我如何构建电影推荐 CLI
Source: Dev.to
Introduction
我一直对电影情有独钟——尤其是那些符合我当下情绪或我想要的观后感，并且适合我陪伴观看的对象的好电影。寻找合适的影片通常很费劲：我得在不同的提供商、流媒体服务或网站之间切换，一边筛选过滤条件，一边浏览评分和简介。对这种循环感到厌倦后，我写了一个简单的命令行工具，让这个过程更快、更有趣一点。
代码全部使用 Java 编写，因为它用途广泛、拥有强大的面向对象模型，而且是本课程的主要语言。没有使用任何外部库，保持实现尽可能简单，并让每个功能都能“手动”理解，而不是依赖框架。程序被划分为多个类：
- Main class – 提供命令行界面（CLI）
- Helper classes – 处理认证和电影数据
- Testing classes – 确保代码顺利运行
保持模块化让我们可以一次只专注于一个部分，运用了面向对象的标准思想，如关注点分离和封装，便于维护和未来扩展。
从用户的角度来看，工作流故意保持简洁：打开终端，运行工具，收到欢迎信息，登录，回答几个关于情绪和陪伴对象的问题，随后得到一个或多个电影推荐。每个推荐都会显示类型、标题以及简短的描述。
Feature 1: User Input and Validation
CLI 会提示用户输入并进行验证，以确保响应符合预期格式（例如，非空字符串、数值选择在范围内）。无效输入会触发友好的重新提示，防止程序崩溃。
Feature 2: Auth class and file‑based authentication
认证由 Auth 类处理，该类读取一个纯文本文件，文件中每行包含一个 username:password 对。类会把这些凭据加载到对象集合中，并提供方法将用户的登录尝试与存储的数据进行比对。
Feature 3: Questions, preferences and loops
一系列问题对象在循环中被处理。每个答案会映射到一个或多个电影类型。例如，对“平静”氛围的偏好会转化为 drama、romance 或 slice‑of‑life 等类型。得到的类型列表可能包含重复项（例如 ["Drama", "Action", "Comedy", "Drama"]）。这些重复是有意保留的隐式加权机制：某个类型出现得越多，对最终评分的影响就越大。
Feature 4: Movie objects and scoring algorithm
电影由包含标题、简介和关联类型字段的对象表示。用户的偏好被转换为加权类型列表后，程序会根据每部电影的类型与加权列表匹配的数量为其打分。得分更高的电影会优先展示，提供最符合用户情绪和陪伴对象的推荐。
Issues Encountered
- Human Input – 处理不可预测的用户响应并确保稳健的验证。
- Designing a suitable scoring system – 在不使用外部库的前提下，创建一个既简单又有效的算法。
- Constraints without external libraries – 仅使用核心 Java 功能实现认证、测试和 UI。
Conclusion
最终得到的是一个优雅的工具，适合想要快速获得符合当前情境的电影推荐的终端高手。未来的改进可以包括集成 IMDb API，自动获取最新的电影数据，减少对本地电影数据库手动更新的需求。