使用Python与图灵机器人聊天

对博客平台有些失望，转语雀只当留档用了。

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.request

api_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！