在我的一个回答里，我提到了用 Python 搭建聊天机器人。从今天开始，我就带着大家从0开始搭建一个聊天机器人。
(顺便说一句，我喜欢把链接像上面这样加在文字里，如果找不到文中所说的资源，可以看看周围有没有链接。)
准备工作
首先，你要有一台安装了 Python 的电脑，推荐 Python3.6+。另外，系统最好使用 Windows 系统，因为把机器人和 QQ 对接的软件 CoolQ 只有 Windows 版，虽然使用 Docker 和 wine 可以在其它系统上运行，但不能保证稳定性。
然后，你需要在系统中安装并运行 MongoDB 数据库服务。安装方法可以看这里。记得安装完成之后运行 MongoDB 服务，也就是把 MongoDB 作为服务安装到系统中，以保持后台运行。
其次，你可能会需要一个好看的控制台，最好像 Conemu 一样既方便又美观的。毕竟写累了还可以舔舔老婆(划去
Chatterbot
Chatterbot 是一个 Python 库，我们的聊天机器人就是主要基于这一个库。
安装和其他的 Python 库一样简单：
pip3 install chatterbot chatterbot_corpus
其中 chatterbot_corpus 是 Chatterbot 自带的语料库。
现在简单说一下 Chatterbot 的原理。Chatterbot 是比较简单的聊天机器人，它需要大量对话语料来支撑它的运行。当用户给它一个输入时，它会在所有的语料库中寻找和这句话最相似的一句话，然后返回语料库中的下一句。
所以，在使用 Chatterbot 前，我们需要先进行训练。
from chatterbot import ChatBot
from chatterbot.trainers import ChatterBotCorpusTrainer
bot = ChatBot(
'Sakura',
storage_adapter='chatterbot.storage.MongoDatabaseAdapter'
)
trainer = ChatterBotCorpusTrainer(bot)
trainer.train("chatterbot.corpus.chinese")
trainer.train("chatterbot.corpus.english")
我们分析一下这几行代码。
bot = ChatBot(
'Sakura',
storage_adapter='chatterbot.storage.MongoDatabaseAdapter'
)
这是创建一个聊天机器人，名字叫 Sakura(你也可以改成自己起的名字)，使用 MongoDB 中的数据。(其实 Chatterbot 还支持 SQL，但是速度太慢了。)
这句代码里面有一个单词 adapter，官方翻译为“适配器”。其实它更准确的含义是“组件”。创建 Chatbot 时还有很多 xxx_adapter 这样的参数，可以为机器人开启各种各样的功能。不过有一点要注意，有些功能可能只对于英语进行了适配，对其他语言支持并不好。
trainer = ChatterBotCorpusTrainer(bot)
trainer.train("chatterbot.corpus.chinese")
trainer.train("chatterbot.corpus.english")
这几行就是具体的训练代码了。注意，这是最新版(2019/8/18)的写法，之前版本有所不同，使用的是bot.set_trainer(ChatterBotCorpusTrainer)和bot.train，具体写法可以参看网上其他文章。
chatterbot.corpus.chinese是 Chatterbot 自带的语料库之一。 Chatterbot 的英文语料库是非常不错的，只是数据量有点少。但是 Chatterbot 的中文语料库是由英文语料库完全机器翻译来的，而且不太符合中文语境。我自己爬取网络言情小说，提取其中的对话，整理了一个语料库，可以替换 chatterbot 自带的语料库。
上面所说的训练代码单独保存再一个文件里，因为在每次改动语料库之前它只需要运行一次。
现在，把训练的代码运行一下，不出意外的话，你会看到一系列进度条，大概这样：Conemu 支持控制台背景图片，欸嘿嘿~(可以猜一下背景是谁，虽然猜对了也没有奖)
如果你在上面的[nltk_data]那里卡住了，属于网络环境的问题，我也没有办法，只能放弃 Chatterbot 框架了(之后的系列文章中会有涉及)。
(2020/2/14补充)注意！如果在 Chatterbot 启动的时候，出现以[nltk_data]开头的网络错误，请看下面的补充内容！ 即使前几次启动成功，在之后的某一次启动失败，也是管用的！(2020/2/3补充)破案了！出现这个问题的原因是 chatterbot 把判断 nltk 数据是否存在的代码写错了，导致每次启动都需要下载数据，再加上特殊的网络环境，就会出现这个问题。解决方法如下：首先手动下载 nltk 数据(方法自行百度)，然后找到 chatterbot 目录(一般在python目录/Lib/site-packages/chatterbot)中的 utils.py，将最后面几个函数中的nltk_download_corpus('stopwords')，nltk_download_corpus('averaged_perceptron_tagger')，nltk_download_corpus('vader_lexicon')分别改为 nltk_download_corpus('corpora/stopwords')，nltk_download_corpus('taggers/averaged_perceptron_tagger')，nltk_download_corpus('sentiment/vader_lexicon')。
训练完成之后，机器人就能支持基本的对话了。
那么，怎么在自己的代码里插入这个机器人呢？
首先，要创建机器人实例，代码和上面训练时一样：
from chatterbot import ChatBot
bot = ChatBot(
'Sakura',
storage_adapter='chatterbot.storage.MongoDatabaseAdapter'
)
bot 对象有一个get_response方法，顾名思义，就是获取一句回答。
现在可以试一下：
print(bot.get_response('你好吗？'))
在经过短暂的等待之后，就能看到机器人的回答啦~
print(bot.get_response('你好吗？'))
# 输出：你好！
get_response返回的是一个Statement对象，它有两个常用的属性text和confindence，分别代表返回的语句的内容和可信度(0到1)。
r = bot.get_response('你好吗？')
print('{},confidence={}'.format(r.text, r.confidence))
# 输出：你好！ ,confidence=1.0
这就是基本操作了。虽然也没有进阶操作就对了(划去
然后是一只无限对话的小程序：
from chatterbot import ChatBot
bot = ChatBot(
'Sakura',
storage_adapter='chatterbot.storage.MongoDatabaseAdapter'
)
def r(s):return bot.get_response(s).text
while True:
i = input('>>> ').strip()
if i != 'exit':
print(r(i))
else:
break
享受和机器人沙雕对话的乐趣吧！
CoolQ
现在我们已经有了能用的机器人了，但是只有我们一个人和机器人对话没有意思，接下来我们要把它部署到QQ上。
首先你要有一个QQ小号，当然不怕吓到朋友的同学也可以用自己的大号当机器人。
我们使用的软件是酷Q，一个专门用于架设QQ机器人的软件。酷Q Air 版可以免费使用，支持基本的接收发送文字消息等功能。
运行酷Q并登录之后，我们会在屏幕上看到一个悬浮窗：当然头像是你的账号的头像咯
右键悬浮窗，选择「应用-应用管理」菜单，可以看到一个这样的界面：
这里需要解释一下酷Q运行的原理了。酷Q是依赖于安装的各种「应用」运行的，每个应用其实是一个动态链接库，酷Q通过调用动态链接库的对应接口，执行应用的功能。但是问题来了，Python 并不能编译成动态链接库，该怎么办呢？
大家注意到我的应用列表中最后一个「HTTP API」了吗？这就是解决方法。CoolQ HTTP API是一个将酷Q的接口封装为HTTP接口或Socket接口的应用，理论上，它可以解决一切编程语言连接酷Q的问题。
在 CoolQ HTTP API 的 gtihub 仓库的 release 页面可以找到最新版本的下载链接，下载完成之后，将 cpk 文件放入酷Q 目录下的 app 文件夹中。
然后我们需要 Python 端的对应接口。Aiocqhttp 就是 Python 上的 CoolQ HTTP API 接口。同样，它可以用 pip 安装：
pip3 install aiocqhttp
在连接 CoolQ HTTP API 时，我推荐使用反向 WebSocket 方式，虽然配置起来有点麻烦，但是能保证稳定运行。
首先配置 CoolQ HTTP API。在酷Q目录\app\io.github.richardchien.coolqhttpapi\config下，找到一个文件名为QQ号的 json 文件，按照如下步骤进行：增加如下两行
"ws_reverse_url": "ws://127.0.0.1:7700/ws/",
"use_ws_reverse": true,
(如果端口号冲突，可以把这里的7700改为其他端口。)找到access_token行，设置为当前账号的QQ号，或者其他能唯一标识这个账号的信息。(如果不需要同时运行多个机器人， 也可以随便写。)
看看这个 json 里有没有use_http 和use_ws这两项，如果没有，添加这两项，并且把值改为false。这是为了on为了禁用用不到的功能。
如果有ws_reverse_event_url和`ws_reverse_api_url 这两项，把他们删除。这两项分别表示 WebSocket 的事件接口和方法接口，其值可以由ws_reverse_url自动配置，所以不需要填写。
新版 CoolQ HTTP API 会在启动时弹出它自己的控制台，如果嫌它太难看，方法是将show_log_console一项改为false。
如果在 Python 端需要执行初始化代码，请将 CoolQ HTTP API 升级到最新版本(v4.14及以上)，然后在配置文件中加入这样一行："ws_reverse_use_universal_client": true。
每次修改配置文件之后，都需要重启酷Q。
接下来就可以撸 Python 端的代码了。
先上一个模板代码：
from aiocqhttp import CQHttp
bot = CQHttp(access_token='你刚才设置的 access_token', enable_http_post=False)
@bot.on_message('private')
async def handle_msg(context):
await bot.send(context, '现在为您复读：')
return {'reply': context['message']}
if __name__ == '__main__':
bot.run(host = '127.0.0.1', port = 7700)
不要忘了把access_token改成刚才设置的内容。
现在我们分析一下这段代码：
bot = CQHttp(access_token='你刚才设置的 access_token', enable_http_post=False)
创建一个机器人实例，因为设置了enable_http_post=False，所以启用的是反向 WebSocket 模式，这个模式下，只需要传入 access_token 即可。
if __name__ == '__main__':
bot.run(host = '127.0.0.1', port = 7700)
在本地的 7700 端口开启反向 WebSocket 服务。如果机器人的主程序有公网IP，那么还可以实现把任意一个酷Q连接到机器人(虽然我买不起公网IP，也没试过)。
@bot.on_message('private')
async def handle_msg(context):
await bot.send(context, '现在为您复读：')
return {'reply': context['message']}
这就是机器人的逻辑代码了。Aiocqhttp 把酷Q的各种事件封装为装饰器，最常用的就是@bot.on_message()，这个装饰器可以带一个字符串参数， private、group和discuss分别代表私聊消息、群消息、讨论组消息；也可以不带参数 ，表示处理全部消息。除此之外，还有on_notice、on_request、on_meta_event装饰器分别对应其他三种事件。这三种装饰器也可以带参数，参数内容为要处理的事件类型(notice_type、request_type或meta_event_type，具体取值见事件列表)。
处理消息的内容写在函数里。由于消息的收发是异步的，所以要使用async def xxx(context):的语法。函数名可以任意取，也可以创建多个不同函数名的函数来处理同一个消息(但是我并不确定按什么顺序执行)。
函数参数只有一个：context，类型为字典，代表 CoolQ HTTP API 传来的事件参数。具体内容的格式参看这里，比如对于接收消息的事件，context['message']就代表了消息内容。
在函数里，可以通过await bot.xxx(...)的语法来调用 CoolQ HTTP API 提供的 API，在API列表中的API全部可以直接通过bot.API名字()调用，API参数通过命名参数提供，也就是类似于bot.send_private_msg(user_id=123456, message='hello')的形式。另外，Aiocqhttp 提供了一个发送消息的简单操作，调用形式为await bot.send(context, '消息内容')。
处理事件的函数可以有一个返回值，也是一个字典，代表事件的响应数据，就是事件列表中每 个事件下面的响应数据列表，用于快速处理事件。最简单地，return {'reply':'消息内容'}就会回复发来消息的人。在群聊中，如果不指定'at_sender':false，还会自动@发消息的人。当然，也可以没有返回值。
上面的这一段代码，就是一个复读机机器人，会自动复读所有的私聊消息。
所以，人类的本质是——人类的本质是——
CoolQ x Chatterbot
现在，终于可以为我们的机器人注入灵魂了。把 Chatterbot 嵌入 CoolQ 机器人实际上并不是一件难事。
废话不多说，直接上代码：
from aiocqhttp import CQHttp
from chatterbot import ChatBot
bot = CQHttp(access_token='你刚才设置的 access_token', enable_http_post=False)
chatterbot = ChatBot(
'Sakura',
storage_adapter='chatterbot.storage.MongoDatabaseAdapter'
)
def r(s):
return chatterbot.get_response(s)
@bot.on_message('private')
async def handle_msg(context):
rep = r(context['message'].strip())
if rep.confidence > 0.65:
return {'reply':rep.text}
if __name__ == '__main__':
bot.run(host = '127.0.0.1', port = 7700)
逻辑很简单，判断回答的可信度是否大于0.65，如果是，作出回答。
当然，可以在这段代码的基础上，进一步拓展，实现更加复杂的处理逻辑。
在下一篇文章里，我会介绍我在编写自己的机器人时用到的一些处理逻辑和小技巧。(虽然也不知道下一篇文章会鸽几个月)
下一篇文章：忘忧北萱草：用 Python 来做一个聊天机器人吧！(二)zhuanlan.zhihu.com
(封面PID：72774437)
现已加入知乎专栏：用 Python 来做一个聊天机器人吧！zhuanlan.zhihu.com
