结对编程作业

PART 1 链接以及分工

一、链接

• 我的博客

• 队友博客

• Github项目地址

二、分工

队伍成员	姓名	负责部分
组长	杨文龙	AI算法的实现，原型图的绘制
组员	蔡沿江	可玩华容道的实现，优化游戏界面

PART 2 原型设计

一、设计过程

• 本次原型设计采用了Axure Rp

• 首先我们先从网上找到了一个数字华容道的代码，将其的数字改造成图片华容道，而该数字华容道的话，是固定每次将第九个格子变成空格，为了符合题目要求，应该设计成空白图片随机生成，所以我们设计了以下这个缺失了第三块图片的华容道，并将其打乱。

• 接着我们认为如果只有游戏的话未免显得太过单调，于是我们就设计了一个游戏开始之前的开始页面，在这个页面中有三个按钮，一个是开始游戏，一个是显示历史成绩，一个是结束选择退出程序。

• 点击开始游戏就可以进入到最开始我们设计的游戏界面，并关闭开始界面；点击历史成绩就会打开历史成绩页面，并关闭开始界面;点击退出按钮则会结束程序。

• 在历史得分界面我们会将最近十五次的游戏成绩呈现，但并不按照步数的长短来进行排序，因为华容道的生成是随机的，那么完成的步数并没有对比的公平性。同时我们也添加了返回开始页面的按钮和再来一局的按钮，用来进行页面的跳转。

• 最后考虑到游戏界面的美观问题，决定将开始界面的背景图片融入到游戏界面当中，并且稍微加大图片块之间的间隔。

二、结队

（1）结队过程

• 两个人在上课时候一拍即合组队成功十分顺利没有意外

（2)困难及解决方法

• 刚开始并不会使用Axure Rp，然后及时去B站上学了一下才发现并不困难。之后就是感觉自己设计的原型图太过丑陋，希望图没事 就一直改图，而且背景图总感觉和开始界面格格不入，一直找好看的图片，后面去参考了一下网上的一写界面设计才有了一些思路，虽然设计出来的原型还是很丑陋，但至少能看一些了（这大概就是理工直男吧）。

PART 3 AI与原型设计实现

一、代码实现思路

• 网络接口的使用

#获取文本
def gethtml(url):
    try:

        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3941.4 Safari/537.36'
        }

        r = requests.get(url, headers=headers)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""
#获取赛题列表
def getchallengelist():
    url = "http://47.102.118.1:8089//api/challenge/list"
    # 每次请求的结果都不一样，动态变化
    datalist = json.loads(gethtml(url))
    for t in datalist:
        print(t)
#获取具体赛题
def getchallenge(uuid):
    url = "http://47.102.118.1:8089/api/challenge/start/" + uuid
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3941.4 Safari/537.36',
        'Content-Type': 'application/json'
    }
    data_json = json.dumps({
    "teamid": 21,
    "token": "a8aee99c-f29b-42c6-abd0-72216d8d851c"
    })
    r = requests.post(url, headers=headers, data=data_json)
    text = json.loads(r.text)
    chanceleftleft = text["chanceleft"]
    data = text["data"]
    img_base64 = data["img"]
    step = data["step"]
    swap = data["swap"]
    success = text["success"]
    img = base64.b64decode(img_base64)
    uuid = text["uuid"]
    expire = text["expire"]
    with open("photo.jpg", "wb") as fp:
        fp.write(img)  # 900*900
    return step, swap, uuid
#提交答案
def postAnswer(uuid,operations,swap):
        url ="http://47.102.118.1:8089/api/challenge/submit"
        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3941.4 Safari/537.36',
            'Content-Type': 'application/json'
        }
        data_json = json.dumps({
            "uuid": uuid,
            "teamid": 24,
            "token": "a8aee99c-f29b-42c6-abd0-72216d8d851c",
            "answer": {
                "operations": operations,
                "swap": swap}}
        )
        r=requests.post(url,headers = headers,data = data_json)
        print(r.text)

--> getchallengelist():获取今日赛题后打印列表
--> getchallenge(uuid):传入getchallengelist()中获取的的uuid获取具体的赛题数据和答题所用的uuid
--> postAnswer(uuid,operations,swap):输入getchallenge(uuid)获取的uuid和答题数据来上传答案，返回排名等数据

• 代码组织与内部实现设计（类图）

• 说明算法的关键与关键实现部分流程图

--> 算法关键是如何将原始图片转换成对应矩阵进行求解，这部分求解了大佬才知道该怎么做

• 贴出你认为重要的/有价值的代码片段，并解释

def cutimage():
    # 切割图片
    img = Image.open('photo.jpg')
    size = img.size
    # 准备将图片切割成9张小图片
    weight = int(size[0] // 3)
    height = int(size[1] // 3)
    # 切割后的小图的宽度和高度

    for j in range(3):
        for i in range(3):
            box = (weight * i, height * j, weight * (i + 1), height * (j + 1))
            region = img.crop(box)
            region.save('{}{}.jpg'.format(j, i))

-->切割图片用的函数，调用了PIL库的crop函数，给定边界将图片切割成9块保存

def compare(pic1,pic2):
    image1 = Image.open(pic1)
    image2 = Image.open(pic2)

    histogram1 = image1.histogram()
    histogram2 = image2.histogram()

    differ = math.sqrt(reduce(operator.add, list(map(lambda a,b: (a-b)**2,histogram1, histogram2)))/len(histogram1))

    if differ == 0:
        return True
    else:
        return False

--> 对比两张图片是否相同的函数，调用PIL库中histogram函数比较，但是发现只能用同一切割函数切出来的块图片才能准确识别

#获得图片所对应的图是哪一区域
def getnum(path11):
    path = 'E://PyCharm 2020.2.1//python//确定序列//'
    for i in range(0, 36):
        path2 = path + str(i) + '_'
        for j in range(1, 10):
            path22 = path2 + str(j) + '.jpg'
            if compare(path11, path22):
                return i

def bulitlist(num):
    list1 = []
    for i in range(3):
        for j in range(3):
            path1 = 'E://PyCharm 2020.2.1//python//' + str(i) + str(j) + '.jpg'
            if compare(path1, 'E://PyCharm 2020.2.1//python//确定序列//white.jpg'):
                list1.append(0)
            else:
                for k in range(1, 10):
                    path2 = 'E://PyCharm 2020.2.1//python//确定序列//' + str(num) + '_' + str(k) + '.jpg'
                    if compare(path1, path2):
                        list1.append(k)
    sum = 0
    for i in list1:
        sum += i
    whitenum = 45-sum
    list2 = [[], [], []]
    list2[0] = list1[0:3]
    list2[1] = list1[3:6]
    list2[2] = list1[6:9]
    return list2,whitenum

-->获取到初始矩阵的函数，getnum函数负责对比找到题目所给图片位于36张中对应的那一组，builitlist函数负责将9张切割过的图片和对应字母组的预先切割好的图片进行匹配，然后得到初始矩阵

• 性能分析与改进

--> 原本采用的A算法，效率太低就想着采用A*算法来改进了

• 展示性能分析图和程序中消耗最大的函数

• 展示出项目部分单元测试代码，并说明测试的函数，构造测试数据的思路

#获取文本
def gethtml(url):
    try:

        headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3941.4 Safari/537.36'
        }

        r = requests.get(url, headers=headers)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""
#获取问题
def getproblem():
    url = "http://47.102.118.1:8089/api/problem?stuid=031802435"
    # 每次请求的结果都不一样，动态变化
    text = json.loads(gethtml(url))
    # print(text.keys())#dict_keys(['img', 'step', 'swap', 'uuid'])
    # text["img"] = "none" #{'img': 'none', 'step': 0, 'swap': [7, 7], 'uuid': '3bc827e5008d460b893e5cb28769e6bf'}
    img_base64 = text["img"]
    step = text["step"]
    swap = text["swap"]
    uuid = text["uuid"]
    img = base64.b64decode(img_base64)
    # 获取接口的图片并写入本地
    with open("photo.jpg", "wb") as fp:
        fp.write(img)  # 900*900
    return step, swap, uuid
#提交答案
def postAnswer(uuid, opertions, swap):
    url = "http://47.102.118.1:8089/api/answer"
    headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3941.4 Safari/537.36',
        'Content-Type': 'application/json'
    }
    data_json = json.dumps({
        "uuid": uuid,
        "answer": {
            "operations": opertions,
            "swap": swap}
    })
    r = requests.post(url, headers=headers, data=data_json)
    print(r.text)

--> 测试代码我采用的是结对编程要求的接口，经过测试没有问题

二、贴出Github的代码签入记录，合理记录commit信息

三、遇到的代码模块异常或结对困难及解决方法

• 一开始对算法不了解，采用A算法经常跑不出结果，效率过低，然后换用A*算法。
• 在测试前一天发现自己的代码有时对有时错，询问测试组大佬才知道自己理解错题，然后一顿倒腾才解决强制交换的问题。

四、评价你的队友

• 是个很勤奋的人，半夜发他的进度交流总是能及时反馈给我。学习能力很强（羡慕555），是个很稳的队友。

五、PSP和学习进度条

PSP2.1	Personal Software Process Stages	预估耗时（分钟）	实际耗时（分钟）
Planning	计划	540	600
· Estimate	· 估计这个任务需要多少时间	540	600
Development	开发	950	1080
· Analysis	· 需求分析 (包括学习新技术)	500	500
· Design Spec	· 生成设计文档	30	40
· Design Review	· 设计复审	40	50
· Coding Standard	· 代码规范 (为目前的开发制定合适的规范)	20	30
· Design	· 具体设计	60	60
· Coding	· 具体编码	180	240
· Code Review	· 代码复审	30	40
· Test	· 测试（自我测试，修改代码，提交修改）	90	120
Reporting	报告	130	130
· Test Repor	· 测试报告	60	60
· Size Measurement	· 计算工作量	30	30
· Postmortem & Process Improvement Plan	· 事后总结, 并提出过程改进计划	40	40
	· 合计	1620	1810

第N周	新增代码（行）	累计代码（行）	本周学习耗时（小时）	累计学习耗时（小时）	重要成长
1	0	0	0	0	无
2	150	150	8	8	熟悉了python的pyqt5的基础使用方法
3	100	250	10	18	通过对原型实现的过程，掌握了pyqt5页面设计和切换
4	100	350	13	31	通过对原型实现的过程，掌握了pyqt5通过按钮来执行不同的任务