Python的原生Http请求库是urllib，但urlib在实际开发中，使用并不方便。Requests 是用Python语言编写，基于 urllib，采用 Apache2 Licensed 开源协议的 HTTP 库。它比 urllib 更加方便，可以节约我们大量的工作。在AI小助手中的Http请求均是基于Requests的。
http://www.python-requests.org/en/master/
Java代码：http://github.com/CaiquanLiu/MyWeChatService.git
Python代码：https://github.com/CaiquanLiu/MyTuringService
Python后台采用Tornado作为Web Server。Tornado的部署和使用非常简单。
pip install tornado
import tornado.ioloop
import tornado.web
class MainHandler(tornado.web.RequestHandler):
def get(self):
self.write("Hello, world")
def make_app():
return tornado.web.Application([
(r"/", MainHandler),
])
if __name__ == "__main__":
app = make_app()
app.listen(8888)
tornado.ioloop.IOLoop.current().start()
http://www.tornadoweb.org/en/stable/
MyTuringService接收并处理来自MyWeChatService的http请求。
其中，
Java代码：http://github.com/CaiquanLiu/MyWeChatService.git
Python代码：https://github.com/CaiquanLiu/MyTuringService
先梳理下我们先前的代码上线流程：
构建平台地址：http://120.25.220.14:8082
只需点击“立即构建”按钮，就能完成新功能的上线，是不是很方便？
本例中的Jenkins服务器是同微信小助手的Web Service在同一物理机上的。
为了支持Jenkins编译，源于的小助手工程添加了build.xml和build.sh两个文件：
Jenkins的构建控制：
ps：Ant是一种用于构建控制的工具，类似同于C/C++中常见的Make CMake，Java中常见的Maven和Gradle；
Python版本：2.7.13
Http Server：Tornado
Http请求库：Requests
IDE：PyDev+Eclipse
工程目录,
使用test进行本地功能的测试，比如测试本地的图灵请求功能，
在服务器端启动tornado_server模块即可，
#python tornado_server.py
在部署好tornado_server web服务后，使用http_request模块完成http请求测试。比如客户端请求服务端的图灵能力（服务端调用图灵接口），
其中，服务端与客户端之间基于Json进行通信。
前面的后台搭建都是基于Java EE的，但后面随着对机器学习的深入，慢慢发现大多数机器学习的算法实现都是基于Python和R语言的。R语言主要集中在对数据的预处理、分析和展示，而Python不但囊括了R语言的功能，还延伸到了网络请求、Web服务、数据抓取等方方面面。Python不但在语法上入门简单、在开发环境的搭建上相对容易，开发IDE也很完善易用。在机器学习领域有很多现成的算法库，开源工具包非常完备。Python一旦入门，绝对会对它爱不释手的 :)
既然是个人经验，就要先交代下自己在学习python之前的编程经历。从大学一年级接触C语言，并在大学二年级在电子设计竞赛中投入真正的开发使用，直到进入互联网公司之前，都是在使用C语言做底层驱动和中间件开发，使用C++做业务逻辑开发。进入互联网之后开始接触Java，并进行Android中间件和应用开发。在业余时间自学了Java EE的开发流程并了解了Web前端开发的基础知识。
我的Python学习比较简略：
在网上看一篇关于Python的入门帖子，比如www.runoob.com/python/python-basic-syntax.html，在这个过程中了解语言特性和基本语法、搭建基本的运行环境，这个过程1~2个小时足矣。
对Python有了基本的了解和认识后找一本大而全的教科书，比如《Python基础教程》（我找了本电子版），这是一本很厚的书。然后查看目录，并逐页“扫读”（所谓“扫读”就是非常快速的粗略阅读和跳读，在阅读的过程中并不需要逐行逐句，而是要粗枝大叶）。对于“魔法方法、属性和迭代器”这样的章节可以仔细研读，对于“条件、循环和其他语句”这样的章节可以一扫而过、对于“图形用户界面”这样的章节则可以直接跳过不看。整个过程的一个核心思想是：
对比阅读，发掘Python相对于自己以往掌握的语言有哪些相同点和不同点；
系统把握，明了整个Python语言的系统体系和知识组成；
确定目标，扫读的目标是在后续如果遇到相应的Python问题，能够快速的定位到具体的知识点，并查询答案（这本大厚书可以在以后作为字典类的工具书使用）
第二个步骤需要半天到一天的时间。
在Python终端敲简单的命令显然无法满足我们的工程需要，一个完整的工程开发需要便捷的开发工具和清晰的模块关系。这里我使用DevPy+Eclipse搭建IED开发环境，工程中引入包、模块、类等Python特性来明晰项目中的模块关系。在开发中遇到问题则通过查询《Python基础教程》或在网上搜寻解决方法。
Python的后台处理模块主要用来做机器学习相关的处理工作。Python模块引入了Tornado Web引擎，对外以REST API的形式提供服务。所以简单的说Python的后台处理模块也是像基于Java EE一样的Http Web服务。
对于汇编语言相信绝大多数同学除了在《微机原理》的实验课上使用过之外，应该在真实工作中很少有接触，即便对于很多嵌入式开发的同学在工作中也很难接触的到。我在工作中唯一的实践经历是修改中断向量表。是在一个没有MMU的MCU上保证运行的ucOS系统能够有独立的Bios、Bootloader、App三个独立的运行空间。当时的解决方案是使用两级中断向量表：硬件触发中断后会自动跳转到第一级的中断向量表，而第一级的中断向量表直接指向第二级中断向量表。第二级中断向量表会通过检查硬件管脚的状态转跳到Bios、Bootloader、App不同空间的处理代码段。汇编语言的学习重点不是语言本身，而是机器运行的机制。
相比于汇编C语言确实算是高级语言了。对于互联网的同学来说C语言的语法很简单，C语言的指针又很眩晕，在功能开发上，很简单的事情要写上一大堆代码。其实业务开发并不是C语言的优势所在，C语言更多是为了取代汇编，同样C语言的学习重点也不在于语言本身，更在于对系统运行机制的理解，所以，C语言更多的应用场景是驱动开发和协议解析。
相比于C语言，C++对业务逻辑的处理能力大大增强，同时，设计模式在C++中的应用也变得得心应手。但C++只能算的上C语言的升级版，作为程序员，并不能完全脱离系统原理的限制，将全部的注意力放在业务逻辑的实现上。但劣势同样也是优势，正是C++同系统的相关性才使得C++在嵌入式设备和实时性较高的核心中间件领域留有一席之地。
相对于C++，Java实现了完全的面向对象。从解放劳动力的角度讲，Java实现了一次飞跃。开发人员再也不用被底层的系统机制所牵绊，将自己的更多精力放在业务逻辑本身，同时，Java的各种工具支持包也很完备。这也很好的解释了，为什么嵌入式领域一个项目的开发周期往往是2~3年，开发成员往往是几十甚至是几百人。而互联网产品很多都是几个人或一个人，一周或一个月的作品。但不可否认，Java自身的运行机制，导致它对系统资源的高要求和运行时的低效率，这也是Java在特有领域不能完全替代C++的原因。
在接触Python之前，我一直认为Java是用起来最爽的语言（简单的运行和开发环境搭建、功能强大的IDE工具、完备的工具包支持），但接触到Python之后才发现我的结论下的太早了。相比于Java，Python除了是脚本语言、动态语言这样的基本属性之外，Python的一个很大的特点是简洁。Python能够使用更少的代码，更少的依赖完成你想要的工作。
当然语言和算法一样，没有一个算法能使用所有的场景，也没有一种语言能驾驭所有的领域。
上一篇文章中我们接入了图灵机器人，通过图灵机器人接口，我们可以实现查天气、看股票、听故事这样的需求。但如果我现在需要查看下我的简书上有哪些文章该如何处理呢？显然通过图灵机器人接口是不能实现的，这里就需要我们自己来完成语义的解析，同时，通过网络爬虫来爬取我在简书上的文章列表。下面我们以“我们简书上有哪些文章？”为例，来说明AI小助手中，自定义语义解析和内容抓取是如何实现的。
在AI小助手中对语义的解析分为两个层次：
意图就是要干什么，也是后台处理的能力范围。对于图灵机器人，它的能力包括“笑话大全”、“故事大全”、“成语接龙”等等：
在接收到用户请求后，图灵机器人会首先分析该请求和自己的那一种能力相对应，如果超过自己的能力范围，图灵机器人便无法进行处理。如果询问图灵机器人“我的简书上有哪些文章？”，用户的意图不在图灵的能力范围之内，它是无法做出正确回复的。
在获取意图之后，就需要确定该意图对应的具体参数。比如“今天天气怎么样？”，图灵机器人能够获取该请求的意图是“天气查询”，但它不知道查询什么地方的天气，所以，也是无法给出正确的答复的。所以正确的询问方式应该是“今天深圳天气怎么样？”图灵机器人在识别到“天气查询”的意图后，还会提取“今天”和“深圳”这样的关键参数，从而返回正确的回复。
AI小助手采用关键字匹配的方式来分层获取意图和意图对应的参数。对于“我的简书上有哪些文章？”，AI小助手对先匹配关键字“简书”获取意图，然后通过关键字“文章”来获取“简书”意图下的关键参数。
关键字的匹配使用了Java的正则表达式。其中，“简书”意图的匹配规则，
private final String REG_EX_JIANSHU = "简书|jianshu";
“文章”参数的匹配规则，
private final String REG_EX_ARTICLE = "文章|article";
意图和对应参数的提取都是基于字符串查找的，
在正确获取到请求的意图和对应参数后，需要给出正确的答复。对于“我的简书上有哪些文章？”这样的请求，我们可以通过网络爬虫来爬取自己需要的信息。在AI小助手中，采用了HtmlParser（htmlparser.sourceforge.net/）对个人的简书文章进行分析，从而爬取需要的信息。
自定义语义解析可以同图灵机器人接口配合使用。首先进行自定义的语义解析，如果解析失败再通过图灵机器人接口进行解析。这样既可以满足像“我的简书上有哪些文章？”这样自定义能力，又可以完成像“今天深圳天气怎么样？”这样的通用能力。
通过前面的步骤，我们的后台服务器已经可以接收来自微信公众后的消息，并能够将处理的结果返回给微信公众号客户端。如果我们的后台服务器程序能够解析用户的请求意图，并将意图的处理结果返回给客户端，那么我们的AI小助手就具备了真正的“智慧”。
对用户意图的理解，AI小助手使用了图灵机器人请求接口。图灵机器人的官方地址：www.tuling123.com/
图灵机器人有多种接入方式，
AI小助手采用API的形式接入图灵机器人。API的请求是基于Http的，支持Get和Post请求，请求和结果返回通过Json进行序列化。天气状况的请求和应答如下图所示：
Java代码：github.com/CaiquanLiu/MyWeChatService.git
Python代码：github.com/CaiquanLiu/MyTuringService
我们在调试的过程中可以在本地搭建Tomcat服务器，并使之与Eclipse环境相关联。同时，将Eclipse中开发的程序直接部署到本地的Tomcat中运行，从控制台查看打印信息（使用System.out.println（）即可）。但在实际的线上环境，是无法实时的查看控制台的打印信息的，我们需要将运行中打印的Log存放到文件中，然后查看文件中的Log信息。对于线上环境的Log打印，AI小助手采用了log4j组件。
从log4j的官网上下载最新的jar包，并存放在工程的lib目录下，
在src同级创建并设置log4j.properties，
微信使用POST请求形式来收发消息，消息以XML形式进行封装，
微信消息的解析直接使用了黄路飞的代码（www.cnblogs.com/huanglufei/p/5592072.html）
其中，XML的解析使用了XStream组件。
在没有指定具体的响应html页面、jsp页面或Servlet时，Tomcat将Http请求转发给对于的WebApp后，最终由WebApp中的哪一个.html页面、.jsp页面或Servlet来响应，是由web.xml中
具体修改如下：
其中，MyWechatMain为Servlet类。