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！