從0到1使用python開發(fā)一個半自動答題小程序的實現(xiàn)
更新時間：2020年05月12日 11:54:45 作者：梁先森-python數(shù)據(jù)分析師進階之路
這篇文章主要介紹了從0到1使用python開發(fā)一個半自動答題小程序的實現(xiàn)，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧
前言
最近每天都有玩微信讀書上面的每日一答的答題游戲，完全答對12題后，可以瓜分無限閱讀卡。但是從小就不太愛看書的我，很難連續(xù)答對12道題，由此，產(chǎn)生了寫一個半自動答題小程序的想法。我們先看一張效果圖吧(ps 這里主要是我電腦有點卡，點擊左邊地選項有延遲)
項目GIthub地址：微信讀書答題python小程序
覺得對你有幫助的請點個⭐來支持一下吧。
演示圖：
做前準備
- mumu模擬器 因為手邊沒有安卓手機，所以只能在模擬器上進行模擬，如果手上有安卓手機地，可以適當?shù)匦薷囊幌鲁绦颉Ｐ枰惭b微信和微信讀書這兩個軟件
- python工具包：BeautifulSoup4、Pillow、urllib、requests、re、base64、time
思路
- 截屏含有題目和答案的圖片(范圍可以自己指定)
- 使用百度的圖片識別技術將圖片轉化為文字，并進行一系列處理，分別將題目和答案進行存儲
- 調動百度知道搜索接口，將題目作為搜索關鍵字進行答案搜索
- 將搜索出來的內容使用BeautifulSoup4進行答案提取，這里可以設置答案提取數(shù)量
- 將搜索結果進行輸出顯示
附：這里我還加了一個自動推薦答案，利用百度短文本相似接口和選項是否出現(xiàn)在答案中這兩種驗證方法進行驗證，推薦相似度最高的答案。準確度還可以，但是比較耗時間，比正常情況下時間要多上一倍。
開始寫代碼
1. 導入工具包
import requests #訪問網(wǎng)站 import re #正則表達式匹配 import base64 #編碼 from bs4 import BeautifulSoup #處理頁面數(shù)據(jù) from urllib import parse #進行url編碼 import time #統(tǒng)計時間 from PIL import ImageGrab #處理圖片
2. 編寫類和初始化方法
class autogetanswer():
def __init__(self,StartAutoRecomment=True,answernumber=5):
self.StartAutoRecomment=StartAutoRecomment
self.APIKEY=['BICrxxxxxxxxNNI','CrHGxxxxxxxx3C']
self.SECRETKEY=['BgL4jxxxxxxxxxGj9','1xo0jxxxxxx90cx']
self.accesstoken=[]
self.baiduzhidao='http://zhidao.baidu.com/search?'
self.question=''
self.answer=[]
self.answernumber=answernumber
self.searchanswer=[]
self.answerscore=[]
self.reanswerindex=0
self.imageurl='answer.jpg'
self.position=(35,155,355,680)
self.titleregular1=r'(10題|共10|12題|共12|翻倍)'
self.titleregular2=r'(\?|\？)'
self.answerregular1=r'(這題|問題|跳題|換題|題卡|換卡|跳卡|這有)'
- self.StartAutoRecomment 是否開啟自動推薦答案，默認為True
- self.APIKEY 百度圖像轉文字、百度短文本相似度分析 這兩個接口的apikey
- self.SECRETKEY 百度圖像轉文字、百度短文本相似度分析 這兩個接口的secretkey
這兩個key值我就沒法提供給大家了，大家可以自己去百度云官方申請，免費額度大概有5萬，足夠我們使用了。
申請過程大家可以參考這個博客，很簡單的如何申請百度文字識別apikey和Secret Key
- self.accesstoken 存儲申請使用接口的accesstoken值
- self.baiduzhidao 百度知道搜索接口地址
- self.imageurl 圖片地址
- self.position 截圖方位信息，依次分別是左間距、上間距、右間距、下間距
- self.titleregular1、.titleregular2、answerregular1 這些是進行題目和答案處理的條件
3. 獲得accesstoken值
def GetAccseetoken(self):
for i in range(len(self.APIKEY)):
host = 'https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id={}&client_secret={}'.format(self.APIKEY[i],self.SECRETKEY[i])
response = requests.get(host)
jsondata = response.json()
self.accesstoken.append(jsondata['access_token'])
這是官方提供的獲取accesstoken的摸板，大家直接使用就行了。
4. 圖像轉文字以及相關處理
def OCR(self,filename):
request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic"
# 二進制方式打開圖片文件
f = open(filename, 'rb')
img = base64.b64encode(f.read())
params = {"image":img}
access_token = self.accesstoken[0]
request_url = request_url + "?access_token=" + access_token
headers = {'content-type': 'application/x-www-form-urlencoded'}
response = requests.post(request_url, data=params, headers=headers)
#===上面是使用百度圖片轉文字接口轉化，返回格式為json
if response:
result = response.json()
questionstart=0
answerstart=0
self.question=''
self.answer=[]
#確定題目和答案所在的位置
for i in range(result['words_result_num']):
if(re.search(self.titleregular1,result['words_result'][i]['words'])!=None):
questionstart=i+1
if(re.search(self.titleregular2,result['words_result'][i]['words'])!=None):
answerstart=i+1
#下面是進行題目和答案的處理
if(answerstart!=0):
for title in result['words_result'][questionstart:answerstart]:
if(re.search(self.answerregular1,title['words'])!=None):
pass
else:
self.question+=title['words']
for answer in result['words_result'][answerstart:]:
if(re.search(self.answerregular1,answer['words'])!=None):
pass
else:
if(str(answer['words']).find('.')>0):
answer2 = str(answer['words']).split('.')[-1]
else:
answer2=answer['words']
self.answer.append(answer2)
else:
for title in result['words_result'][questionstart:]:
if(re.search(self.answerregular1,title['words'])!=None):
pass
else:
self.question+=title['words']
print("本題問題：",self.question)
print("本題答案：",self.answer)
return response.json()#可有可無
此方法是將圖片轉化為文字，進行圖片中的文字識別，格式如下：
{
"log_id": 2471272194,
"words_result_num": 2,
"words_result":
[
{"words": " TSINGTAO"},
{"words": "青島睥酒"}
]
}
下面我們以下面的圖為例，我們是如何去除掉干擾信息的：
上圖就是程序在實際運行中的情況，黃色框內就是程序截取的圖像(這個通過初始化方法的參數(shù)中的position可以進行設置)，
我們需要的是紅色框內的信息，這包含題目和答案選項。文字識別后，白色框里面的字也會和紅色框里的字一同被識別，并以json形式輸出，這些信息對我們就是干擾信息，所以，我通過建立了初始化方法里titleregular1、titleregular2、answerregular1 這三個標準進行判定，白色框里的文字與對應，如果判斷包含的話，就不添加到題目中或者答案中。
5. 百度知道進行答案搜索
def BaiduAnswer(self):
request = requests.session()
headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/81.0.4044.129 Safari/537.36'}
data = {"word":self.question}
url=self.baiduzhidao+'lm=0&rn=10&pn=0&fr=search&ie=gbk&'+parse.urlencode(data,encoding='GB2312')
ress = request.get(url,headers=headers)
ress.encoding='gbk'
if ress:
soup = BeautifulSoup(ress.text,'lxml')
result = soup.find_all("dd",class_="dd answer")
if(len(result)!=0 and len(result)>self.answernumber):
length=5
else:
length=len(result)
for i in range(length):
self.searchanswer.append(result[i].text)
這里是模擬瀏覽器進行百度知道搜索答案，將返回的文本交給BeautifulSoup進行處理，提取出我們需要的部分。后面最后幾句有一個判定，如果查詢到的答案數(shù)量超過我們設置的答案數(shù)，比如是5，那么就將前5個答案放入searchanswer列表中，如果查詢到的答案數(shù)量要少于我們設置的，返回所有答案。
6. 短文本相似度分析
def CalculateSimilarity(self,text1,text2):
access_token = self.accesstoken[1]
request_url="https://aip.baidubce.com/rpc/2.0/nlp/v2/simnet"
request_url = request_url + "?access_token=" + access_token
headers = {'Content-Type': 'application/json'}
data={"text_1":text1,"text_2":text2,"model":"GRNN"}
response = requests.post(request_url, json=data, headers=headers)
response.encoding='gbk'
if response:
try:
result = response.json()
return result['score']
except:
return 0
這里調用的是百度短文本相似度分析的接口，用于分析選項與查詢到的答案的相似度，以此來推薦一個參考答案。這個是官方給的摸板，直接調用，更換一下參數(shù)即可。
7. 自動給出一個參考答案
def AutoRecomment(self):
if(len(self.answer)==0):
return
for i in range(len(self.answer)):
scores=[]
flag=0
for j in range(len(self.searchanswer)):
if(j!=0and (j%2==0)):
time.sleep(0.1)
score = tools.CalculateSimilarity(tools.answer[i],tools.searchanswer[j])
if(tools.answer[i] in tools.searchanswer[j]):
score=1
scores.append(score)
if(score>0.8):
flag=1
self.answerscore.append(score)
break
if(flag==0):
self.answerscore.append(max(scores))
self.reanswerindex = self.answerscore.index(max(self.answerscore))
這里調用了咱們第六步的CalculateSimilarity()方法，統(tǒng)計每一個選項與搜索到的答案相似度，取最高的存入answerscore列表中。這里我又加了一個操作，我發(fā)現(xiàn)這個相似度匹配有時正確率比較低，所以這里加了一個判定，若選項在搜索到的答案中出現(xiàn)，給予一個最大相似值，也就是1，這就大大提高了推薦的準確度。
8. 初始化參數(shù)
def IniParam(self):
self.accesstoken=[]
self.question=''
self.answer=[]
self.searchanswer=[]
self.answerscore=[]
self.reanswerindex=0
相關參數(shù)的初始化，因為每進行完一道題，要對存儲題和答案以及相關信息的數(shù)組進行清空，否則會對后面題的顯示產(chǎn)生影響。
9. 主方法
def MainMethod(self):
while(True):
try:
order = input('請輸入指令（1=開始，2=結束):')
if(int(order)==1):
start = time.time()
self.GetAccseetoken()
img = ImageGrab.grab(self.position)#左、上、右、下
img.save(self.imageurl)
self.OCR(self.imageurl)
self.BaiduAnswer()
if(self.StartAutoRecomment):
self.AutoRecomment()
print("======================答案區(qū)======================\n")
for i in range(len(self.searchanswer)):
print("{}.{}".format(i,self.searchanswer[i]))
end = time.time()
print(self.answerscore)
if(self.StartAutoRecomment and len(self.answer)>0):
print("\n推薦答案:",self.answer[self.reanswerindex])
print("\n======================答案區(qū)======================")
print("總用時：",end-start,end="\n\n")
self.IniParam()
else:
break
except:
print("識別失敗，請重新嘗試")
self.IniParam()
pass
這里主要是一個while循環(huán)，通過輸入指定來判斷是否結束循環(huán)。
這里說一下下面這兩個語句：
img = ImageGrab.grab(self.position)#左、上、右、下 img.save(self.imageurl)
這兩個語句是用來截取我們指定位置的圖片，然后進行圖片的保存。
總結
上述呢，就是整個項目完成的流程，整體運行是幾乎每什么問題，但是還是存在許多可優(yōu)化的空間。也歡迎大家對此感興趣的留言，說說你的改進意見，我會非常感謝，并認真考慮進去。期待與大家的討論!😄
到此這篇關于從0到1使用python開發(fā)一個半自動答題小程序的實現(xiàn)的文章就介紹到這了,更多相關python 半自動答題小程序內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要為大家詳細介紹了如何使用Python實現(xiàn)合并帶有嵌入圖片的單元格,文中的示例代碼講解詳細,感興趣的小伙伴可以跟隨小編一起學習一下2024-12-12
這篇文章主要為大家詳細介紹了Python模擬三級菜單效果，具有一定的參考價值，感興趣的小伙伴們可以參考一下2017-09-09
這篇文章主要為大家詳細介紹了一些Python中帶時區(qū)的日期轉換工具類，文中的示例代碼講解詳細，具有一定的學習價值，感興趣的小伙伴可以跟隨小編一起了解一下2023-05-05
對python中的os.getpid()和os.fork()函數(shù)詳解
今天小編就為大家分享一篇對python中的os.getpid()和os.fork()函數(shù)詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08
python 解決print數(shù)組/矩陣無法完整輸出的問題
這篇文章主要介紹了關于python 解決print數(shù)組/矩陣無法完整輸出的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02
使用Python實現(xiàn)簡單的人臉識別功能(附源碼）
Python中實現(xiàn)人臉識別功能有多種方法，依賴于python膠水語言的特性，我們通過調用包可以快速準確的達成這一目的，本文給大家分享使用Python實現(xiàn)簡單的人臉識別功能的操作步驟，感興趣的朋友一起看看吧2021-12-12
隨機森林的英文是 Random Forest，英文簡寫是 RF，也是常用的人工智能算法，本文為大家介紹了Python實現(xiàn)隨機森林算法的示例代碼，希望對大家有所幫助2023-06-06
Python實現(xiàn)連接兩個無規(guī)則列表后刪除重復元素并升序排序的方法
這篇文章主要介紹了Python實現(xiàn)連接兩個無規(guī)則列表后刪除重復元素并升序排序的方法,涉及Python針對列表的合并、遍歷、判斷、追加、排序等操作技巧,需要的朋友可以參考下2018-02-02
今天小編要為大家介紹一款小編自己用Python代碼碼出來的賽車風格的打字小游戲，不僅能游戲還能學到很多不同類型的編程代碼關鍵字的語言，需要的可以參考一下2023-02-02
本文主要介紹了exe反編譯為.py文件的方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-03-03