菲律宾菠菜网站开发东莞专业网站建设价格

🧰 技术栈与工具

Python 3

NLTK（自然语言处理）

datetime（时间处理）

正则表达式 re

规则引擎（我们手动构造）

可选扩展：天气API、情感分析、数据库

📦 第一步：安装依赖

bash
pip install nltk

首次运行需要下载资源：

pythonimport nltk
nltk.download('punkt')
nltk.download('wordnet')
nltk.download('omw-1.4')

📚 第二步：构建核心代码框架

我们先建立一个模块化结构，便于扩展：

python
# chatbot.py
import nltk
import random
import re
import datetime
from nltk.stem import WordNetLemmatizer# 初始化
lemmer = WordNetLemmatizer()
user_name = None  # 简单的上下文记忆# NLP预处理
def normalize(text):text = text.lower()text = re.sub(r'[^\w\s]', '', text)tokens = nltk.word_tokenize(text)return [lemmer.lemmatize(token) for token in tokens]

🧠 第三步：定义“意图”和“规则库”

我们用关键词和模板构建规则库：

python
# 主题关键词与应答模板
intents = {"greeting": {"keywords": ["hello", "hi", "你好", "嗨", "早上好"],"responses": ["你好呀！", "嗨~ 你来了！", "很高兴见到你！"]},"farewell": {"keywords": ["bye", "goodbye", "退出", "再见", "拜拜"],"responses": ["再见，期待下次聊天！", "拜拜啦~", "走好鸭！"]},"name_query": {"keywords": ["你叫什么", "你是谁", "你的名字"],"responses": ["我是一个智能聊天机器人~ 你可以叫我小智。"]},"weather": {"keywords": ["天气", "下雨", "晴天"],"responses": ["今天天气挺不错的（其实我也不知道）😂", "我还不会看天气呢~ 但希望是阳光明媚的！"]},"time": {"keywords": ["几点", "时间", "现在是什么时候"],"responses": ["现在是 " + datetime.datetime.now().strftime("%H:%M")]},"default": {"responses": ["这个我还不太懂呢~", "你可以问我时间、天气、打招呼哦~"]}
}

🎯 第四步：意图识别函数

这个函数识别用户输入属于哪个意图：

pythondef match_intent(user_input):tokens = normalize(user_input)for intent, data in intents.items():for keyword in data.get("keywords", []):if any(keyword in user_input for keyword in data["keywords"]):return intentreturn "default"

🧑‍🏫 第五步：对话生成器（根据意图生成回答）

pythondef generate_response(user_input):global user_nameif "我叫" in user_input:name_match = re.search(r"我叫(\w+)", user_input)if name_match:user_name = name_match.group(1)return f"好的，{user_name}，我记住你啦~ 😊"intent = match_intent(user_input)responses = intents[intent]["responses"]if intent == "time":  # 时间动态更新return "现在是 " + datetime.datetime.now().strftime("%H:%M:%S")return random.choice(responses)

🖥️ 第六步：主程序循环

pythondef chat():print("小智：你好呀！我是小智，智能聊天机器人。输入 '退出' 结束聊天~")while True:user_input = input("你：")if user_input.lower() in ['退出', '拜拜', '再见']:print("小智：再见，期待下次聊天！")breakelse:response = generate_response(user_input)print("小智：" + response)if __name__ == "__main__":chat()

✅ 运行效果示例

你：你好
小智：你好呀！你：现在几点了
小智：现在是 14:35:22你：我叫小明
小智：好的，小明，我记住你啦~你：天气怎么样？
小智：我还不会看天气呢~ 但希望是阳光明媚的！你：再见
小智：拜拜啦~

🧩 进阶方向

接入真实天气 API（如 OpenWeather）

接入语音识别 + TTS（如 speech_recognition + pyttsx3）

引入情感分析（如 TextBlob）判断用户心情

多轮对话（Rasa、transformers 或记忆机制）

加入更多主题模块（如笑话、星座、翻译）

接下来我们将继续升级这个聊天机器人，加入以下功能，使其更智能、更实用：

天气查询：接入天气 API，提供实时天气信息。

语音识别与合成：实现语音输入和语音输出，提升交互体验。

情感分析：分析用户情绪，提供更贴心的回应。

多轮对话：支持上下文记忆，实现更自然的对话。

🧰 第一步：安装必要的库

bashpip install nltk pyttsx3 SpeechRecognition requests textblob

🌤️ 第二步：接入天气 API

我们将使用免费的天气 API，如 OpenWeatherMap，获取实时天气信息。

获取 API 密钥
访问 OpenWeatherMap 官网。

注册并登录账户。

在用户中心获取 API 密钥（API Key）。

获取天气信息

pythonimport requestsdef get_weather(city):api_key = '你的API密钥'url = f'http://api.openweathermap.org/data/2.5/weather?q={city}&appid={api_key}&lang=zh_tw&units=metric'response = requests.get(url)data = response.json()if data['cod'] == 200:main = data['main']weather = data['weather'][0]temperature = main['temp']description = weather['description']return f"{city} 的当前天气是：{description}，气温 {temperature}°C。"else:return "抱歉，我无法获取该城市的天气信息。"

#🗣️ 第三步：实现语音识别与合成
语音识别（Speech-to-Text）

pythonimport speech_recognition as srdef listen():recognizer = sr.Recognizer()with sr.Microphone() as source:print("请说话...")audio = recognizer.listen(source)try:text = recognizer.recognize_google(audio, language='zh-TW')print(f"你说：{text}")return textexcept sr.UnknownValueError:print("抱歉，我没听清楚。")return ""except sr.RequestError:print("抱歉，语音服务不可用。")return ""

语音合成（Text-to-Speech）

pythonimport pyttsx3def speak(text):engine = pyttsx3.init()engine.setProperty('rate', 150)  # 语速engine.setProperty('volume', 1)  # 音量engine.setProperty('voice', 'zh')  # 语音engine.say(text)engine.runAndWait()

😊 第四步：实现情感分析

我们将使用 TextBlob 库进行情感分析。

pythonfrom textblob import TextBlobdef analyze_sentiment(text):blob = TextBlob(text)sentiment = blob.sentiment.polarityif sentiment > 0:return "你听起来心情不错！😊"elif sentiment < 0:return "你似乎有些不开心，我能帮忙吗？😟"else:return "你的心情很中立，有什么我可以帮你的吗？🙂"

#🧠 第五步：实现多轮对话
我们将使用一个简单的上下文管理器来记住用户的名字。

pythonuser_name = ""def set_user_name(name):global user_nameuser_name = namereturn f"好的，我记住你叫 {user_name} 了！"def get_user_name():if user_name:return f"你叫 {user_name}，对吧？"else:return "你叫什么名字呢？"

🧩 第六步：整合所有功能

pythondef chatbot():print("你好！我是你的智能聊天助手。")while True:print("\n你可以说：'天气' + 城市名，'语音'，'退出' 等。")text = listen()if '退出' in text:speak("再见！期待下次与您聊天。")breakelif '天气' in text:city = text.split('天气')[-1].strip()if city:weather_info = get_weather(city)speak(weather_info)else:speak("请告诉我你想查询天气的城市。")elif '语音' in text:speak("你好！我可以听你说话并回应你。")elif '我叫' in text:name = text.split('我叫')[-1].strip()if name:response = set_user_name(name)speak(response)else:speak("你叫什么名字呢？")elif '你叫什么' in text:response = get_user_name()speak(response)else:sentiment_response = analyze_sentiment(text)speak(sentiment_response)print(sentiment_response)

🚀 第七步：运行聊天机器人

pythonif __name__ == "__main__":chatbot()

📌 注意事项

天气查询：确保你已经获取并替换了有效的 OpenWeatherMap API 密钥。

语音识别：需要安装麦克风驱动，并确保环境安静以提高识别准确率。

情感分析：TextBlob 的情感分析是基于英文语料库，可能对中文的支持有限，效果可能不如预期。