我正在构建一个数据产品(一个NLP聊天应用程序),我正在为它学习flask,这样用户就可以有一个更好的UI来与我的产品交互。
我已经在flask中编写了以下代码,以获取用户输入并将其存储在变量中。
主.py
from flask import Flask, render_template, request
app = Flask(__name__)
@app.route('/')
def index():
return render_template('init.html')
@app.route('/handle_data', methods = ['POST', 'GET'])
def handle_data():
userQuestion = request.form['userQuestion']
print(userQuestion)
return render_template('init.html', userQuestion = userQuestion)
if __name__ == '__main__':
app.run()
初始.html
号
我已经处理了表单数据并将其存储在一个变量userQuestion中。我想将这个变量传递给另一个包含我的训练模型代码的python脚本。
文档2vec_main.py
import gensim
import nltk
import numpy
from gensim import models
from gensim import utils
from gensim import corpora
from nltk.stem import PorterStemmer
ps = PorterStemmer()
sentence0 = models.doc2vec.LabeledSentence(words=[u'sampling',u'what',u'is',u'sampling'],tags=["SENT_0"])
sentence1 = models.doc2vec.LabeledSentence(words=[u'sampling',u'tell',u'me',u'about',u'sampling'],tags=["SENT_1"])
sentence2 = models.doc2vec.LabeledSentence(words=[u'elig',u'what',u'is',u'my',u'elig'],tags=["SENT_2"])
sentence3 = models.doc2vec.LabeledSentence(words=[u'eligiblity',u'limit', u'what',u'is',u'my'],tags=["SENT_3"])
sentence4 = models.doc2vec.LabeledSentence(words=[u'eligiblity',u'claim',u'how',u'much',u'can',u'I'],tags=["SENT_4"])
sentence5 = models.doc2vec.LabeledSentence(words=[u'retir',u'eligibility',u'claim',u'i',u'am',u'how',u'much',u'can',u'i'],tags=["SENT_5"])
# ... list of all the training set.
# User inputs a question
document = input("Ask a question:")
tokenized_document = list(gensim.utils.tokenize(document, lowercase = True, deacc = True))
stemmed_document = []
for w in tokenized_document:
stemmed_document.append(ps.stem(w))
sentence19 = models.doc2vec.LabeledSentence(words= stemmed_document, tags=["SENT_19"])
sentences = [sentence0,sentence1,sentence2,sentence3, sentence4, sentence5,sentence6, sentence7, sentence8, sentence9, sentence10, sentence11, sentence12, sentence13, sentence14, sentence15, sentence16, sentence17, sentence18, sentence19]
model = models.Doc2Vec(size=4, alpha=0.25, min_alpha=.025, min_count=1)
model.build_vocab(sentences)
for epoch in range(30):
model.train(sentences, total_examples=model.corpus_count, epochs =
model.iter)
model.alpha -= 0.002
model.min_alpha = model.alpha
model.save("my_model.doc2vec")
model_loaded = models.Doc2Vec.load('my_model.doc2vec')
print (model.docvecs.most_similar(["SENT_19"]))
我的问题是,我找不到一种方法将doc2vec_main.py连接到main.py,并将userQuestion的值传递到doc2main.py中的document变量。脚本。也就是说,当用户在表单中输入一个问题并单击Submit时,表单的值将传递给EDOCX1中的document,其余脚本将运行。
我在网上搜了很多东西,但没用。你能给我推荐一种方法吗?我完全是个新手,所以请原谅我的任何错误。
从另一个文件导入变量可能重复?
你想这样做吗?python doc2vec_main.py arg1=来自烧瓶????
@craicerjack,在函数handle_data()之外使用userquestion,会引发错误"userquestion not defined"。
@Δημ?τρη?Φλ?ππο,我不这么认为。我的目标是构建一个应用程序,在这个应用程序中,用户通过表单输入问题,并在同一个网页中得到返回的答案。应该在后台自动调用doc2vec_main.py。它应该接受输入并给出输出。
然后把你的应用集成到烧瓶上,你为什么要把它分开?烧瓶很容易伸长。将您的文件导入Flask主应用程序并执行您的操作,另外handledata不是一个全局函数,它是一个仅在用户发送请求时触发的Flask规则。
@Δημ?τρη?Φλ?ππψ,那我该如何利用用户问题呢?
我找到了一个可能的解决办法。在python脚本文件中导入sys
当您像这样运行脚本时->python doc2vec_main.py"这里有问题"
您可以通过
>>> import sys
>>> print(sys.argv)
>>>['doc2vec_main.py', 'question here']
所以你可以简单地用这个
document = sys.argv[1]
号
好吧,我们找到了手动的方法,但是你需要用烧瓶自动完成。
烧瓶内附件import os
然后当您想执行外部脚本时,请执行以下操作
os.system("python doc2vec_main.py %s") % request.form['userQuestion']
你知道这会奏效,但只在一个应用程序中这样做会更好吗?这样会更好。
我认为这种方法不适合我的目的。我接受了您关于将我的Python脚本集成到烧瓶中的建议,它起到了作用。
import gensim
import nltk
import numpy
from gensim import models
from gensim import utils
from gensim import corpora
from nltk.stem import PorterStemmer
ps = PorterStemmer()
# load the model here
model_loaded = models.Doc2Vec.load('my_model.doc2vec')
from flask import Flask, render_template, request
app = Flask(__name__)
@app.route('/')
def index():
return render_template('init.html')
@app.route('/handle_data', methods = ['POST', 'GET'])
def handle_data():
userQuestion = request.form['userQuestion']
print(userQuestion)
q_vector = doc2vec_main(userQuestion)
return render_template('init.html', userQuestion = userQuestion)
def doc2vec_main(document):
"""whatever you want to do with your pre-trained doc2vec model can go here. I assume that doc2vec_main meant to return vector for a given document. for training part of the code you should write a separate function."""
# your code here!
return"replace this with your vector"
if __name__ == '__main__':
app.run()
。
将脚本放入flask应用程序的另一个模块中,在一个函数下,将要处理的变量作为参数:
import gensim
import nltk
import numpy
from gensim import models
from gensim import utils
from gensim import corpora
from nltk.stem import PorterStemmer
def doc2vec(user_question):
# your code here...
在handle_data flask视图中,只需将值从表单传递到函数。考虑到这在您的函数很昂贵的情况下不起作用,所以您不能在正常的请求/响应HTTP流期间等待结果。