使用 Python Tkinter GUI 工具包创建聊天机器人

聊天机器人是一种通过文本或语音模拟人类对话的软件应用程序。创建聊天机器人的目的是回答常见问题（FAQ），为客户提供全时支持，处理咨询，并就需要人工干预的问题联系代理以获得进一步支持。

在本项目中，我将向您展示如何使用 Tkinter GUI（图形用户界面）工具包创建一个 Python 聊天机器人。该聊天机器人将处理咨询并回答有关 DevOps 工程领域的问题。

设置环境

安装 Python
在 bash/ VS Code 终端运行以下命令安装 Tkinter

pip install tk

创建文件夹并命名为 Chatbot
用 VS Code 打开文件夹
创建一个 Python 文件并命名为 Chatbot.py

设计用户界面

为了方便用户与聊天机器人互动，可以考虑设计一个像这样的简单图形用户界面。

要实现上述布局，您需要导入必要的库，并按如下顺序排列代码：

导入必要的库

from tkinter import *
import tkinter as tk
from tkinter import PhotoImage
from tkinter import Label, Tk
from PIL import Image, ImageTk
import datetime

创建日期和时间功能，根据来访时间问候客户。

# greetings based on time opening chatbot
current_time = datetime.datetime.now()

if 6 <= current_time.hour <= 12:
    greeting = "Good Morning!"
elif 12 <= current_time.hour <= 16:
    greeting = "Good Afternoon!"
else:
    greeting = "Good Evening!"

根据大小、颜色和字体创建 Tkinter GUI 主界面。

# Tkinter UI/UX design
root=Tk()
root.title('DevOps Chatbot')
root.geometry('720x400+150+100')
root.configure(bg='light blue')
root.resizable(False, False)

创建聊天机器人的标题

# Heading label to inform the user what to do
heading = Label(root, text=f"{greeting} 😄. I'm DevOps Chatbot. I have DevOps answers for you from the drop-down menu.", fg='#000', bg='white', font=('Microsoft YaHei UI Light', 10, 'bold'))
heading.place(x=10, y=5)

标题之后是下拉菜单。在设计中适当添加用户感兴趣或可能提出的必要问题。尽量精确地编写问题，因为它们将从 JSON 文件中获取数据。

# Dropdown Menu for the user to select
dropdown = tk.StringVar()
dropdown.set("Select a response")
dropdown_menu = tk.OptionMenu(root, dropdown, "What is DevOps", "DevOps Principles", "Benefits of adopting DevOps", "DevOps Career Paths", "DevOps Tools", "Learning Resources")
dropdown_menu.grid(row=1, column=0, padx=100, pady=100)
dropdown_menu.place(x=10, y=40)
dropdown_menu.config(width=70)

创建显示答案的区域

#This is where the user answers will be displayed
chat_history = Text(root, fg='black', border=2, bg='white', height=17, width=57, font=("cambria", 11))
chat_history.place(x=10, y=90)

为导航和与聊天机器人互动创建必要的按钮

该聊天机器人将有三个按钮；

点击获取答案按钮将显示与所选问题相对应的答案。
清除屏幕按钮将清除聊天区域的所有数据。
关闭窗口按钮将关闭聊天机器人。

下面的代码展示了如何设计按钮。

# Button to ask the question
ask = Button(root, width=25, pady=7, text="Click for Answers", fg='black').place(x=500, y=90)

# Button to clear the screen
clear = Button(root, width=25, pady=7, text="Clear Screen", fg='black')
clear.place(x=500, y=150)

# Button to exit the chatbot
exit = Button(root, width=25, pady=7, text="Close Window", fg='black')
exit.place(x=500, y=210)

显示 DevOps 图像

下载镜像并将其复制到当前目录，根据您的需要将图像调整为特定尺寸。

设置显示图像的位置。

# Open the image using Pillow
pil_img = Image.open('devops.png')

# Resize the image to specific dimensions (adjust width and height as needed)
width, height = 180, 110
pil_img = pil_img.resize((width, height), Image.BICUBIC)

# Convert Pillow image to Tkinter-compatible format
tk_img = ImageTk.PhotoImage(pil_img)

# Create a Label image to display the image
Label(root, image=tk_img, bg="white").place(x=500, y=270)

root.mainloop()

使用 VS 代码运行命令或运行以下命令运行代码；

python Chatbot.py

构建聊天机器人逻辑

创建后台

该聊天机器人将从 JSON 文件加载数据，将数据存储在字典中，然后在字典中创建列表。

在您的目录中创建一个新文件，并将其命名为 answers.json

从客户那里获得所需的常见问题后，根据问题创建主题。这些问题将用于下拉菜单。对主题的进一步阐述将存储在 answers.json 文件中。

问题示例如下：

DevOps 职业道路

会有 DevOps 工程师这样的答案，并附有对角色的解释，如在实施和管理 DevOps 实践中发挥核心作用。他们负责自动构建、部署和发布流程，配置和管理基础设施，并确保开发和运营团队之间的顺利协作。

选择一个你喜欢的细分市场，并为之努力。

处理用户输入并生成回复

我们的聊天机器人有一个下拉菜单、一个聊天区、一个点击获取答案按钮、一个清屏和一个关闭窗口。

当用户从下拉菜单中选择一个测验并点击获取答案按钮时，必须在聊天区显示答案。

操作逻辑如下：

点击获取答案

# Create a dictionary to keep track of the last selected response index
last_selected_index = {}

# Response answer based on the selected question
def random_answers():
    selected_response = dropdown.get()
    if selected_response in answers:
        responses_list = answers[selected_response]
        if responses_list:

            # Display the questions in order
            last_index = last_selected_index.get(selected_response, -1)
            last_index = (last_index + 1) % len(responses_list)

            selected_response_text = responses_list[last_index]
            last_selected_index[selected_response] = last_index

            # View answers on the chatbot
            chat_history.config(state=tk.NORMAL)
            chat_history.insert(tk.END, f"{selected_response_text}\n\n")
            chat_history.config(state=tk.DISABLED)
        else:
            chat_history.config(state=tk.NORMAL)
            chat_history.insert(tk.END, "I don't have a response for that.\n\n")
            chat_history.config(state=tk.DISABLED)

创建一个函数，用于按顺序检索 JSON 文件中的数据，并在点击 “Click for answers “按钮时在聊天区查看答案。

更新 Tkinter 用户界面代码，如下所示：

# Button to ask the question
ask = Button(root, command=random_answers, width=25, pady=7, text="Click for Answers", fg='black').place(x=500, y=90)

清除屏幕

用户点击此按钮后，聊天区域的所有数据都将被删除。(聊天记录不会保存，但可以保存聊天记录）。

为 “Clear Screen “按钮创建一个删除聊天记录的功能。

# Clear the chat history
def clear_screen():
    chat_history.config(state=tk.NORMAL)
    chat_history.delete('1.0', tk.END)
    chat_history.config(state=tk.DISABLED)

关闭窗口

此按钮将退出用户界面并结束与用户的所有交互。

该按钮的功能如下：

# exit the chatbot
def exit_chat():
    root.quit()

完成上述代码后，您应该可以选择下拉菜单、清除屏幕和关闭窗口。点击获取答案将不起作用，因为我们还没有将前台与后台集成。

将前台与后台集成

设计完用户界面和 JSON 文件后，我们的最终目标是实现一个功能性聊天机器人，当用户与界面互动时，聊天机器人会返回回复。

import json

# Load initial responses from a JSON file
answers = {}

try:
    with open('answers.json', 'r') as file:
        answers = json.load(file)
except FileNotFoundError:
    answers = {}

这段 Python 代码从名为 answers.json 的 JSON 文件中加载初始响应。它首先初始化一个名为 answers 的空字典。然后，使用 with 语句尝试以读取模式打开 JSON 文件。如果找到文件，它就会使用 json.load() 函数将文件内容加载到 answers 字典中。如果没有出现 FileNotFoundError，它就会将答案字典保持为空。