自然语言处理NLP学习笔记三：使用Django做一个NLP的Web站点

前言：

前面我们已经能初步实现一个中文自然处理语言的模型了，但交互界面是命令行的，不太友好。

如果想做一个类似http://xiaosi.trs.cn/demo/rs/demo的界面，那就还需要继续往下处理。

Django

由于Jiagu等使用了python语言，所以Web站点的实现，优先考虑到python的web框架。

而这里选择了还比较流行的Django。

教程参考：

https://www.runoob.com/django/django-tutorial.html

https://www.cnblogs.com/feixuelove1009/p/5823135.html

1. Diango安装

pip install Diango

2. 创建一个Web站点

使用 django-admin命令来创建一个叫ai的项目

进入部署目录，Anaconda promt下cd

anaconda集成下安装默认的目录是： \anaconda\Lib\site-packages\django\bin\

django-admin startproject ai

linux下命令：

linux下默认安装目录是：/usr/local/python3/lib/python3.7/site-packages/django/bin/

python django-admin.py startproject ai

3. 编写Web页面

1）设置环境信息，修改settings.py

django知道我们的html文件在哪里，需要修改settings文件的相应内容。默认下不用修改

'DIRS': []修改为 'DIRS': [BASE_DIR+"/templates", ]

同时注释以下行，暂时关闭一下django的csrf跨站请求保护机制（涉及用户输入时会调用到，如不处理会报错）：

MIDDLEWARE = [
# 'django.middleware.csrf.CsrfViewMiddleware',

在ALLOWED_HOSTS = []中添加允许的IP ALLOWED_HOSTS = ['XX.XX.XX.XX']--当然，如果默认127.0.0.1运行，则不需要此步骤

2）表现层-创建template目录，并创建index.html

按Diango的分层思想，在界面显示的内容（表现层），放在模板Template中。

因此，我们先在项目下创建template的目录，并创建index.html文件。文件的内容后续补充。

3）UI-使用bootstrap美化界面

在项目中新建static目录，并放入bootstrap的目录。

同时在settings.py加入static目录的引用：

STATIC_URL='/static/'
STATICFILES_DIRS=(os.path.join(BASE_DIR, "static"),)

4) 控制器层-业务逻辑，修改view.py

这里用于向模板层提供数据，我们定义一个函数，html接收用户输入，view处理后返回给用户。

5）路由系统-urls.py

浏览器输入的url，通过这个urls.py文件转发到业务逻辑中

增加

import from ai import views

urlpatterns = [
path('admin/', admin.site.urls),
path('', views.login),
path('login/', views.login),
]

4. 启动Web服务

执行命令

python manage.py runserver 127.0.0.1:8000

python manage.py runserver IP:8000

5. 查看效果

浏览器打开url： http://127.0.0.1:8000/

主要代码：

views.py

# -*- coding: utf-8 -*-
from django.shortcuts import render
import jiagu# Create your views here.
from django.shortcuts import render,redirectwords=""
keywords=""
knowledge=""
summarize=""
def login(request):# request 包含用户提交的所有信息words = ""keywords=""knowledge=""summarize=""text=""pos=""ner=""newPos={}newNer={}dict1 = {'B-PER':'人名','B-LOC':'地名','B-ORG':'机构名','I-PER':'人名','I-LOC':'地名','I-ORG':'机构名','O':'不是名词短语'}dict2 = {'n':'普通名词','nt':'时间名词','nd':'方位名词','nl':'处所名词','nh':'人名','nhf':'姓','nhs':'名',
'ns':'地名','nn':'族名','ni':'机构名','nz':'其他专名','v':'动词','a':'形容词','m':'数词','d':'副词','w':'标点符号','ws':'非汉字字符串','i':'习用语','j':'缩略语',
'r':'代词','p':'介词','c':'连词','u':'助词','e':'叹词','vd':'趋向动词','vl':'联系动词','vu':'能愿动词','x':'非语素字','m':'数词','q':'量词','mq':'待定','o':'拟声词','k':'后接成分'}if request.method == 'POST':inputText = request.POST.get('input',None)output = request.POST.get('output',None)text=inputTextwords = jiagu.seg(text)  # 分词，可以用model选择分词模式，不填则默认，mmseg则使用mmseg算法    if (len(text)<=6):try:keywords = jiagu.keywords(text, 1)except ValueError:print("关键词设置不当，请联系管理员！") elif (len(text)<=30):print(len(text))keywords = jiagu.keywords(text, 3)else:try:keywords = jiagu.keywords(text, 5)except ValueError:print("关键词设置不当，请联系管理员！")knowledge = jiagu.knowledge(text) # 知识抽取summarize = jiagu.summarize(text, 1) # 摘要pos = jiagu.pos(words)  # 词性标注ner = jiagu.ner(text)   # 命名实体识别
        j=len(pos)-1tmp=0tmp2=0while tmp<=j:k=pos[tmp]newPos[tmp]=(words[tmp],k,dict2[k])tmp=tmp+1i=len(ner)-1while tmp2<=i:t=ner[tmp2]newNer[tmp2]=(text[tmp2],t,dict1[t])tmp2=tmp2+1print(words)print(keywords)print(newPos)print(knowledge)return render(request, 'login.html',{"text":text,"words":words,"keywords":keywords,"knowledge":knowledge,"summarize":summarize,"pos":newPos,"ner":newNer})

View Code

<!DOCTYPE html>
<html lang="en">
<head><meta charset="UTF-8"><title>login</title><style>label{width: 80px;text-align: right;display: inline-block;}</style><link rel="stylesheet" type="text/css" href="/static/bootstrap/css/bootstrap.min.css" >
</head>
<body>
<div class="container"><form action="/login/" method="post" class="form-horizontal"><filedset><legend><lable> <span class="glyphicon glyphicon-home"></span>&nbsp;NLP自然语言处理 </lable></legend><div class="row"> <!--栅格系统，每row行共12列，分个3div，每1,3个div占3列，第2个div则占5列，即3列+5列+4列=12列--> <span class="glyphicon glyphicon-pencil"></span>&nbsp;请输入要处理的语言： <input type="text" name="input" placeholder="请输入你要处理的文本:例如:广州市" class="form-control" style="margin: 20px 0px 0px; height: 104px; width: 807px;" required  value={{text}} >       </div><div class="row">  <br><div class="col-sm-7 col-sm-offset-7">      <input type="submit" value="一键处理" class="btn btn-xs btn-primary" ><!-- <button  type="reset" value="Reset" class="btn btn-xs btn-warning"></button>--></div></div><legend><lable> <span class="glyphicon glyphicon-road"></span>&nbsp;分析结果 </lable></legend><br><div class="row">      <div class="col-sm-3"><span class="glyphicon glyphicon-scissors"></span>&nbsp;自动分词结果： </div><div class="col-sm-6">{%for output in words%}{{output}}{% endfor %}</div><div class="col-sm-3"></div></div><br><div class="row"><div class="col-sm-3" ><span class="glyphicon glyphicon-lock"></span>&nbsp;关键词获取结果： </div><div class="col-sm-6">{%for output in keywords%}{{output}}{% endfor %}</div><div class="col-sm-3"></div></div><br><div class="row"><div class="col-sm-3" ><span class="glyphicon glyphicon-font"></span>&nbsp;文本摘要： </div><div class="col-sm-6">{%for output in summarize%}{{output}}{% endfor %}</div><div class="col-sm-3"></div></div><br><div class="row"><div class="col-sm-3" ><span class="glyphicon glyphicon-cog"></span>&nbsp;词性分析： </div><div class="col-sm-6">{{pos}}</div><div class="col-sm-3"></div></div>  <br><div class="row"><div class="col-sm-3" ><span class="glyphicon glyphicon-th"></span>&nbsp;实体识别： </div><div class="col-sm-6">{{ner}}</div><div class="col-sm-3"></div></div>   <br><div class="row"><div class="col-sm-3" ><span class="glyphicon glyphicon-tree-deciduous"></span>&nbsp;知识图谱关系： </div><div class="col-sm-6">{{knowledge}}</div><div class="col-sm-3"></div></div>   </filedset></form>
</div></body>
</html>

View Code

附：用到的知识：

1. Django获取用户界面表单提交过来的数据

view.py中：

if request.method == 'POST':
# 获取用户通过post 提交过来的数据
inputText = request.POST.get('input',None)

html中：

<input type="text" name="input" value={{text}} >

2. Django返回用户界面数据并展示在html中

view.js中

return render(request, 'index.html',{"text":text,"words":words})

html中：

<div class="col-sm-6">
              {%for output in words%}
              {{output}}
              {% endfor %}
        </div>

转载于:https://www.cnblogs.com/xiaoer/p/11262456.html

自然语言处理NLP学习笔记三：使用Django做一个NLP的Web站点相关推荐

ROS学习笔记三：编写第一个ROS节点程序
在编写第一个ROS节点程序之前需要创建工作空间(workspace)和功能包(package). 一.创建工作空间(workspace) 创建一个catkin_ws: #注意:如果使用sudo一次性创 ...
利用计算机技术实现对文本篇章,自然语言处理NLP学习笔记一：概念与模型初探...
前言先来看一些demo,来一些直观的了解. 自然语言处理: 可以做中文分词,词性分析,文本摘要等,为后面的知识图谱做准备. 知识图谱: 还有2个实际应用的例子,加深对NLP的理解九歌机器人: 微软 ...
iView学习笔记(三)：表格搜索，过滤及隐藏列操作
iView学习笔记(三):表格搜索,过滤及隐藏某列操作 1.后端准备工作环境说明 python版本:3.6.6 Django版本:1.11.8 数据库:MariaDB 5.5.60 新建Django ...
J2EE学习笔记三：EJB基础概念和知识收藏
J2EE学习笔记三:EJB基础概念和知识收藏 EJB正是J2EE的旗舰技术,因此俺直接跳到这一章来了,前面的几章都是讲Servlet和JSP以及JDBC的,俺都懂一些.那么EJB和通常我们所说的Ja ...
tensorflow学习笔记(三十二):conv2d_transpose (解卷积)
tensorflow学习笔记(三十二):conv2d_transpose ("解卷积") deconv解卷积,实际是叫做conv_transpose, conv_transpose ...
Ethernet/IP 学习笔记三
Ethernet/IP 学习笔记三原文为硕士论文: 工业以太网Ethernet/IP扫描器的研发知网网址: http://kns.cnki.net/KCMS/detail/detail.aspx? ...
吴恩达《机器学习》学习笔记三——多变量线性回归
吴恩达<机器学习>学习笔记三--多变量线性回归一. 多元线性回归问题介绍 1.一些定义 2.假设函数二. 多元梯度下降法 1. 梯度下降法实用技巧:特征缩放 2. 梯度下降法的学习率 ...
Python基础学习笔记三
Python基础学习笔记三 print和import print可以用,分割变量来输出 import copy import copy as co from copy import deepcopy ...
Mr.J-- jQuery学习笔记(三十二)--jQuery属性操作源码封装
扫码看专栏 jQuery的优点 jquery是JavaScript库,能够极大地简化JavaScript编程,能够更方便的处理DOM操作和进行Ajax交互 1.轻量级 JQuery非常轻巧 2.强大的 ...

自然语言处理NLP学习笔记三：使用Django做一个NLP的Web站点

自然语言处理NLP学习笔记三：使用Django做一个NLP的Web站点相关推荐

最新文章

热门文章