值给变量 empty_count。
输入检查:
- 检查棋盘边长是否小于12，如果是，则抛出 ValueError 异常，提示棋盘边长最低为12。
- 检查输入的棋盘是否为正方形，如果不是，则抛出 ValueError 异常，提示输入棋盘不是正方形。
- 检查遍历深度是否为1、2、3或4，如果不是，则抛出 ValueError 异常，提示输入的遍历深度有误，应为1、2、3或4。
- 使用断言语句检查棋盘中的元素总数是否与棋盘大小相等，如果不相等，则抛出 AssertionError 异常，提示输入的棋盘数据有误，只能为0、1、-1，其中1代表白棋，-1代表黑棋，0代表空棋。
- 检查棋盘中空子的个数是否为0，如果是，则抛出 ValueError 异常，提示输入的棋盘已满，无法下棋。
## 预处理数据
# 当前玩家 player = 'black' if black_count == white_count else 'white' # 当前步数 step = black_count + white_count + 1 # 开始计时 start_time = time.time() # 电脑计算 x, y, search_count, flag = ai(player, ratio, length, board, depth) # 结束计时 end_time = time.time()
根据当前的黑子和白子个数，确定当前的玩家。并计算回溯算法执行时间。
## 定义接口输出
定义的输出如下：
return { 'code': 200, 'msg': '成功', 'data': { 'x': x, 'y': y, 'time': end_time - start_time, 'step': step, 'player': player, 'length': length, 'search_count': search_count, 'flag': flag, 'info': "【默认黑子先行】" "【黑子存-1,白子存1,空子存0】" "【x：横坐标,从0开始,length结束】" "【y：纵坐标,从0开始,length结束】" "【time：搜索时间】" "【step：这是第几步棋】" "【player：当前下棋的玩家'black'/'white'】" "【length：棋盘边长,线的个数,即格子的个数+1】" "【search_count：搜索次数】" "【flag：是否赢了】" "【info：参数介绍】" } }
上述代码是一个返回结果的字典，包含以下键值对：
- 'code'：表示返回的状态码，这里设置为 200 表示成功。
- 'msg'：表示返回的消息，这里设置为 ‘成功’。
- 'data'：表示返回的数据，是一个包含多个键值对的字典。
- 'x'：表示横坐标。
- 'y'：表示纵坐标。
- 'time'：表示搜索时间，是结束时间减去开始时间的差值。
- 'step'：表示当前步数。
- 'player'：表示当前下棋的玩家，可以是 ‘black’ 或 ‘white’。
- 'length'：表示棋盘边长，即格子的个数加1。
- 'search_count'：表示搜索次数。
- 'flag'：表示是否赢了。
- 'info'：表示参数介绍的字符串，包含一些说明信息。
这段代码用于构建一个包含返回结果的字典，并将其作为函数的返回值。返回结果中包含了搜索结果的相关信息。
