forked from Ikaros-521/AI-Vtuber
-
Notifications
You must be signed in to change notification settings - Fork 0
/
common.py
791 lines (601 loc) · 26.6 KB
/
common.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
# 导入所需的库
import re, random, requests, json
import time
import os
import logging
from datetime import datetime
from datetime import timedelta
from datetime import timezone
import traceback
from urllib.parse import urlparse
import langid
from profanity import profanity
import ahocorasick
import difflib
import shutil
from send2trash import send2trash
from pypinyin import pinyin, Style
import pyaudio
class Common:
# 获取北京时间
def get_bj_time(self, type=0):
"""获取北京时间
Args:
type (int, str): 返回时间类型. 默认为 0.
0 返回数据:年-月-日 时:分:秒
1 返回数据:年-月-日
2 返回数据:当前时间的秒
3 返回数据:自1970年1月1日以来的秒数
4 返回数据:返回自1970年1月1日以来的毫秒数 % 100
5 返回数据:当前 时点分
6 返回数据:当前时间的 时, 分
Returns:
str: 返回指定格式的时间字符串
int, int
"""
if type == 0:
utc_now = datetime.utcnow().replace(tzinfo=timezone.utc) # 获取当前 UTC 时间
SHA_TZ = timezone(
timedelta(hours=8),
name='Asia/Shanghai',
)
beijing_now = utc_now.astimezone(SHA_TZ) # 将 UTC 时间转换为北京时间
fmt = '%Y-%m-%d %H:%M:%S'
now_fmt = beijing_now.strftime(fmt)
return now_fmt
elif type == 1:
now = datetime.now() # 获取当前时间
year = now.year # 获取当前年份
month = now.month # 获取当前月份
day = now.day # 获取当前日期
return str(year) + "-" + str(month) + "-" + str(day)
elif type == 2:
now = time.localtime() # 获取当前时间
# hour = now.tm_hour # 获取当前小时
# minute = now.tm_min # 获取当前分钟
second = now.tm_sec # 获取当前秒数
return str(second)
elif type == 3:
current_time = time.time() # 返回自1970年1月1日以来的秒数
return str(current_time)
elif type == 4:
current_time = time.time() # 返回自1970年1月1日以来的秒数
current_milliseconds = int(current_time * 1000) # 毫秒为单位
tgt_time = current_milliseconds % 100 # 用于生成音频文件名
return str(tgt_time)
elif type == 5:
now = time.localtime() # 获取当前时间
hour = now.tm_hour # 获取当前小时
minute = now.tm_min # 获取当前分钟
return str(hour) + "点" + str(minute) + "分"
elif type == 6:
now = time.localtime() # 获取当前时间
hour = now.tm_hour # 获取当前小时
minute = now.tm_min # 获取当前分钟
return hour, minute
# 删除多余单词
def remove_extra_words(self, text="", max_len=30, max_char_len=50):
words = text.split()
if len(words) > max_len:
words = words[:max_len] # 列表切片,保留前30个单词
text = ' '.join(words) + '...' # 使用join()函数将单词列表重新组合为字符串,并在末尾添加省略号
return text[:max_char_len]
# 本地敏感词检测 传入敏感词库文件路径和待检查的文本
def check_sensitive_words(self, file_path, text):
with open(file_path, 'r', encoding='utf-8') as file:
sensitive_words = [line.strip() for line in file.readlines()]
for word in sensitive_words:
if word in text:
return True
return False
# 本地敏感词检测 Aho-Corasick 算法 传入敏感词库文件路径和待检查的文本
def check_sensitive_words2(self, file_path, text):
with open(file_path, 'r', encoding='utf-8') as file:
sensitive_words = [line.strip() for line in file.readlines()]
# 创建 Aho-Corasick 自动机
automaton = ahocorasick.Automaton()
# 添加违禁词到自动机中
for word in sensitive_words:
automaton.add_word(word, word)
# 构建自动机的转移函数和失效函数
automaton.make_automaton()
# 在文本中搜索违禁词
for _, found_word in automaton.iter(text):
logging.warning(f"命中本地违禁词:{found_word}")
return True
return False
# 本地敏感词转拼音检测 传入敏感词库文件路径和待检查的文本
def check_sensitive_words3(self, file_path, text):
with open(file_path, 'r', encoding='utf-8') as file:
sensitive_words = [line.strip() for line in file.readlines()]
pinyin_text = self.text2pinyin(text)
# logging.info(f"pinyin_text={pinyin_text}")
for word in sensitive_words:
pinyin_word = self.text2pinyin(word)
pattern = r'\b' + re.escape(pinyin_word) + r'\b'
if re.search(pattern, pinyin_text):
logging.warning(f"同音违禁拼音:{pinyin_word}")
return True
return False
# 链接检测
def is_url_check(self, text):
parsed_url = urlparse(text)
return all([parsed_url.scheme, parsed_url.netloc])
# url_pattern = re.compile(r'(?i)((?:(?:https?|ftp):\/\/)?[^\s/$.?#]+\.[^\s>]+)')
# if url_pattern.search(text):
# return True
# else:
# return False
# 语言检测 TODO:有内存泄漏风险
def lang_check(self, text, need="none"):
# 语言检测 一个是语言,一个是概率
language, score = langid.classify(text)
if need == "none":
return language
else:
if language != need:
return None
else:
return language
# 判断字符串是否全为标点符号
def is_punctuation_string(self, string):
# 使用正则表达式匹配标点符号
pattern = r'^[^\w\s]+$'
return re.match(pattern, string) is not None
# 判断字符串是否全为空格和特殊字符
def is_all_space_and_punct(self, text):
pattern = r'^[\s\W]+$'
return re.match(pattern, text) is not None
# 违禁词校验
def profanity_content(self, content):
return profanity.contains_profanity(content)
# 中文语句切分(只根据特定符号切分)
def split_sentences1(self, text):
# 使用正则表达式切分句子
# .的过滤可能会导致 序号类的回复被切分
sentences = re.split('([。!?!?])', text)
result = []
for sentence in sentences:
if sentence not in ["。", "!", "?", ".", "!", "?", ""]:
result.append(sentence)
# 替换换行
result = [s.replace('\n', '。') for s in result]
# print(result)
return result
# 文本切分算法 旧算法,有最大长度限制
def split_sentences2(self, text):
# 最大长度限制,超过后会强制切分
max_limit_len = 40
# 使用正则表达式切分句子
sentences = re.split('([。!?!?])', text)
result = []
current_sentence = ""
for i in range(len(sentences)):
if sentences[i] not in ["。", "!", "?", ".", "!", "?", ""]:
# 去除换行和空格
sentence = sentences[i].replace('\n', '。')
# 如果句子长度小于10个字,则与下一句合并
if len(current_sentence) < 10:
current_sentence += sentence
# 如果合并后的句子长度超过max_limit_len个字,则进行二次切分
if len(current_sentence) > max_limit_len:
# 判断是否有分隔符可用于二次切分
if i+1 < len(sentences) and len(sentences[i+1]) > 0 and sentences[i+1][0] not in ["。", "!", "?", ".", "!", "?"]:
next_sentence = sentences[i+1].replace('\n', '。')
# 寻找常用分隔符进行二次切分
for separator in [",", ",", ";", ";"]:
if separator in next_sentence:
split_index = next_sentence.index(separator) + 1
current_sentence += next_sentence[:split_index]
result.append(current_sentence)
current_sentence = next_sentence[split_index:]
break
else:
# 如果合并后的句子长度超过max_limit_len个字,进行二次切分
while len(current_sentence) > max_limit_len:
result.append(current_sentence[:max_limit_len])
current_sentence = current_sentence[max_limit_len:]
else:
result.append(current_sentence)
current_sentence = sentence
# 添加最后一句
if current_sentence:
result.append(current_sentence)
# 2次切分长字符串
result2 = []
for string in result:
if len(string) > max_limit_len:
split_strings = re.split(r"[,,;;。!!]", string)
result2.extend(split_strings)
else:
result2.append(string)
return result2
# 文本切分算法
def split_sentences(self, text):
# 使用正则表达式切分句子
sentences = re.split(r'(?<=[。!?!?])', text)
result = []
current_sentence = ""
for sentence in sentences:
# 去除换行和空格
sentence = sentence.replace('\n', '')
# 如果句子为空则跳过
if not sentence:
continue
# 如果句子长度小于10个字,则与下一句合并
if len(current_sentence) < 10:
current_sentence += sentence
else:
# 判断当前句子是否以标点符号结尾
if current_sentence[-1] in ["。", "!", "?", ".", "!", "?"]:
result.append(current_sentence)
current_sentence = sentence
else:
# 如果当前句子不以标点符号结尾,则进行二次切分
split_sentences = re.split(r'(?<=[,,;;])', current_sentence)
if len(split_sentences) > 1:
result.extend(split_sentences[:-1])
current_sentence = split_sentences[-1] + sentence
else:
current_sentence += sentence
# 添加最后一句
if current_sentence:
result.append(current_sentence)
return result
# 字符串匹配算法来计算字符串之间的相似度,并选择匹配度最高的字符串作为结果
def find_best_match(self, substring, string_list, similarity=0.5):
"""字符串匹配算法来计算字符串之间的相似度,并选择匹配度最高的字符串作为结果
Args:
substring (str): 要搜索的子串
string_list (list): 字符串列表
similarity (float): 最低相似度
Returns:
_type_: 匹配到的字符串 或 None
"""
best_match = None
best_ratio = 0
for string in string_list:
ratio = difflib.SequenceMatcher(None, substring, string).ratio()
# print(f"String: {string}, Ratio: {ratio}") # 添加调试语句,输出每个字符串的相似度
if ratio > best_ratio:
best_ratio = ratio
best_match = string
# 如果相似度不到similarity,则认为匹配不成功
if best_ratio < similarity:
return None
return best_match
# 读取指定文件中所有文本内容并返回 如果文件不存在则创建
def read_file_return_content(self, file_path):
try:
if not os.path.exists(file_path):
logging.warning(f"文件不存在,将创建新文件: {file_path}")
# 创建文件
with open(file_path, 'w', encoding='utf-8') as file:
content = ""
return content
with open(file_path, 'r', encoding='utf-8') as file:
content = file.read()
return content
except IOError as e:
logging.error(f"无法写入文件:{file_path}\n{e}")
return None
# 写入内容到指定文件中 返回T/F
def write_content_to_file(self, file_path, content, write_log=True):
try:
with open(file_path, 'w', encoding='utf-8') as file:
file.write(content)
logging.info(f"内容已成功写入文件:{file_path}")
return True
except IOError as e:
logging.error(f"无法写入文件:{file_path}\n{e}")
return False
# 将一个文件路径的字符串切分成路径和文件名
def split_path_and_filename(self, file_path):
folder_path, file_name = os.path.split(file_path)
# 检查路径末尾是否已经包含了'/',如果没有,则添加
if not folder_path.endswith('/'):
folder_path += '/'
return folder_path, file_name
# 移动文件到指定路径 src dest
def move_file(self, source_path, destination_path, rename=None, format="wav"):
"""移动文件到指定路径
Args:
source_path (str): 文件路径含文件名
destination_path (_type_): 目标文件夹
rename (str, optional): 文件名. Defaults to None.
format (str, optional): 文件格式(实际上只是个假拓展名). Defaults to "wav".
Returns:
str: 输出到的完整路径含文件名
"""
logging.debug(f"source_path={source_path},destination_path={destination_path},rename={rename}")
# if os.path.exists(destination_path):
# # 如果目标位置已存在同名文件,则先将其移动到回收站
# send2trash(destination_path)
# if rename is not None:
# destination_path = os.path.join(os.path.dirname(destination_path), rename)
# shutil.move(source_path, destination_path)
# logging.info(f"文件移动成功:{source_path} -> {destination_path}")
destination_directory = os.path.dirname(destination_path)
logging.debug(f"destination_directory={destination_directory}")
destination_filename = os.path.basename(source_path)
if rename is not None:
destination_filename = rename + "." + format
destination_path = os.path.join(destination_directory, destination_filename)
if os.path.exists(destination_path):
# 如果目标位置已存在同名文件,则先删除
os.remove(destination_path)
shutil.move(source_path, destination_path)
print(f"文件移动成功:{source_path} -> {destination_path}")
return destination_path
# 从文件路径中提取出带有扩展名的文件名
def extract_filename(self, file_path, with_extension=False):
"""从文件路径中提取出带有扩展名的文件名
Args:
file_path (_type_): 文件路径
with_extension (bool, optional): 是否需要拓展名. Defaults to False.
Returns:
str: 文件名
"""
file_name_with_extension = os.path.basename(file_path)
if with_extension:
return file_name_with_extension
else:
file_name_without_extension = os.path.splitext(file_name_with_extension)[0]
return file_name_without_extension
# 获取指定文件夹下的所有文件夹的名称
def get_folder_names(self, path):
folder_names = next(os.walk(path))[1]
return folder_names
# 返回指定文件夹内所有文件的文件绝对路径(包括文件扩展名)
def get_all_file_paths(self, folder_path):
"""返回指定文件夹内所有文件的文件绝对路径(包括文件扩展名)
Args:
folder_path (str): 文件夹路径
Returns:
list: 文件绝对路径列表
"""
file_paths = [] # 用于存储文件绝对路径的列表
# 使用 os.walk 遍历文件夹内所有文件和子文件夹
for root, directories, files in os.walk(folder_path):
for filename in files:
file_path = os.path.join(root, filename) # 获取文件的绝对路径
file_paths.append(file_path)
return file_paths
# 获取Live2D模型名
def get_live2d_model_name(self, path):
content = self.read_file_return_content(path)
if content is None:
logging.error(f"读取Live2D模型名失败")
return None
pattern = r'"(.*?)"'
result = re.search(pattern, content)
if result:
content = result.group(1)
return content
else:
return None
def text2pinyin(self, text):
"""文本转拼音
Args:
text (str): 传入待转换的文本
Returns:
str: 拼音字符串
"""
pinyin_list = []
for char in text:
# 把每个汉字转为拼音
char_pinyin_list = pinyin(char, style=Style.NORMAL)
if char_pinyin_list:
_pinyin = char_pinyin_list[0][0]
else:
_pinyin = char
# 将ü等转换为v
_pinyin = re.sub(r"ü", "v", _pinyin)
pinyin_list.append(_pinyin)
return " ".join(pinyin_list)
def get_random_value(self, lower_limit, upper_limit):
"""获得2个数之间的随机值
Args:
lower_limit (float): 随机数下限
upper_limit (float): 随机数上限
Returns:
float: 2个数之间的随机值
"""
if lower_limit == upper_limit:
return round(lower_limit, 2)
if lower_limit > upper_limit:
lower_limit, upper_limit = upper_limit, lower_limit
random_float = round(random.uniform(lower_limit, upper_limit), 2)
return random_float
def merge_consecutive_asterisks(self, s):
"""合并字符串末尾连续的*
Args:
s (str): 待处理的字符串
Returns:
str: 处理完后的字符串
"""
# 从字符串末尾开始遍历,找到连续的*的起始索引
idx = len(s) - 1
while idx >= 0 and s[idx] == '*':
idx -= 1
# 如果找到了超过3个连续的*,则进行替换
if len(s) - 1 - idx > 3:
s = s[:idx + 1] + '*' + s[len(s) - 1:]
return s
def remove_extension_from_list(self, file_name_list):
"""
将包含多个带有拓展名的文件名的列表中的拓展名去掉,只返回文件名部分组成的新列表
Args:
file_name_list (list): 包含多个带有拓展名的文件名的列表
Returns:
list: 文件名组成的新列表
"""
# 使用列表推导来处理整个列表,去掉每个文件名的拓展名
file_name_without_extension_list = [file_name.split('.')[0] for file_name in file_name_list]
return file_name_without_extension_list
def is_audio_file(self, file_path):
"""判断文件是否是音频文件
Args:
file_path (str): 文件路径
Returns:
bool: True / False
"""
# List of supported audio file extensions
SUPPORTED_AUDIO_EXTENSIONS = ['.mp3', '.wav', '.MP3', '.WAV', '.ogg']
_, extension = os.path.splitext(file_path)
return extension.lower() in SUPPORTED_AUDIO_EXTENSIONS
def random_search_a_audio_file(self, root_dir):
"""搜索指定文件夹内所有的音频文件,并随机返回一个音频文件路径
Args:
root_dir (str): 搜索的文件夹路径
Returns:
str: 随机返回一个音频文件路径
"""
audio_files = []
for root, dirs, files in os.walk(root_dir):
for file in files:
file_path = os.path.join(root, file)
relative_path = os.path.relpath(file_path, root_dir)
relative_path = relative_path.replace("\\", "/")
logging.debug(file_path)
# 判断文件是否是音频文件
if self.is_audio_file(relative_path):
audio_files.append(file_path)
if audio_files:
# 随机返回一个音频文件路径
return random.choice(audio_files)
else:
return None
def replace_special_characters(self, input_string, special_characters):
"""
将指定的特殊字符替换为空字符。
Args:
input_string (str): 要替换特殊字符的输入字符串。
special_characters (str): 包含要替换的特殊字符的字符串。
Returns:
str: 替换后的字符串。
"""
for char in special_characters:
input_string = input_string.replace(char, "")
return input_string
# 将cookie数据字符串分割成键值对列表
def parse_cookie_data(self, data_str, field_name):
"""将cookie数据字符串分割成键值对列表
Args:
data_str (str): 待提取数据的cookie字符串
field_name (str): 要提取的键名
Returns:
str: 键所对应的值
"""
# 将数据字符串分割成键值对列表
key_value_pairs = data_str.split(';')
# print(key_value_pairs)
# 遍历键值对列表,查找指定字段名
for pair in key_value_pairs:
key, value = pair.strip().split('=')
if key == field_name:
return value
# 如果未找到指定字段,返回空字符串
return ""
# 动态变量替换
def dynamic_variable_replacement(self, template, data_json):
"""动态变量替换
Args:
template (str): 待替换变量的字符串
data_json (dict): 用于替换的变量json数据
Returns:
str: 替换完成后的字符串
"""
pattern = r"{(\w+)}"
var_names = re.findall(pattern, template)
for var_name in var_names:
if var_name in data_json:
template = template.replace("{"+var_name+"}", str(data_json[var_name]))
else:
# 变量不存在,保留原样
pass
logging.debug(f"template={template}")
return template
"""
音频相关
"""
# 获取新的音频路径
def get_new_audio_path(self, audio_out_path, file_name):
# 判断路径是否为绝对路径
if os.path.isabs(audio_out_path):
# 如果是绝对路径,直接使用
voice_tmp_path = os.path.join(audio_out_path, file_name)
else:
# 如果不是绝对路径,检查是否包含 ./,如果不包含,添加 ./,然后拼接路径
if not audio_out_path.startswith('./'):
audio_out_path = './' + audio_out_path
voice_tmp_path = os.path.normpath(os.path.join(audio_out_path, file_name))
voice_tmp_path = os.path.abspath(voice_tmp_path)
return voice_tmp_path
# 获取所有的声卡设备信息
def get_all_audio_device_info(self):
audio = pyaudio.PyAudio()
device_infos = []
device_count = audio.get_device_count()
for device_index in range(device_count):
device_info = audio.get_device_info_by_index(device_index)
if device_info['maxOutputChannels'] > 0:
device_infos.append({"device_index": device_index, "device_info": device_info['name']})
return device_infos
"""
HTTP请求相关
"""
def send_request(self, url, method='GET', json_data=None):
"""
发送 HTTP 请求并返回结果
Parameters:
url (str): 请求的 URL
method (str): 请求方法,'GET' 或 'POST'
json_data (dict): JSON 数据,用于 POST 请求
Returns:
dict: 包含响应的 JSON 数据
"""
headers = {'Content-Type': 'application/json'}
try:
if method == 'GET':
response = requests.get(url, headers=headers)
elif method == 'POST':
response = requests.post(url, headers=headers, data=json.dumps(json_data))
else:
raise ValueError('无效 method. 支持的 methods 为 GET 和 POST.')
# 检查请求是否成功
response.raise_for_status()
# 解析响应的 JSON 数据
result = response.json()
return result
except requests.exceptions.RequestException as e:
logging.error(f"请求出错: {e}")
return None
# 请求web字幕打印机
def send_to_web_captions_printer(self, api_ip_port, data):
"""请求web字幕打印机
Args:
api_ip_port (str): api请求地址
data (dict): 包含用户名,弹幕内容
Returns:
bool: True/False
"""
# user_name = data["username"]
content = data["content"]
# 记录数据库):
try:
response = requests.get(url=api_ip_port + f'/send_message?content={content}')
response.raise_for_status() # 检查响应的状态码
result = response.content
ret = json.loads(result)
logging.debug(ret)
if ret['code'] == 200:
logging.debug(ret['message'])
return True
else:
logging.error(ret['message'])
return False
except Exception as e:
logging.error('web字幕打印机请求失败!请确认配置是否正确或者服务端是否运行!')
logging.error(traceback.format_exc())
return False