1. 实际应用场景与痛点分析
场景描述
– 朋友聚会去 KTV，大家想唱歌，但点歌时往往出现：
1. 有人喜欢的歌别人没听过，导致冷场。
2. 歌曲难度太高，唱不上去。
3. 原唱版本太经典，翻唱难度大。
4. 组织者难以兼顾所有人的喜好，气氛不够热烈。
痛点
– 信息分散：每个人的喜好没有集中记录。
– 匹配效率低：手动筛选耗时。
– 缺乏难度参考：不知道哪首歌适合现场氛围。
– 原唱/翻唱差异：部分人更喜欢伴奏版本。
2. 核心逻辑讲解
1. 数据录入：用户输入好友姓名、喜欢的歌手、曲风、难度偏好（简单/中等/困难）、是否接受原唱。
2. 歌曲库：预设一个 JSON 格式的歌曲数据库，包含歌曲名、歌手、曲风、难度、原唱标记。
3. 匹配算法：
– 根据好友喜好过滤歌曲库。
– 按曲风、难度、原唱偏好进行加权评分。
– 输出推荐列表（可设置数量）。
4. 输出结果：按推荐度排序，方便组织者快速点歌。
3. 模块化 Python 代码实现
项目结构
karaoke_helper/
├── data/
│ └── songs.json
├── main.py
├── recommender.py
├── utils.py
└── README.md
"data/songs.json"（示例）
[
{"title": "海阔天空", "artist": "Beyond", "genre": "摇滚", "difficulty": "中等", "original": true},
{"title": "小幸运", "artist": "田馥甄", "genre": "流行", "difficulty": "简单", "original": true},
{"title": "演员", "artist": "薛之谦", "genre": "流行", "difficulty": "中等", "original": true},
{"title": "平凡之路", "artist": "朴树", "genre": "民谣", "difficulty": "简单", "original": true}
]
"utils.py"
import json
def load_songs(file_path):
"""加载歌曲库"""
with open(file_path, 'r', encoding='utf-8') as f:
return json.load(f)
def save_friends_data(file_path, data):
"""保存好友喜好数据"""
with open(file_path, 'w', encoding='utf-8') as f:
json.dump(data, f, ensure_ascii=False, indent=4)
"recommender.py"
def recommend_songs(songs, friends_prefs, top_n=5):
"""
根据好友喜好推荐歌曲
:param songs: 歌曲列表
:param friends_prefs: 好友喜好字典 {name: {genre: [], difficulty: [], original: bool}}
:param top_n: 返回推荐数量
:return: 推荐歌曲列表
"""
from collections import defaultdict
# 统计所有好友的曲风、难度、原唱偏好
genre_score = defaultdict(int)
difficulty_score = defaultdict(int)
original_score = 0
for prefs in friends_prefs.values():
for g in prefs.get("genre", []):
genre_score[g] += 1
for d in prefs.get("difficulty", []):
difficulty_score[d] += 1
if prefs.get("original"):
original_score += 1
# 计算每首歌的匹配分数
scored_songs = []
for song in songs:
score = 0
if song["genre"] in genre_score:
score += genre_score[song["genre"]] * 2
if song["difficulty"] in difficulty_score:
score += difficulty_score[song["difficulty"]]
if song["original"] and original_score > 0:
score += 1
scored_songs.append((song, score))
# 按分数降序排序
scored_songs.sort(key=lambda x: x[1], reverse=True)
return [s[0] for s in scored_songs[:top_n]]
"main.py"
from utils import load_songs, save_friends_data
from recommender import recommend_songs
SONGS_FILE = "data/songs.json"
FRIENDS_FILE = "data/friends.json"
def input_friend_prefs():
"""交互式输入好友喜好"""
friends = {}
while True:
name = input("请输入好友姓名（回车结束）：")
if not name:
break
genres = input("喜欢的曲风（逗号分隔）：").split(",")
difficulties = input("能接受的难度（逗号分隔，如简单,中等）：").split(",")
original = input("是否接受原唱(y/n)：").lower() == "y"
friends[name.strip()] = {
"genre": [g.strip() for g in genres if g],
"difficulty": [d.strip() for d in difficulties if d],
"original": original
}
return friends
def main():
songs = load_songs(SONGS_FILE)
print("已加载歌曲库，共 {} 首歌曲".format(len(songs)))
friends = input_friend_prefs()
save_friends_data(FRIENDS_FILE, friends)
recommendations = recommend_songs(songs, friends, top_n=5)
print("\\n推荐歌曲：")
for idx, song in enumerate(recommendations, 1):
print(f"{idx}. {song['title']} – {song['artist']} | 曲风: {song['genre']} | 难度: {song['difficulty']} | 原唱: {'是' if song['original'] else '否'}")
if __name__ == "__main__":
main()
4. README.md 与使用说明
README.md
# K歌点歌辅助工具
一个帮助 KTV 聚会组织者根据好友喜好推荐歌曲的 Python 工具。
## 功能
– 录入好友的曲风、难度、原唱偏好
– 从歌曲库中智能推荐适配歌曲
– 提升聚会氛围，避免冷场
## 使用方法
1. 安装 Python 3.x
2. 运行 `python main.py`
3. 按提示输入好友喜好
4. 查看推荐歌曲列表
## 数据文件
– `data/songs.json`：歌曲库
– `data/friends.json`：好友喜好（自动生成）
使用说明
– 首次运行会自动生成
"friends.json"。
– 可手动编辑
"songs.json" 添加更多歌曲。
– 推荐结果按匹配度排序，优先满足多数人喜好。
5. 核心知识点卡片
知识点 说明
JSON 数据操作 使用
"json.load" 和
"json.dump" 读写结构化数据
字典与列表推导 高效处理嵌套数据结构
加权评分算法 根据多维度偏好计算匹配度
模块化设计 将功能拆分到不同模块，便于维护
用户交互 使用
"input" 实现命令行交互
默认参数 函数参数设置默认值提高灵活性
6. 总结
这个 K歌点歌辅助工具通过数据驱动的方式，解决了 KTV 聚会中点歌的痛点：
– 信息集中化：所有好友喜好统一存储。
– 智能匹配：加权算法兼顾曲风、难度、原唱。
– 易扩展：可轻松增加新歌曲或新偏好维度。
– 低门槛：纯 Python 实现，无需复杂环境。
未来可扩展方向：
– 接入在线歌曲 API（如网易云音乐）。
– 增加 GUI 界面（Tkinter / PyQt）。
– 加入投票机制，让现场实时选择。
如果你需要，还可以画一个系统架构图和UI原型图，让这个项目更直观。
利用AI解决实际问题，如果你觉得这个工具好用，欢迎关注长安牧笛！
