import requests #访问网站
import re		#正则表达式匹配
import base64	#编码
from bs4 import BeautifulSoup #处理页面数据
from urllib import parse #进行url编码
import time #统计时间
from PIL import ImageGrab #处理图片

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"_blank" href="https://www.jb51.net/softjc/724696.html">如何申请百度文字识别apikey和Secret Key


  
self.accesstoken 存储申请使用接口的accesstoken值
  
self.baiduzhidao 百度知道搜索接口地址
  
self.imageurl 图片地址
  
self.position 截图方位信息，依次分别是左间距、上间距、右间距、下间距
  
self.titleregular1、.titleregular2、answerregular1 这些是进行题目和答案处理的条件

  

3. 获得accesstoken值


 def GetAccseetoken(self):
    for i in range(len(self.APIKEY)):
      host = 'https://aip.baidubce.com/oauth/2.0/token"htmlcode">

 def OCR(self,filename):
    request_url = "https://aip.baidubce.com/rest/2.0/ocr/v1/accurate_basic"
    # 二进制方式打开图片文件
    f = open(filename, 'rb')
    img = base64.b64encode(f.read())
    params = {"image":img}
    access_token = self.accesstoken[0]
    request_url = request_url + "" + access_token
    headers = {'content-type': 'application/x-www-form-urlencoded'}
    response = requests.post(request_url, data=params, headers=headers)
    #===上面是使用百度图片转文字接口转化，返回格式为json
    if response:
      result = response.json()
      questionstart=0
      answerstart=0
      self.question=''
      self.answer=[]
      #确定题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
       #下面是进行题目和答案的处理
      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("本题问题：",self.question)
      print("本题答案：",self.answer)
    return response.json()#可有可无


此方法是将图片转化为文字，进行图片中的文字识别，格式如下：


{
  "log_id": 2471272194, 
  "words_result_num": 2,
  "words_result": 
	  [
		  {"words": " TSINGTAO"}, 
		  {"words": "青島睥酒"}
	  ]
}


下面我们以下面的图为例，我们是如何去除掉干扰信息的：



上图就是程序在实际运行中的情况，黄色框内就是程序截取的图像(这个通过初始化方法的参数中的position可以进行设置)，
我们需要的是红色框内的信息，这包含题目和答案选项。文字识别后，白色框里面的字也会和红色框里的字一同被识别，并以json形式输出，这些信息对我们就是干扰信息，所以，我通过建立了初始化方法里titleregular1、titleregular2、answerregular1 这三个标准进行判定，白色框里的文字与对应，如果判断包含的话，就不添加到题目中或者答案中。
5. 百度知道进行答案搜索


 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)


这里是模拟浏览器进行百度知道搜索答案，将返回的文本交给BeautifulSoup进行处理，提取出我们需要的部分。后面最后几句有一个判定，如果查询到的答案数量超过我们设置的答案数，比如是5，那么就将前5个答案放入searchanswer列表中，如果查询到的答案数量要少于我们设置的，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
    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


这里调用的是百度短文本相似度分析的接口，用于分析选项与查询到的答案的相似度，以此来推荐一个参考答案。这个是官方给的摸板，直接调用，更换一下参数即可。
7. 自动给出一个参考答案


 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))


这里调用了咱们第六步的CalculateSimilarity()方法，统计每一个选项与搜索到的答案相似度，取最高的存入answerscore列表中。这里我又加了一个操作，我发现这个相似度匹配有时正确率比较低，所以这里加了一个判定，若选项在搜索到的答案中出现，给予一个最大相似值，也就是1，这就大大提高了推荐的准确度。
8. 初始化参数


def IniParam(self):
    self.accesstoken=[]
    self.question=''
    self.answer=[]
    self.searchanswer=[]
    self.answerscore=[]
    self.reanswerindex=0


相关参数的初始化，因为每进行完一道题，要对存储题和答案以及相关信息的数组进行清空，否则会对后面题的显示产生影响。
9. 主方法


def MainMethod(self):
    while(True):
      try:
        order = input('请输入指令（1=开始，2=结束):')
        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("======================答案区======================\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推荐答案:",self.answer[self.reanswerindex])
          print("\n======================答案区======================")
          print("总用时：",end-start,end="\n\n")
          self.IniParam()
        else:
          break
      except:
        print("识别失败，请重新尝试")
        self.IniParam()
        pass


这里主要是一个while循环，通过输入指定来判断是否结束循环。
这里说一下下面这两个语句：


img = ImageGrab.grab(self.position)#左、上、右、下
img.save(self.imageurl)


这两个语句是用来截取我们指定位置的图片，然后进行图片的保存。
总结
上述呢，就是整个项目完成的流程，整体运行是几乎每什么问题，但是还是存在许多可优化的空间。也欢迎大家对此感兴趣的留言，说说你的改进意见，我会非常感谢，并认真考虑进去。期待与大家的讨论!😄