一个问答Python小程序代码

你好，我是 CSDN 开发的 C 知道，很高兴为您解答问题。关于您的问题，我可以为您提供一个简单的 Python 小程序代码，用于问答：

while True:
    question = input("请输入您的问题：")
    if question == "退出":
        break
    else:
        answer = "这是一个回答"
        print(answer)

您可以将程序保存为一个 .py 文件，然后在命令行中运行。程序会不断地等待您输入问题，并输出一个固定的回答。如果您输入“退出”，程序将会结束。希望这个程序能够帮助到您。

相关问题

用python代码写一个问答小程序

以下是一个简单的问答小程序，使用Python编写：

print("欢迎来到问答小程序！")

while True:
    question = input("请输入一个问题：")
    if question == "退出":
        print("感谢使用问答小程序，再见！")
        break
    else:
        answer = input("请输入问题的答案：")
        print("问题是：" + question)
        print("答案是：" + answer)

程序会不断循环，等待用户输入问题。如果用户输入“退出”，程序会结束并退出循环。否则，程序会要求用户输入问题的答案，并将问题和答案打印出来。

用python写一个高级点的知识问答小程序，且写出程序代码

好的，我将为你提供一个简单的基于文本的知识问答小程序的代码示例，代码如下：

# 导入需要的库
import nltk
import numpy as np
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity

# 加载语料库
nltk.download('punkt')
nltk.download('wordnet')
nltk.download('averaged_perceptron_tagger')
from nltk.corpus import wordnet as wn
from nltk.tokenize import word_tokenize, sent_tokenize
from nltk.stem import WordNetLemmatizer

def get_synonyms(word):
    # 获取一个单词的同义词
    synonyms = set()
    for syn in wn.synsets(word):
        for lemma in syn.lemmas():
            synonyms.add(lemma.name())
    return list(synonyms)

def get_definition(word):
    # 获取一个单词的定义
    synset = wn.synset(word + '.n.01')
    return synset.definition()

def get_answer(question, corpus):
    # 对问题进行预处理
    lemmatizer = WordNetLemmatizer()
    question = question.lower()
    words = word_tokenize(question)
    words = [lemmatizer.lemmatize(word) for word in words]
    words = [word for word in words if word.isalnum()]

    # 构建TF-IDF向量
    vectorizer = TfidfVectorizer()
    corpus.append(' '.join(words))
    tfidf_matrix = vectorizer.fit_transform(corpus)

    # 计算问题与语料库中所有文档的余弦相似度
    sim_matrix = cosine_similarity(tfidf_matrix[-1], tfidf_matrix[:-1])
    sim_scores = sim_matrix.flatten()
    ranked_docs = sim_scores.argsort()[::-1]

    # 根据相似度排序，找到最相关的文档
    max_sim = sim_scores[ranked_docs[0]]
    if max_sim == 0:
        return "我不知道答案"
    else:
        answer = corpus[ranked_docs[0]]
        return answer

# 加载语料库
corpus = ["Python是一种动态解释性高级编程语言。",
          "Java是一种广泛使用的计算机编程语言。",
          "Ruby是一种简单而强大的面向对象编程语言。"]

# 交互式问答
while True:
    question = input("请输入您的问题：")
    if question == "退出":
        break
    answer = get_answer(question, corpus)
    print(answer)

该程序使用了NLTK和Scikit-learn库，实现了一个简单的基于文本的知识问答系统。程序中使用了TF-IDF向量和余弦相似度计算来衡量问题与语料库中所有文档的相似度，并返回与问题最相关的文档作为答案。程序只是一个简单的示例，还有很多可以优化的地方。