最近北京開始實行垃圾分類，導致大家對垃圾的研究熱度突然漲高，垃圾們也紛紛表示從來沒有獲得過這麼高的關注度。其實，上海市去年已經開始實行，網上已經有不少成熟的教程了，像什麼《垃圾分類從入門到精通》、《深入淺出垃圾分類》、《垃圾分類你應該掌握的10條基本原則》。這種教程如果我們親自去學顯然不符合程式設計師的個性，作為一個程式設計師，我們應該把這事兒交給機器來做，這樣才能省下更多的時間投入到996中。

扯了這麼多廢話，下面言歸正傳，今天這篇文章主要介紹如何利用現有的工具來實現一個垃圾分類的應用。這個想法是我昨天才有的，今天用了不到一天的時間就完成了，主要做了三個核心內容：

• 對比現有垃圾分類服務，挑選一個合適並編碼實現
• 開發桌面版垃圾分類APP
• 開發垃圾分類微信小程式

上面這三部分第一部分是後端的活兒，其他兩部分都是前端的活兒，所以，我在這三塊沒有太多經驗，基本上是面向搜尋引擎程式設計。雖然我的主業是做大資料的，但我確實想做這樣一個比較有意思的專案，畢竟一個不會後端的前端不是一個好的大資料工程師。

老規矩，先看效果圖，PC版：

小程式：

附上小程式二維碼，大家可以體驗一下。如果開啟看不到效果可能稽核沒通過，稍微晚點再開即可。

這篇文章會貼比較多的程式碼，並且公眾號閱讀起來不是很方便，所以文末我在文末會附上原始碼的獲取方式。（公眾號回覆關鍵字 垃圾分類 即可獲取整篇文章全部原始碼）

那麼，接下來我們進入到具體的細節是如何做的。其實垃圾分類已經開始很長一段時間了，肯定會有一些服務商把垃圾分類的能力通過API的方式開放出來，供大家呼叫。我找了3家簡單對比下供大家參考：

• 聚合資料（www.juhe.cn）：提供文字、影象、語音分類。免費呼叫20次，定價不靈活只能批量購買
• 天行資料（www.tianapi.com）：提供文字、影象、語音分類。文字分類5000次，其他50次，定價按量計費
• 京東AI開放平臺：提供文字、影象、語音分類。免費，每日5000次

簡單對比了影象分類情況，聚合和天行資料明顯更好，再綜合定價因素最終我決定用天行資料。 下面就來編寫程式碼，將API介面封裝成我們需要的服務，以文字（垃圾名稱）分類介面為例，請求的介面如下

http://api.tianapi.com/txapi/lajifenlei/index?key=APIKEY&word=眼鏡

APIKEY需要到天行網站註冊來獲取，返回的結果如下：

{
  "code":200,
  "msg":"success",
  "newslist":[
    {
      "name":"隱形眼鏡",
      "type":3,
      "aipre":0,
      "explain":"幹垃圾即其它垃圾，指除可回收物、有害垃圾、廚餘垃圾（溼垃圾）以外的其它生活廢棄物。",
      "contain":"常見包括磚瓦陶瓷、渣土、衛生間廢紙、貓砂、汙損塑料、毛髮、硬殼、一次性製品、灰土、瓷器碎片等難以回收的廢棄物",
      "tip":"儘量瀝乾水分；難以辨識類別的生活垃圾都可以投入幹垃圾容器內"
    },
    {
      "name":"眼鏡",
      "type":3,
      "aipre":0,
      "explain":"幹垃圾即其它垃圾，指除可回收物、有害垃圾、廚餘垃圾（溼垃圾）以外的其它生活廢棄物。",
      "contain":"常見包括磚瓦陶瓷、渣土、衛生間廢紙、貓砂、汙損塑料、毛髮、硬殼、一次性製品、灰土、瓷器碎片等難以回收的廢棄物",
      "tip":"儘量瀝乾水分；難以辨識類別的生活垃圾都可以投入幹垃圾容器內"
    },
  ]
}

介面的欄位說明大家可以看官網文件，這裡我就不再贅述了。下面來編寫請求文字分類介面的程式碼：

import base64
import requests


class TxApiService:
    def __init__(self):
        self.appkey = 'xxx'  # 需要換成自己的
        self.text_cls_url_root = 'https://api.tianapi.com/txapi/lajifenlei/index?key=%s&word=%s'
        self.img_cls_url_root = 'https://api.tianapi.com/txapi/imglajifenlei/index'

    def get_text_cls_res(self, garbage_name):
        url = self.text_cls_url_root % (self.appkey, garbage_name)
        response = requests.get(url)

        res = []
        if response.status_code == 200:
            res_json = response.json()
            if res_json.get('newslist'):
                new_list_json = res_json['newslist']
                for item in new_list_json:
                    name = item.get('name')
                    cat = self.garbage_id_to_name(item.get('type'))
                    tip = item.get('tip')
                    ai_pre = item.get('aipre')
                    pre_type = 'None'
                    if ai_pre == 0:
                        pre_type = '正常結果'
                    if ai_pre == 1:
                        pre_type = '預判結果'
                    item_dict = {'name': name, 'type': cat, 'tip': tip, 'pre_type': pre_type}
                    res.append(item_dict)
                return res
            else:
                return None
        return None

    def garbage_id_to_name(self, id):
        if id == 0:
            return '可回收物'
        if id == 1:
            return '有害垃圾'
        if id == 2:
            return '廚餘垃圾'
        if id == 3:
            return '其他垃圾'
        return None

程式碼比較簡單，用Python的requests庫請求垃圾分類介面，並對返回的資料格式化。 下面再來編寫請求影象分類的介面

def get_img_cls_res(self, img_base64):
    headers = {
        'Content-Type': 'application/x-www-form-urlencoded'
    }
    body = {
        'key': self.appkey,
        "img": img_base64,
    }
    response = requests.post(self.img_cls_url_root, headers=headers, data=body)

    res = []
    if response.status_code == 200:
        res_json = response.json()
        if res_json.get('newslist'):
            new_list_json = res_json['newslist']
            for item in new_list_json:
                name = item.get('name')
                cat = self.garbage_id_to_name(item.get('lajitype'))
                tip = item.get('lajitip')
                trust = item.get('trust')
                if trust <= 80:
                    continue
                item_dict = {'name': name, 'type': cat, 'tip': tip, 'pre_score': trust}
                res.append(item_dict)
            return res
        else:
            return None
    return None

函式的引數是影象的base64編碼，請求方式是POST請求，返回值欄位與文字分類略有不同，但思路是一樣的。這兩部分內容其實比簡單，這裡我就不再過多解釋了。

有了資料服務，下面我們就來開發GUI，這裡我用的是tkinter，用它編寫的APP可以執行在Linux、Windows和Mac系統，關於tkinter的使用這裡我不會做過多介紹，不瞭解的朋友自行百度，之前我也沒結果過基本上看網上的教程照貓畫虎。 首選，建立GarbageClassificationApp類，來定義用到的各種元件

import base64
import tkinter

from tkinter import *
import hashlib
import time
from tkinter import filedialog

from TxApiService import TxApiService

class GarbageClassificationApp:
    def __init__(self, tk):
        """
        初始化各個元件
        :param tk:
        """
        self.tk = tk

        # 第一行定義文字分類相關的元件
        self.text_cls_label = Label(self.tk, text="垃圾名：")
        self.garbage_name_text = Entry(self.tk)
        self.text_cls_button = \
            Button(self.tk, text="垃圾名分類", bg="lightblue", width=10, height=1, command=self.garbage_name_cls)

        # 第二行定義影象分類相關的元件
        self.img_cls_label = Label(self.tk, text="垃圾圖片：")
        self.select_file_button = Button(self.tk, text='選擇圖片', command=self.select_pic)
        self.img_cls_button = \
            Button(self.tk, text="圖片分類", bg="lightblue", width=10, height=1, command=self.garbage_img_cls)
        self.img_name_text = Text(self.tk, height=2)
        self.img_name_text.insert(1.0, '未選擇圖片：')
        self.img_name_text['state'] = DISABLED

        # 第三行定義輸出結果相關的元件
        self.cls_result_label = Label(self.tk, text="分類結果：")
        self.output_cls_result_list_box = Listbox(self.tk, width=100, height=30)

        # 初始化 api 服務
        self.api_service = TxApiService()

        self.set_init_window()

再來建立set_init_window函式對各個元件進行佈局

# 各元件佈局
def set_init_window(self):
    self.tk.title("垃圾分類")
    self.tk.geometry('1068x681+350+200')  # 1068x681為視窗大小，+100 +100 定義視窗彈出時的預設展示位置

    # 第一行文字分類各元件的佈局
    self.text_cls_label.grid(row=0, column=0, sticky=E)
    self.garbage_name_text.grid(row=0, column=1)
    self.text_cls_button.grid(row=0, column=2, padx=10)

    # 第二行影象分類各元件的佈局
    self.img_cls_label.grid(row=1, column=0, sticky=E)
    self.select_file_button.grid(row=1, column=1)
    self.img_cls_button.grid(row=1, column=2, padx=10)
    self.img_name_text.grid(row=1, column=3, padx=10)

    # 第三行輸出結果各元件的佈局
    self.cls_result_label.grid(row=2, column=0, rowspan=2, sticky=E)
    self.output_cls_result_list_box.grid(row=4, column=1, columnspan=10, pady=10, sticky=E)

這樣，介面就完成了。上面定義的一些元件中會有一些事件處理邏輯，比如一個按鈕Button被按下時，它就會呼叫commond屬性指定的函式。以文字分類Button為例（text_cls_button），使用者按下該按鈕後，程式就會執行garbage_name_cls函式，在該函式中我們就可以請求文字分類服務，並將返回的資料顯示到介面上。程式碼如下：

def garbage_name_cls(self):
    garbage_name = self.garbage_name_text.get()
    cat_arr = self.api_service.get_text_cls_res(garbage_name)
    self.output_cls_result_list_box.delete(0, END)

    if cat_arr:
        i = 0
        for item in cat_arr:
            name = '垃圾名稱: %s' % item.get('name', 'None')
            self.output_cls_result_list_box.insert(i, name)
            i += 1
            cat = '垃圾類別: %s' % item.get('type', 'None')
            self.output_cls_result_list_box.insert(i, cat)
            i += 1
            pre_type = '預判型別: %s' % item.get('pre_type', 'None')
            self.output_cls_result_list_box.insert(i, pre_type)
            i += 1
            tip = '投放提示: %s' % item.get('tip', 'None')
            self.output_cls_result_list_box.insert(i, tip)
            i += 1

            self.output_cls_result_list_box.insert(i, '')
            i += 1

其他事件處理邏輯類似，程式碼如下

def select_pic(self):
    """
    單選圖片
    :return:
    """
    file_name = filedialog.askopenfilename(
        filetypes=[('圖片', ('.png', '.jpg', '.jpeg'))])
    if file_name:
        self.img_name_text['state'] = NORMAL
        self.img_name_text.delete(1.0, END)
        self.img_name_text.insert(1.0, '已選擇圖片：%s' % file_name)
        self.img_name_text['state'] = DISABLED

def garbage_img_cls(self):
    img_name_text = self.img_name_text.get(1.0, END)
    if img_name_text.startswith('已選擇圖片：'):
        file_path = img_name_text[6:].strip()
    else:
        return
    with open(file_path, 'rb') as f:
        base64_data = base64.b64encode(f.read())
        img_base64 = base64_data.decode()
    cat_arr = self.api_service.get_img_cls_res(img_base64)
    self.output_cls_result_list_box.delete(0, END)

    if cat_arr:
        i = 0
        for item in cat_arr:
            name = '垃圾名稱: %s' % item.get('name', 'None')
            self.output_cls_result_list_box.insert(i, name)
            i += 1
            cat = '垃圾類別: %s' % item.get('type', 'None')
            self.output_cls_result_list_box.insert(i, cat)
            i += 1
            pre_type = '預測得分: %s' % item.get('pre_score', 'None')
            self.output_cls_result_list_box.insert(i, pre_type)
            i += 1
            tip = '投放提示: %s' % item.get('tip', 'None')
            self.output_cls_result_list_box.insert(i, tip)
            i += 1

            self.output_cls_result_list_box.insert(i, '')
            i += 1

至此，PC端桌面APP就開發完成，這裡我們沒有實現語音分類服務，但思路是一樣的，大家可以嘗試一下。小程式的程式碼我就不貼了，我會一起放到原始碼目錄中，在公眾號回覆關鍵字 垃圾分類 即可獲取整篇文章全部原始碼。今天開發這個小專案還是花了不少的時間，文章整理出來已經比較晚了，現在是凌晨1點左右，如果又不好理解的後者需要我深入講解的大家可以給我留言。另外，時間比較緊，所以APP做的比較挫，互動也比較差，有任何建議也歡迎大家留言。