pythonの鉴黄之路（五）——强行解析json串

*以下内容并非正规解决方案，效仿请谨慎。

之前有介绍过阿里云的鉴黄API接口http://blog.csdn.net/sm9sun/article/details/53321888

其支持：porn: 黄图检测，ocr：文字识别，illegal: 暴恐敏感识别三个业务

其API也很人性的把其返回的json串做出了解析，我们可以直接拿到相应的返回值。

而如果想对其做进一步的开发，比如说拿到ocr后再做敏感词识别

字典树实现敏感词检索http://blog.csdn.net/sm9sun/article/details/53308643

那么想了想最好还是回到C++去处理这部分工作。

之前也有写过C++嵌入python开发的博客http://blog.csdn.net/sm9sun/article/details/53392760

网上找了一下，也确实有实现python的字典与C++ map容器转换的方法（用PyDict_Next遍历python的字典对象）

不过想来想去总是感觉有一些麻烦。反正字符串是万能的，我们还不如干脆拿到python的返回json串（实际是转换后的string字符串）

然后自己去做解析处理，简单粗暴~

首先我们需要strstr函数来进行字典关键词的匹配，但是有一个问题，我们知道strstr匹配不到的时候会返回NULL指针的，而我们把json串当作string去匹配处理的话肯定会出现某个字典匹配不到的情况，那么这就非常的不安全。所以我们在其外部套了一层，也顺便把字典名给去掉

string my_strstrEX(char * _Str,const char * _SubStr){char *posStr=strstr(_Str,_SubStr);if(posStr==NULL){return "";}else{return string(posStr+strlen(_SubStr));}}

还有就是需要去除[] “”等区间符号

/*功能：去掉区间符号dictword：字典字符串c       ：区间符，例如：[] '' "" (){}return  ：关键词*/string getKeyBydictword(string dictword,char c){if(strlen(dictword.c_str())<2)   //如果长度小于2，直接返回错误{return "ErrorString";}char ec=c;               //结束符if('\"'==c) ec='\"';if('\''==c) ec='\'';if('['==c) ec=']';if('('==c) ec=')';if('{'==c) ec='}';int si=0,ei=-1;int nsi=0,nei=0;//记录符号出现的次数，当nsi和nei相等时，说明其是匹配的一对    for(int i=0;i<=strlen(dictword.c_str())-1;i++){if(dictword[i]==ec&&(nsi>nei))      //因为某些区间符两边相等，如""，所以判断标准为nsi>nei{nei++;if(nsi==nei){ei=i;break;}}else if(dictword[i]==c){nsi++;if(nsi==1){si=i+1;}}}if(nei>0)return dictword.substr(si,ei-si);else    return "ErrorString";}

接下来就是主函数的调用了

完整代码：

// call_py_test.cpp : 定义控制台应用程序的入口点。//#include "stdafx.h"#include "Python.h" #include <string>#include <iostream>using namespace std;/* 图像识别py返回字典结构体*/struct retdict{string strCode;   //执行信息string strMsg;    //异常信息string strOcr;    //文字识别int nPorn;        //色情返回值int nIllegal;     //暴恐返回值};/*由于strstr匹配不到检索字串Substr时会返回NULL考虑到安全性问题，故在此加了一层NULL的处理额外过滤掉检索字串的长度*/string my_strstrEX(char * _Str,const char * _SubStr){char *posStr=strstr(_Str,_SubStr);if(posStr==NULL){return "";}else{return string(posStr+strlen(_SubStr));}}/*const char*的重载*/string my_strstrEX(const char * _Str,const char * _SubStr){const char *posStr=strstr(_Str,_SubStr);if(posStr==NULL){return "";}else{return string(posStr+strlen(_SubStr));}}/*功能：去掉区间符号dictword：字典字符串c       ：区间符，例如：[] '' "" (){}return  ：关键词*/string getKeyBydictword(string dictword,char c){if(strlen(dictword.c_str())<2)   //如果长度小于2，直接返回错误{return "ErrorString";}char ec=c;               //结束符if('\"'==c) ec='\"';if('\''==c) ec='\'';if('['==c) ec=']';if('('==c) ec=')';if('{'==c) ec='}';int si=0,ei=-1;int nsi=0,nei=0;//记录符号出现的次数，当nsi和nei相等时，说明其是匹配的一对    for(int i=0;i<=strlen(dictword.c_str())-1;i++){if(dictword[i]==ec&&(nsi>nei))      //因为某些区间符两边相等，如""，所以判断标准为nsi>nei{nei++;if(nsi==nei){ei=i;break;}}else if(dictword[i]==c){nsi++;if(nsi==1){si=i+1;}}}if(nei>0)return dictword.substr(si,ei-si);else    return "ErrorString";}int main(int argc, char** argv) { //初始化Python //在使用Python系统前，必须使用Py_Initialize对其 //进行初始化。它会载入Python的内建模块并添加系统路 //径到模块搜索路径中。这个函数没有返回值，检查系统 //是否初始化成功需要使用Py_IsInitialized。 Py_Initialize(); // 检查初始化是否成功 if ( !Py_IsInitialized() ) { return -1; } // 添加当前路径 //把输入的字符串作为Python代码直接运行，返回0 //表示成功，-1表示有错。大多时候错误都是因为字符串 //中有语法错误。 PyRun_SimpleString("import sys"); PyRun_SimpleString("sys.path.append('./')"); PyObject *pName,*pModule,*pDict,*pFunc,*pArgs; // 载入脚本 pName = PyString_FromString("imgfocpp"); pModule = PyImport_Import(pName); if ( !pModule ) { printf("can't find imgfocpp.py"); getchar(); return -1; } pDict = PyModule_GetDict(pModule); if ( !pDict ) { return -1; } // 找出函数名为retStr_test的函数 pFunc = PyDict_GetItemString(pDict, "imgmain"); if ( !pFunc || !PyCallable_Check(pFunc) ) { printf("can't find function [imgmain]"); getchar(); return -1; } // 参数进栈 *pArgs; pArgs = PyTuple_New(1); //  PyObject* Py_BuildValue(char *format, ...) //  把C++的变量转换成一个Python对象。当需要从 //  C++传递变量到Python时，就会使用这个函数。此函数 //  有点类似C的printf，但格式不同。常用的格式有 //  s 表示字符串， //  i 表示整型变量， //  f 表示浮点数， //  O 表示一个Python对象。 string arg1="图片的URL";PyTuple_SetItem(pArgs, 0, Py_BuildValue("s",arg1.c_str())); // 调用Python函数 char* strRet;PyObject* result=PyObject_CallObject(pFunc, pArgs); //返回值类型转换PyArg_Parse(result, "s", &strRet);//cout<<"strRet="<<strRet<<endl;retdict a;string Codedict=my_strstrEX(strRet,"\"Code\":");a.strCode=getKeyBydictword(Codedict,'\"');string Msgdict=my_strstrEX(strRet,"\"Msg\":");a.strMsg=getKeyBydictword(Msgdict,'\"');// the list string format:   "Label":[int],"Rate":[int]string Porndict=my_strstrEX(strRet,"\"PornResult\":");string listPorn=getKeyBydictword(Porndict,'{');a.nPorn=atoi(my_strstrEX(listPorn.c_str(),"\"Rate\":").c_str());string Illegaldict=my_strstrEX(strRet,"\"IllegalResult\":");string listIllegal=getKeyBydictword(Illegaldict,'{');a.nIllegal=atoi(my_strstrEX(listIllegal.c_str(),"\"Rate\":").c_str());string Ocrdict=my_strstrEX(strRet,"\"String\":");a.strOcr=getKeyBydictword(Ocrdict,'[');cout<<"******************retdict******************"<<endl;cout<<a.strCode<<endl;cout<<a.strMsg<<endl;cout<<a.strOcr<<endl;cout<<a.nPorn<<endl;cout<<a.nIllegal<<endl;Py_DECREF(pName); Py_DECREF(pArgs); Py_DECREF(pModule); // 关闭Python Py_Finalize(); system("pause");return 0; } 

C++做字符串解析工作，python代码就很简单了，直接返回string类型的json串就好。

#coding=utf-8def imgmain(imgurl):    import sys    reload(sys)    sys.setdefaultencoding('gbk')    imgurl2=imgurl.encode('utf8')    sys.setdefaultencoding('utf8')    # 同步图片检测服务接口, 会实时返回检测的结果    from aliyunsdkcore import client    from aliyunsdkgreen.request.v20161018 import ImageDetectionRequest    import json    # 请替换成你自己的accessKeyId、accessKeySecret, 您可以类似的配置在配置文件里面，也可以直接明文替换    #clt = client.AcsClient("1", "2",'3')    clt = client.AcsClient("你自己的accessKeyId", "你自己的accessKeySecret",'cn-hangzhou')    request = ImageDetectionRequest.ImageDetectionRequest()    request.set_accept_format('json')    # 设置成同步调用    request.set_Async('false')    # 设置要检测的图片链接    # json字符串格式, 同步只支持单张图片    request.set_ImageUrl(json.dumps([imgurl2]))    # 设置要检测的服务场景    # 异步支持多个场景同时识别    # porn: 黄图检测    # ocr： ocr文字识别    # illegal: 暴恐敏感识别    request.set_Scene(json.dumps(["porn","ocr","illegal"]))    response = clt.do_action(request)    #"The request has failed due to a temporary failure of the server"    print response.encode('gbk')    return response.encode('gbk')

调用成功截图：

注：ocr返回的其实是个列表，所以用引号括起来，每个独立的词汇后面会有一个“，”这里就先不作处理，

等与敏感词检索联立时再进行切分。

调用失败截图：