摘要：集成項目鏈接通過上一節的學習我們已經可以訓練得到一只傲嬌的聊天了。本章將介紹項目關于的集成問題，在集成之后，我們的可以通過應用與大家日常互撩。由于只是一個小測試，所以不考慮性能方面的問題，在下一章我們將重點處理效率難關，集成。

項目github鏈接

通過上一節的學習我們已經可以訓練得到一只傲嬌的聊天AI_PigPig了。

本章將介紹項目關于Netty的集成問題，在集成Netty之后，我們的AI_PigPig可以通過web應用與大家日常互撩。
由于只是一個小測試，所以不考慮性能方面的問題，在下一章我們將重點處理效率難關，集成Redis。

關于Netty的學習大家可以看我的另一篇文章，本節中關于Netty部分的代碼改編自該文章中的netty聊天小練習，文章中會有詳細的講解。

首先對測試訓練結果的代碼進行改動，將輸入輸出流重定向自作為中間媒介的測試文件中。

完整代碼鏈接

with tf.Session() as sess:#打開作為一次會話
    # 恢復前一次訓練
    ckpt = tf.train.get_checkpoint_state(".")#從檢查點文件中返回一個狀態(ckpt)
    #如果ckpt存在，輸出模型路徑
    if ckpt != None:
        print(ckpt.model_checkpoint_path)
        model.saver.restore(sess, ckpt.model_checkpoint_path)#儲存模型參數
    else:
        print("沒找到模型")
    #測試該模型的能力
    while True:
        #從文件中進行讀取
        #input_string = input("me > ")
        #測試文件輸入格式為"[內容]:[名字]"
        #eg.你好:AI【表示AI的回復】
        #你好:user【表示用戶的輸入】
        with open("./temp.txt","r+",encoding="ANSI") as myf:
            #從文件中讀取用戶的輸入
            line=myf.read()
            list1=line.split(":")
            #長度為一，表明不符合輸入格式，設置為"no",則不進行測試處理
            if len(list1)==1:
                input_string="no"
            else:
                #符合輸入格式，證明是用戶輸入的
                #input_string為用戶輸入的內容
                input_string=list1[0]
                myf.seek(0)
                #清空文件
                myf.truncate()
                #寫入"no"，若讀到"no"，則不進行測試處理
                myf.write("no")
             
        
    # 退出
        if input_string == "quit":
           exit()
        #若讀到"no",則不進行測試處理
        if input_string != "no":
            input_string_vec = []#輸入字符串向量化
            for words in input_string.strip():
                input_string_vec.append(vocab_en.get(words, UNK_ID))#get()函數：如果words在詞表中，返回索引號；否則，返回UNK_ID
                bucket_id = min([b for b in range(len(buckets)) if buckets[b][0] > len(input_string_vec)])#保留最小的大于輸入的bucket的id
                encoder_inputs, decoder_inputs, target_weights = model.get_batch({bucket_id: [(input_string_vec, [])]}, bucket_id)
                #get_batch(A,B):兩個參數，A為大小為len(buckets)的元組，返回了指定bucket_id的encoder_inputs,decoder_inputs,target_weights
                _, _, output_logits = model.step(sess, encoder_inputs, decoder_inputs, target_weights, bucket_id, True)
                #得到其輸出
                outputs = [int(np.argmax(logit, axis=1)) for logit in output_logits]#求得最大的預測范圍列表
                if EOS_ID in outputs:#如果EOS_ID在輸出內部，則輸出列表為[,,,,:End]
                    outputs = outputs[:outputs.index(EOS_ID)]
             
                response = "".join([tf.compat.as_str(vocab_de[output]) for output in outputs])#轉為解碼詞匯分別添加到回復中
                print("AI-PigPig > " + response)#輸出回復
                #將AI的回復以要求的格式進行寫入,方便Netty程序讀取
                with open("./temp1.txt","w",encoding="ANSI") as myf1:
                    myf1.write(response+":AI")

完整代碼參見鏈接netty包下。

在原本的ChatHandler類中添加了從文件中讀取數據的方法readFromFile，以及向文件中覆蓋地寫入數據的方法writeToFile。

    //從文件中讀取數據
    private static String readFromFile(String filePath) {
        File file=new File(filePath);
        String line=null;
        String name=null;
        String content=null;
        try {
            //以content:name的形式寫入
            BufferedReader br=new BufferedReader(new FileReader(file));
            line=br.readLine();
            String [] arr=line.split(":");
            if(arr.length==1) {
                name=null;
                content=null;
            }else {
                content=arr[0];
                name=arr[1];
            }
            br.close();
        } catch (FileNotFoundException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
        return content;
    }
    
    //向文件中覆蓋地寫入
    private static void writeToFile(String filePath,String content) {
        File file =new File(filePath);
        try {
            FileWriter fileWriter=new FileWriter(file);
            fileWriter.write("");
            fileWriter.flush();
            fileWriter.write(content);
            fileWriter.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
        
    }

對原來的channelRead0方法進行修改，將輸入輸出流重定向到臨時文件中。

    @Override
    protected void channelRead0(ChannelHandlerContext ctx, TextWebSocketFrame msg) throws Exception {
        System.out.println("channelRead0");
        //得到用戶輸入的消息，需要寫入文件/緩存中，讓AI進行讀取
        String content=msg.text();
        if(content==null||content=="") {
            System.out.println("content 為null");
            return ;
        }
        System.out.println("接收到的消息："+content);
        //寫入
        writeToFile(writeFilePath, content+":user");
        //給AI回復與寫入的時間，后期會增對性能方面進行改進
        Thread.sleep(1000);
        //讀取AI返回的內容
        String AIsay=readFromFile(readFilePath);
        //讀取后馬上寫入
        writeToFile(readFilePath,"no");
        //沒有說，或者還沒說
        if(AIsay==null||AIsay==""||AIsay=="no") {
            System.out.println("AIsay為空或no");
            return;
        }
        System.out.println("AI說："+AIsay);
        
        clients.writeAndFlush(
                new TextWebSocketFrame(
                        "AI_PigPig在"+LocalDateTime.now()
                        +"說："+AIsay));
    }
    

    
        
        
    
    
        
        
發送消息:
        
        
        
        
接受消息：
        

        
        
    

客戶端發送消息

用戶與AI日常互撩