import json import numpy as np from tensorflow import keras from sklearn.preprocessing import LabelEncoder import os import random import pickle import time from tensorflow import keras import requests import matplotlib.pyplot as plt from tkinter import * import requests from flask import * import ssl import pyjokes from fast_langdetect import detect, detect_multilingual from PIL import * # Load intents from JSON file with open("intents.json") as file: data = json.load(file) app = Flask('ai') regs=[] def translate_text(text, source_lang='ru', target_lang='en'): # функция для перевода текста с заданного языка на целевой язык url = "https://translate.googleapis.com/translate_a/single" # URL для запроса к Google Translate API params = { "client": "gtx", # клиент, использующий API "sl": source_lang, # исходный язык текста "tl": target_lang, # целевой язык перевода "dt": "t", # тип данных, которые запрашиваются (в данном случае текст) "q": text # текст, который необходимо перевести (убедитесь, что текст корректно закодирован в URL) } response = requests.get(url, params=params) # выполнение GET-запроса с указанными параметрами if response.status_code == 200: # проверка успешности запроса (код ответа 200) try: result = response.json() # попытка преобразовать ответ в формат JSON translated_text = result[0][0][0] # получение переведенного текста из ответа JSON return translated_text # возврат переведенного текста except (IndexError, ValueError, TypeError) as e: # обработка возможных ошибок при парсинге ответа print(f"Error parsing translation response: {e}") # вывод сообщения об ошибке print("Response content:", response.content) # вывод содержимого ответа для отладки return None # возврат None в случае ошибки else: # если запрос завершился с ошибкой (код ответа не 200) print(f"Error with status code: {response.status_code}") # вывод сообщения об ошибке с кодом ответа print("Response content:", response.content) # вывод содержимого ответа для отладки return None # возврат None в случае ошибки model=keras.models.load_model('chat_model.keras') def chat(text): # Load tokenizer object with open('tokenizer.pickle', 'rb') as handle: tokenizer = pickle.load(handle) # Load label encoder object with open('label_encoder.pickle', 'rb') as enc: lbl_encoder = pickle.load(enc) # Parameters max_len = 20 dc='en' if detect(text)['lang']!='en': dc=detect(text)['lang'] text=translate_text(text,dc,'en') print(text) inp = text # Preprocess user input sequence = tokenizer.texts_to_sequences([inp]) padded_sequence = keras.preprocessing.sequence.pad_sequences(sequence, truncating='post', maxlen=max_len) # Predict intent result = model.predict(padded_sequence) tag = lbl_encoder.inverse_transform([np.argmax(result)]) if inp.lower().find('joke')>0 or inp.lower().find('just kidding')>0 or inp.lower().find('make joke')>0: tag='joke' # Find corresponding intent for intent in data['intents']: if tag=='joke': return translater(pyjokes.get_joke(), dc) if intent['tag'] == tag: print("ChatBot: "+np.random.choice(intent['responses'])) if dc=='en': return np.random.choice(intent['responses']) else: return translate_text(np.random.choice(intent['responses']),'en',dc) app = Flask(__name__) c=0 @app.route("/") def home(): return render_template("index.html") @app.route("/get") def get_bot_response(): userText = request.args.get('msg') return chat(userText) @app.route("/get/api/key12004/key/1043967:lso10/",methods=['GET']) def get_response(msg): return chat(msg) @app.route("/reg/",methods=["POST"]) def reg(regn,data): if regn: if data=="appsofosaz1111": regs.append(data) @app.errorhandler(404) # inbuilt function which takes error as parameter def not_found(e): # defining function return render_template("404.html") @app.route("/change/for_developers/reg/change") def main(): if True: return render_template("change.html") if __name__ == '__main__': app.run(host='0.0.0.0',port=80)