image
前言
年味越来越淡，但我对过年的期待一直没变。为了理想，离开家乡。这一路，背上行囊，穿过人潮，千里迢迢。疲惫也好，激动也罢，总有家乡值得牵挂。
进群进群：943752371可以获取Python各类入门学习资料！
这是我的微信公众号【Python编程之家】各位大佬用空可以关注下，每天更新Python学习方法，感谢！
111111111111.png
但是，所有的乡愁和感伤，最好的解药就是一张火车票。每当万事俱备，总是只欠东风，我依然是被一张 5mm 厚的火车票拦在了门外。隐隐约约在我眼前出现，然后又悄无声息的走掉，说的就是你，我花钱加速都抢不到的火车票。所以阿广今天教大家如何用 Python 抢火车票！解决你的乡情、爱情、友情，说不定还有基情？
数据介绍
12306 官方部分数据如下：
image
实现过程
注：具有自然语言识别处理功能
(1) 加载头文件
<pre style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; word-wrap: break-word !important; background-image: none; background-color: initial; overflow-wrap: break-word !important;">
from distutils.log import warn as printf
import sys
from bosonnlp import BosonNLP
import yaml
from os.path import expanduser
import os
import collections
import subprocess
import datetime
</pre>
(2) 加载配置文件
<pre style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; word-wrap: break-word !important; background-image: none; background-color: initial; overflow-wrap: break-word !important;">
home = expanduser("~")
with open(os.path.join(home,".ibot.yml")) as f:
config = yaml.load(f)
bosonnlp_token = config["token"]
</pre>
(3) 解析字符串
<pre style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; word-wrap: break-word !important; background-image: none; background-color: initial; overflow-wrap: break-word !important;">
def parse(self, query_string):
"""
input:
1月12号 济南到兖州的高铁票
output:
[{'entity': [[0, 3, 'time'], [3, 4, 'location'], [5, 6, 'location']], # 需要理解实体出现的模式，这块需要理解上下文
'tag': ['t', 'm', 'q', 'ns', 'p', 'ns', 'ude', 'n', 'n'],
'word': ['1月', '12', '号', '济南', '到', '兖州', '的', '硬座', '票']}]
"""
result = self.nlp.ner(query_string)[0]
words = result['word']
tags = result['tag']
entities = result['entity']
return (words,entities,tags)
</pre>
(4) 获得已识别的实体
<pre style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; word-wrap: break-word !important; background-image: none; background-color: initial; overflow-wrap: break-word !important;">
def get_entity(self,parsed_words,index_tuple):
"""
获取已识别的实体
采用filter
参考 python cookbook部分
input:
entities : 二元组
parsed_words : 解析好的词组
"""
return parsed_words[index_tuple[0]:index_tuple[1]]
</pre>
(5) 元组重新命名
<pre style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; word-wrap: break-word !important; background-image: none; background-color: initial; overflow-wrap: break-word !important;">
def format_entities(self,entities):
"""
给元组命名
"""
namedentity = collections.namedtuple('namedentity','index_begin index_end entity_name')
return [namedentity(entity[0],entity[1],entity[2]) for entity in entities]
</pre>
(6) 获取解析时间戳
<pre style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; word-wrap: break-word !important; background-image: none; background-color: initial; overflow-wrap: break-word !important;">
def get_format_time(self,time_entity):
"""
output
{'timestamp': '2018-12-20 23:30:29', 'type': 'timestamp'}
"""
basetime = datetime.datetime.today()
result = self.nlp.convert_time(
time_entity,
basetime)
#print(result)
timestamp = result["timestamp"]
return timestamp.split(" ")[0]
</pre>
查看源码：https://github.com/zandaoguang/MissHome
如何调用？
<pre style="margin: 0px; padding: 0px; max-width: 100%; box-sizing: border-box !important; word-wrap: break-word !important; background-image: none; background-color: initial; overflow-wrap: break-word !important;">
iquery 济南 兖州 20190112
ibot 本周天从济南回老家兖州，帮我看下
ibot 本周五从兖州出发，打算去北京捡垃圾，帮我看下有没有车票
ib 这周六从南京回武夷山老家，帮我看下车票
...
</pre>
查询结果并抢票
image
写在最后
自从学了计算机，每逢思乡之情冉冉升起，只能通过加快敲击键盘的速度来忘记此时此刻的烽火三月、家书万金。
盼望着，盼望着，寒假来了，春天的脚步近了。在我们童颜尚驻时，过年缺少不了的部分就是走亲戚，有鱼肉之果腹，亦有无案牍之劳形。可后来的后来，我们长大了，走亲戚在无形之中成了一种“烦恼”。
明生活不止眼前的苟且，还有往后余生的苟且，可碍于面子，我们依然装作不但有诗和远方，还要有钱途的样子。
果把过年比作爱情，那岂是：长街长，烟花繁，你挑灯回看；短亭短，红尘辗，我把萧再叹？通俗点讲，我愿用三生烟火，换你一张通往家乡的火车票。
——致此刻远在他乡奋斗的你们
网友评论