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(posSt
4000
r==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-8
def 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：