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);	elsereturn "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);	elsereturn "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 sysreload(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 clientfrom aliyunsdkgreen.request.v20161018 import ImageDetectionRequestimport 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：