RとLの発音をWindowsの音声入力とPythonで練習

import asyncio
import edge_tts
import time
import os
import tempfile
from playsound import playsound
import pyautogui
import pandas as pd
from datetime import datetime
# モードの設定（'jp'は日本語、'en'は英語）
mode='en'
import re
# 問題の正解リスト
seikai = ['right', 'light', 'read', 'lead', 'wrong', 'long', 'pray', 'play', 'grass', 'glass', 'fry', 'fly', 'river', 'liver', 'rice', 'lice']

def preprocess_text(text):
    # 1. 大文字小文字の違いを無視
    text = text.lower()
    # 2. 短縮形の展開
    # text = expand_contractions(text, contractions_dict)
    # 3. 記号の削除
    text = re.sub(r'[^\w\s]', '', text)
    # 4. 不要なスペースの削除
    text = text.strip()
    text = re.sub(r'\s+', ' ', text)
    return text

def compare_texts(answer, correct_answer):
    processed_answer = preprocess_text(answer)
    processed_correct_answer = preprocess_text(correct_answer)
    return processed_answer == processed_correct_answer

def sayafterme(moto,mode):
    TEXT = moto
    # 音声合成の設定
    if mode == 'jp':
        VOICE = "ja-JP-NanamiNeural"
    else:
        VOICE = "en-GB-SoniaNeural"
    RATE = "-5%"
    # 非同期で音声ファイルを生成する関数
    async def amain(output_file) -> None:
        communicate = edge_tts.Communicate(TEXT, VOICE, rate=RATE)
        await communicate.save(output_file)

    # 一時ファイルを作成
    with tempfile.NamedTemporaryFile(delete=False, suffix='.mp3') as temp_audio:
        OUTPUT_FILE = temp_audio.name
    # 非同期関数を実行して音声ファイルを生成
    asyncio.run(amain(OUTPUT_FILE))
    # ファイルが完全に書き込まれるまで待機
    time.sleep(1)

    # 音声ファイルを再生し、再生後に削除
    if os.path.exists(OUTPUT_FILE):
        try:
            playsound(OUTPUT_FILE)
        # except playsound.PlaysoundException as e:
        except Exception as e:
            print(f"再生中にエラーが発生しました: {e}")
        finally:
            os.remove(OUTPUT_FILE)  # 一時ファイルを削除
    else:
        print(f"ファイル {OUTPUT_FILE} が見つかりませんでした。")
# CSVファイルを読み込む関数
def load_dataframe(file_name):
    try:
        df = pd.read_csv(file_name)
    except FileNotFoundError:
        df = create_initial_dataframe(seikai)
    return df

# 初期のデータフレームを作成
def create_initial_dataframe(seikai):
    df = pd.DataFrame(columns=['datetime'] + [f'question_{i+1}' for i in range(len(seikai))])
    return df

# 問題を出して間違い数を記録する関数
def ask_questions(seikai):
    results = []
    qnum = 1
    end=0
    for correct_answer in seikai:
        mistakes = 0
        if end==1:
            break
        while True:
            print("Question No",qnum)
            print("Say:",correct_answer)
            sayafterme(correct_answer,mode)

            # 音声入力開始
            pyautogui.hotkey('win', 'h') 
            kaitou = input("回答を入力してください（終了するには '終了' 'end'）: ")
            # 音声入力停止
            pyautogui.hotkey('win', 'h') 
            # .を削除
            kaitou=kaitou.replace('.','')
            # 判定  

            print("Correct answer:",correct_answer)

            if compare_texts(kaitou,correct_answer):
                print('Result:Correct!'+'\n')
                qnum+=1
                break
            elif 'pass' in kaitou or 'Pass' in kaitou:
                print('Result:Pass'+'\n')
                qnum+=1
                # mistakesよりresultsの最大値が大きいければmistakesに代入resultsが空の場合0 代入
                if not results:
                    mistakes=0
                elif mistakes < max(results):
                    mistakes=max(results)
                # mistakes = max(results) if results else 0
                break
            else:
                print('Result:Wrong'+'\n')


            if mode == 'jp':
                if kaitou.lower() == '終了' or kaitou.lower() == '終了。':
                    print("プログラムを終了します。")
                    end=1
                    break
            else:
                if 'end' in kaitou or 'End' in kaitou:
                    print("プログラムを終了します。")
                    end=1
                    break
            mistakes += 1
        results.append(mistakes)
    return results
# メインの実行関数
def main(seikai, file_name):
    df = load_dataframe(file_name)
    current_time = datetime.now().strftime('%Y-%m-%d %H:%M:%S')
    
    results = []
    # try:
    results = ask_questions(seikai)

    # ユーザーが中断した場合、実行済みの部分の最大値を取得
    if results:
        max_value = max(results)
    else:
        max_value = 0
    # 未実行の部分に最大値を入れる
    results += [max_value] * (len(seikai) - len(results))

    # データフレームに新しい行を追加
    new_row = [current_time] + results
    df.loc[len(df)] = new_row
    
    # データフレームを保存
    df.to_csv(file_name, index=False)
    print(df)

    # 各質問の平均間違い回数を計算
    average_mistakes = df.mean(numeric_only=True)

    # 各行で最も多く間違えた数
    max_mistakes_per_attempt = df.max(axis=1, numeric_only=True)

    # 結果の表示
    print(average_mistakes, max_mistakes_per_attempt)

# 実行
if __name__ == "__main__":
    file_name = 'results.csv'
    main(seikai, file_name)

import pandas as pd
# onseitest2はload_dataframeの定義してある.pyファイル
from onseitest2 import load_dataframe 
import matplotlib.pyplot as plt
file_name = 'results.csv'
df = load_dataframe(file_name)
# 各質問の平均間違い回数を計算
average_mistakes = df.mean(numeric_only=True)

# 各質問の平均間違い回数をグラフにするためのデータ準備
questions = average_mistakes.index
average_values = average_mistakes.values

# # seikaiリスト
seikai = ['right', 'light', 'read', 'lead', 'wrong', 'long', 'pray', 'play', 'grass', 'glass', 'fry', 'fly', 'river', 'liver', 'rice', 'lice']

# グラフのサイズ設定
plt.figure(figsize=(14, 8))

# 棒グラフの作成
plt.bar(seikai, average_mistakes.values, color='skyblue')

# グラフのタイトルとラベル設定
plt.title('Average Mistakes per Question')
plt.xlabel('Questions')
plt.ylabel('Average Number of Mistakes')

# x軸のラベルを回転
plt.xticks(rotation=45)

# グリッド表示
plt.grid(axis='y')

# グラフを画像ファイルとして保存
graph_file_path = 'average_mistakes_per_question.png'
plt.savefig(graph_file_path)

# グラフの表示
plt.show()