《賴田捕手：追加篇》第 33 天：妥善運用 Heroku APP 暫存空間

line bot python heroku flask

ithomemhjao 2021-01-03 23:34:13 ‧ 4581 瀏覽

分享至

第 33 天：妥善運用 Heroku APP 暫存空間

我很快的把書拿了起來，翻開封面。有一行我不認得的筆跡在書頁上寫著：如果我能保留一點空間讓妳在這邊儲存什麼檔案的話，那麼，/tmp/就是我想為妳留下的空間。

～節錄自《聊天機器人的歷史：我爸的暫存空間》

延伸自系列文《從LINE BOT到資料視覺化：賴田捕手》

《賴田捕手：追加篇》：

今天您將知道：

如何取得使用者傳送給 LINE BOT 的圖片
如何將圖片儲存在 Heroku 暫存空間，並用ImageSendMessage發送給使用者

上一篇我們利用快速回覆按鈕設計了一連串和使用者互動的過程，並用 Heroku Postgres 將使用者的輸入資料儲存起來。但最重要的雙色打光 (Dual Lighting Effect) 還是不見蹤影？是的，因此今天我們要來把這最重要的一塊拼圖給拼上了。

都給我畫起來

雖然我們的 LINE BOT 還不知道該怎麼做到雙色打光，但在第 32 天當中，我想大家都應該知道雙色打光該怎麼做了。所以第一個任務很簡單，讓我們把雙色打光的程式碼裝備到 LINE BOT 身上。先來看看我們目前的資料夾結構：

D:\appendix>tree /f
Folder PATH listing
Volume serial number is 9C33-6XXD
D:.
│   runtime.txt
│   requirements.txt
│   Procfile
│   Alma.py
│
└───app
    │   __init__.py
    │   models_for_line.py
    │   routes.py 
    │
    └───custom_models
            AlmaTalks.py
            CallDatabase.py

因為我想要維持分工明確的程式碼，所以就開一個新的檔案AlmaRenders.py，將所有用來執行雙色打光的程式碼都放進來吧：

D:\appendix>tree /f
Folder PATH listing
Volume serial number is 9C33-6XXD
D:.
│   runtime.txt
│   requirements.txt
│   Procfile
│   Alma.py
│
└───app
    │   __init__.py
    │   models_for_line.py
    │   routes.py 
    │
    └───custom_models
            AlmaTalks.py
            AlmaRenders.py
            CallDatabase.py

而檔案裡的詳細內容則是：

app/custom_models/AlmaRenders.py

import numpy as np
from PIL import Image
from PIL import ImageDraw

def sigmoid(x, alpha):
    return 1 /(1 + np.exp(-x * alpha))

def create_gradient_layer(layer_im, gradient_factor, first_tone, second_tone):
    layer_gradient = Image.new('RGB', layer_im.size)
    draw = ImageDraw.Draw(layer_gradient)

    for i in range(layer_im.size[0]):
        value = sigmoid(i - layer_im.size[0] / 2, gradient_factor / layer_im.size[0])
        fill_color = np.array(first_tone) * value + np.array(second_tone) * (1 - value)
        draw.line([(i, 0), (i, layer_im.size[1]-1)], fill=tuple(fill_color.astype('int')))

    return layer_gradient

以及最重要的dual_tone_run：

app/custom_models/AlmaRenders.py

from PIL import Image
from PIL import ImageEnhance
from PIL import ImageOps

def dual_tone_run(im, mode, gradient_factor, first_tone, second_tone):

    color_dict = {
        'red':    {'blend': (100, 10, 0),  
                   'composite': (100, 10, 0),  
                   'composite_invert': (255, 0, 0)},
        'orange': {'blend': (100, 50, 0), 
                   'composite': (100, 50, 0), 
                   'composite_invert': (255, 120, 0)},
        'yellow': {'blend': (100, 100, 0), 
                   'composite': (100, 100, 0), 
                   'composite_invert': (255, 255, 0)},
        'green':  {'blend': (10, 100, 0), 
                   'composite': (10, 100, 0),  
                   'composite_invert': (0, 255, 0)},
        'blue':   {'blend': (0, 10, 100), 
                   'composite': (0, 10, 100),  
                   'composite_invert': (0, 0, 255)},
        'purple': {'blend': (50, 0, 100),  
                   'composite': (50, 0, 100),  
                   'composite_invert': (120, 0, 255)}
    }

    layer_im = im.convert('RGBA')

    first_tone = color_dict[first_tone][mode]
    second_tone = color_dict[second_tone][mode]
    layer_gradient = create_gradient_layer(layer_im, gradient_factor, first_tone, second_tone).convert('RGBA')

    if mode == 'blend':
        dual_tone = Image.blend(layer_im, layer_gradient, 0.5)
    elif mode == 'composite':
        dual_tone = Image.composite(layer_im, layer_gradient, layer_im.convert('L'))
    elif mode == 'composite_invert':
        dual_tone = Image.composite(layer_im, layer_gradient, ImageOps.invert(layer_im.convert('L')).convert('L'))

    # 和第32天不同的地方
    return ImageEnhance.Color(dual_tone).enhance(2)

在dual_tone_run當中的color_dict是執行雙色打光時的色碼對照表。當使用者選擇線性疊圖 (blend) 當作雙色打光模式，並且選擇紅色 (red) 時，LINE BOT 就會根據color_dict選到(100, 0, 0)這個色碼做為稍後執行雙色打光的其中一種顏色。我發覺當使用線性疊圖 (blend) 跟濾鏡疊圖 (composite) 模式時，顏色不要用得太鮮豔，結果會比較好。反之，當使用反式線性疊圖 (invert_composite) 模式時，顏色需要相當鮮艷，結果才會好看。當然這是根據我的個人喜好選出來的顏色，大家也可以按照自己的需求給定想要的顏色。
另外，和第 32 天不太一樣的地方，我們在最後面多了一個ImageEnhance.Color(image).enhance(2)，用來將圖片的顏色變得更飽滿鮮艷一點。這是 Python 圖像處理資源庫PIL內建的一個非常好玩的功能。PIL一共提供 4 種ImageEnhance的類別，包括PIL.ImageEnhance.Color、PIL.ImageEnhance.Contrast、PIL.ImageEnhance.Brightness、以及PIL.ImageEnhance.Sharpness，可以分別用來調整圖像的色彩、對比、亮度、以及銳利度。使用的方式基本相同，以色彩為例：

from PIL import ImageEnhance

enhancer = ImageEnhance.Color(image)
enhanced_image = enhancer.enhance(factor)

第二行：enhancer = ImageEnhance.Color(image)：
將想要做色彩調整的影像image作為參數，放入ImageEnhance.Color當中，初始化而得到enhancer這個物件。
第三行：enhanced_image = enhancer.enhance(factor)：
新的enhancer物件具有一個內建的函式enhance。用大於 0 的任一數值factor當作參數，呼叫enhance這個方法，就可以得到一張根據factor調整過後的影像enhanced_image。在調整色彩時，將factor設為 0 會得到灰階的影像。factor設為 1 則會得到原始影像，大於 1 則會得到強化色彩的影像。其他類別的執行邏輯也是如此，大家可以自己試試看。

都給我存起來

當裝備上雙色打光這個人人稱羨的配件之後，我們的 LINE BOT 是不是就可以幫使用者進行新潮又前衛的影像處理了呢？先讓我們來順一順整段流程。

首先，當使用者傳送圖片訊息給 LINE BOT 時，AlmaTalks.phase_start會被觸發，替使用者初始化一筆資料。
接著，使用者會按照 LINE BOT 給出的QuickReply，在AlmaTalks.phase_intermediate的帶領之下，一次一次的更新資料。
最後，當使用者透過QuickReplyButton設定好最後一個參數，也就是second_tone，這時AlmaTalks.phase_finish會被觸發。也就是到這個時候，LINE BOT 要開始動起來，為影像添加雙色打光效果。

讓我們仔細看一看這個phase_finish：

app/custom_models/AlmaTalks.py

from app.custom_models import AlmaRenders

def phase_finish(event):
    user_id = event.source.user_id
    postback_data = event.postback.data
    current_phase = postback_data.split('=')[0]

    record = CallDatabase.update_record(user_id, current_phase, postback_data.split('=')[1])

    mode = record[2]
    gradient_factor = int(record[3])
    first_tone = record[4]
    second_tone = record[5]

    # 所以我說那個im在哪裡呢？
    im_dual_tone = AlmaRenders.dual_tone_run(im, mode, gradient_factor, first_tone, second_tone)

    line_bot_api.reply_message(
        event.reply_token,
        TextSendMessage(text=str(record))
    )

我們用CallDatabase.update_record更新使用者輸入的參數，同時也拿到了更新之後的資料，包括模式、顏色梯度、第一種顏色、第二種顏色。這時候就可以利用dual_tone_run，對使用者一開始傳送過來的圖片做影像處理了，對吧？
等等，所以我說那個一開始傳送過來的圖片在哪裡呢？沒錯，就是dual_tone_run在執行的時候需要的第一個參數im。沒有im的dual_tone_run，根本沒有執行的必要。

雖然很殘酷，但事實就是如此。

那我們該怎麼拿到使用者一開始傳送過來的圖片呢？幸運的是，這個問題，LINE 已經幫我們設想好了：

message_content = line_bot_api.get_message_content(message_id)

with open(file_path, 'wb') as fd:
    for chunk in message_content.iter_content():
        fd.write(chunk)

每一次使用者和 LINE BOT 的互動，每一個訊息，都有屬於自己的編號，也就是message_id。只要透過這個message_id，就可以拿到當次互動的訊息內容，比如說圖片、影片、音訊等資料。而我們就是要透過message_id來拿到使用者一開始傳送過來的圖片。而這個message_id會放在哪裡呢？答案是event.message.id。
如果是一般的文字訊息事件 (TextMessage)，LINE BOT 會收到這樣的內容：

{
    "events": [
        {
            "type": "message",
            "replyToken": "代表reply token的一串代碼",
            "source": {
                "userId": "代表user id 的一串代碼",
                "type": "user"
            },
            "timestamp": 1609663876391,
            "mode": "active",
            "message": {
                "type": "text",
                "id": "13316587131627",
                "text": "使用者輸入的文字訊息"
            }
        }
    ],
    "destination": "代表LINE BOT的一串代碼"
}

而如果是收到圖片 (ImageMessage)，LINE BOT 則會看到：

{
    "events": [
        {
            "type": "message",
            "replyToken": "代表reply token的一串代碼",
            "source": {
                "userId": "代表user id 的一串代碼",
                "type": "user"
            },
            "timestamp": 1609675744047,
            "mode": "active",
            "message": {
                "type": "image",
                "id": "13317467950018",
                "contentProvider": {
                    "type": "line"
                }
            }
        }
    ],
    "destination": "代表LINE BOT的一串代碼"
}

和一般的文字訊息不同，圖片訊息裡面完全沒有顯示任何和圖片有關的資料。要知道使用者究竟傳了什麼圖片給 LINE BOT，只能透過event.message.id。
現在回頭看看AlmaTalks.phase_start，有沒有突然明白為什麼我們要在初始化使用者資料的時候順便存入event.message.id了嗎？

利用line_bot_api.get_message_content(message_id)拿到使用者傳送給 LINE BOT 的圖片內容之後，下一步我們得把這張圖片存起來，這樣我們才可以真正來使用這張圖片。至於可以把圖片存在哪裡，我想答案已經呼之欲出了，那就是 Heroku 的暫存空間裡，也就是/tmp/。
Heroku 所提供的空間大概長這樣：

/
│   bin 
│   dev 
│   etc 
│   lib 
│   lib64 
│   lost+found 
│   proc
│   sbin
│   sys
│   tmp 
│   usr
│   var
└───app
    │   runtime.txt
    │   requirements.txt
    │   Procfile
    │   Alma.py
    │
    └───app
        │   __init__.py
        │   models_for_line.py
        │   routes.py 
        │
        └───custom_models
                AlmaTalks.py
                CallDatabase.py

這種檔案架構，對 Linux 系統熟悉的人應該不會陌生。不過我們現在先不管這些，不曉得大家有沒有注意到，我們推向 Heroku 的檔案，就放在/app/裡呢！
而在這些空間裡面，最能讓我們自由運用的，就是/tmp/了。所以讓我們試著把使用者發送過來的圖片存到/tmp/來吧：

app/custom_models/AlmaRenders.py

def get_image(message_content, file_name):
    file_path = f"/tmp/{file_name}.png"

    with open(file_path, 'wb') as fd:
        for chunk in message_content.iter_content():
            fd.write(chunk)

    im = Image.open(file_path)
    return im

然後稍微修改一下AlmaTalks.py：

AlmaTalks.py

from app.custom_models import AlmaRenders

def phase_finish(event):
    user_id = event.source.user_id
    postback_data = event.postback.data
    current_phase = postback_data.split('=')[0]

    record = CallDatabase.update_record(user_id, current_phase, postback_data.split('=')[1])

    # 所以我說那個im在這裡
    im = AlmaRenders.get_image(message_content, event.reply_token)

    mode = record[2]
    gradient_factor = int(record[3])
    first_tone = record[4]
    second_tone = record[5]

    im_dual_tone = AlmaRenders.dual_tone_run(im, mode, gradient_factor, first_tone, second_tone)


    line_bot_api.reply_message(
        event.reply_token,
        TextSendMessage(text=str(record))
    )

太棒了，我們現在可以順利執行dual_tone_run了。

都給我推起來

好的，現在我們的 LINE BOT 學會了雙色打光，而且還可以根據使用者輸入的條件，對使用者傳送過來的圖片佐以不同效果的雙色打光，是不是很厲害啊。不過問題是，對於沒有看到成品的使用者而言，這根本就不厲害啊。這是一個現實而且冷酷的世界，與其討論過程如何如何，大家更看重的是成果？
那麼，該怎麼做才能夠讓使用者看到成果呢？直覺來想，當然是用 LINE 所提供的方法ImageSendMessage：

image_message = ImageSendMessage(
    original_content_url='https://example.com/original.jpg',
    preview_image_url='https://example.com/preview.jpg'
)

上面那一段是在line-bot-sdk官方文件當中所給出的用法。也就是說，要傳送圖片給使用者，我們必須要為圖片創造出一個網址 (URL)，而且必須是符合 HTTPS 傳輸協定的網址才行。
如果說是傳送存在網路上的圖片那還簡單，現在我們要傳送的是 LINE BOT 畫出來的圖片，這該怎麼做呢？
其中一種方法是，那我們就先將圖片上傳到網路上。由於 Imgur 提供了免費的網路空間，讓大家可以自由上傳自己的圖片。只要我們教會 LINE BOT 如何把圖片上傳到 Imgur，就可以利用ImageSendMessage這個方法將圖片送到使用者手上。有興趣的可以參考 twtrubiks 大大在這裡所提供的詳細教學。

意思是，今天我們要討論另一種方法。

這個方法可以充分利用我們今天上半場學到的內容，也就是將圖片存在 Heroku 暫存空間。接著，再透過flask來為這張放在暫存空間裡的圖片創造出一個網址。等等，flask是什麼？大家不要忘了flask啊。雖然我們很少提，但 LINE BOT 之所以能夠在 Heroku 上接收 LINE 傳送過來的資料，靠的就是flask。
flask是 Python 用來建立網路框架相當輕便好用的資料庫。利用flask，我們在 Heroku 當中創造出路由，讓 LINE 可以將資料傳送過來。
等等，創造出路由？這不就是我們需要的嗎。那詳細來說到底可以怎麼來實作呢？不囉嗦，讓我們直接看一段程式碼：

app/custom_models/AlmaRenders.py

import os

def save_image(im, reply_token):
    file_path = f'/tmp/{reply_token}_DualTone.png'
    im.save(file_path)
    return f'https://{os.getenv("YOUR_HEROKU_APP_NAME")}.herokuapp.com/result/{reply_token}'

首先，在AlmaRenders.py這個檔案裡多補上一個函式save_image，用來儲存 LINE BOT 做完雙色打光之後的圖片，一樣，就存在 Heroku 的暫存空間裡。為了不讓不同使用者之間產生出來的圖片互相混淆，我們可以將reply_token放進圖片檔的檔名當中，作為識別。
接著讓我們仔細看一看最後一行：

f'https://{os.getenv("YOUR_HEROKU_APP_NAME")}.herokuapp.com/result/{reply_token}'

這是一個虛假的網址，但也不全是憑空產生的。當我們在 Heroku 上新建立一個 APP，Heroku 就會幫我們創造出一個網址https://你-APP-的名字.herokuapp.com，用來連接到我們的 APP。也就是說，os.getenv("YOUR_HEROKU_APP_NAME")要填入的，就是你-APP-的名字。當然你也可以不一定要用環境變數來寫這一段程式碼。直接把你-APP-的名字填在上面也可以。我這邊這麼做，是為了方便客製化。要怎麼設定環境變數，大家可以參考第 31 天。
而在https://你-APP-的名字.herokuapp.com後面的路由，則是我們要請flask幫忙創造出來的。
因此這個函式執行的結果是，會把雙色打光的圖片存到 Heroku 暫存空間，接著傳回一個虛假的網址。接著就要靠強大的flask來把這個虛假的網址變成實際存在，可以代表圖片的網址了。
還記的我們把負責路由的程式碼都放在routers.py這個檔案裡面嗎，現在就是要在這個檔案當中多加入一段程式碼，來幫忙產生我們需要的路由：

app/routers.py

from app import app

from flask import send_from_directory

@app.route("/result/<token>")
def get_image_url(token):
    return send_from_directory('/tmp/', filename=f'{token}_DualTone.png')

第三行：@app.route("/result/<token>")
當有人呼叫https://你-APP-的名字.herokuapp.com這個網域底下的result/<token>，也就是https://你-APP-的名字.herokuapp.com/result/<token>的時候，就執行下面的函式。這個路由特殊之處，在於可以接受變數。被角括號<>所包起來的位置就是變數，以這邊為例就是<token>。這個變數可以作為函式的參數而使用。
第四行：def get_image_url(token):
定義一個函式，並且接受一個從網址傳來的參數token。
第五行：return send_from_directory('/tmp/', filename=f'{token}_DualTone.png')
將指定資料夾底下的檔案當作呼叫網址的結果，傳送回去。這邊所選擇的檔案，當然就是我們先前存在 Heroku 暫存空間的/tmp/{token}_DualTone.png。
send_from_directory是flask所提供的安全傳送檔案的函式，一般接收 3 個參數，如下所示：

@app.route('/uploads/<filename>')
def download_file(filename):
    return send_from_directory(directory=app.config['UPLOAD_FOLDER'],
                               filename=filename, as_attachment=True)

第一個參數directory限定了檔案存放的資料夾。只有在這個資料夾當中的檔案才能被傳送給發來請求的使用者。以我們來說，當然是暫存資料夾/tmp/。第二個參數filename就是指定的檔案名稱。第三個參數as_attachment則可以控制檔案是否以附件的形式下載，預設值是False。這邊我們希望直接開啟圖片檔，而不是以附件形式下載，所以不用特別加上這一個參數。

稍微整理一下頭緒，是不是覺得所有拼圖都拚上了呢？

那麼應該不用我再多說ImageSendMessage當中的參數該怎麼填了吧：

app/custom_models/AlmaTalks.py

from app.custom_models import AlmaRenders

from linebot.models import TextSendMessage, ImageSendMessage

def phase_finish(event):
    user_id = event.source.user_id
    postback_data = event.postback.data
    current_phase = postback_data.split('=')[0]

    record = CallDatabase.update_record(user_id, current_phase, postback_data.split('=')[1])

    message_content = line_bot_api.get_message_content(record[1])

    # 取得使用者發送過來的圖片
    im = AlmaRenders.get_image(message_content, event.reply_token)

    # 執行雙色打光
    mode = record[2]
    gradient_factor = int(record[3])
    first_tone = record[4]
    second_tone = record[5]
    im_dual_tone = AlmaRenders.dual_tone_run(im, mode, gradient_factor, first_tone, second_tone)

    # 將雙色打光圖片存到暫存空間
    im_url = AlmaRenders.save_image(im_dual_tone, event.reply_token)

    # 將使用者輸入的設定回傳給使用者
    line_bot_api.reply_message(
        event.reply_token,
        TextSendMessage(text=str(record))
    )

    # 將雙色打光圖片回傳給使用者
    line_bot_api.push_message(
        user_id,
        ImageSendMessage(
            original_content_url=im_url,
            preview_image_url=im_url
        )
    )

我們的 LINE BOT 真的是非常貼心。根據上面那段程式碼，最後使用者不僅會收到自己當初輸入的條件，還會拿到一張藉由該條件產生出來的雙色打光圖片。這時大家或許會問，reply_message跟push_message有什麼差別呢？reply_message是依靠reply_token來回覆使用者訊息的，而push_message則是透過user_id來將訊息傳送給指定的使用者。講到這裡，大家可能還是一頭霧水，那麼再直白一點好了：reply_message是免費的，而push_message則有使用限制，一個月一個 LINE BOT 最多可以推送 500 則訊息，再多就要收錢了。那為什麼不都用reply_message就好了呢？答案是，reply_token只能用一次。因此這裡的邏輯是這樣的：LINE BOT 可以根據使用者發送過來的每一則訊息做出一個回覆 (reply_message)，但根據同一個訊息想要做出第二個回覆，或是想要主動發送訊息給使用者，就只能用push_message了。
所以我才說我們的 LINE BOT 真的是非常貼心，不惜動用push_message也要發送兩則訊息 (參數跟圖片) 給使用者。當然大家在設計的時候不一定要這樣做，畢竟使用者在意的只是成果 (圖片)？過程如何 (參數) 就隨意吧。
那麼來看看今天的成果吧！