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
-admin命令来创建一个叫ai的项目
linux下命令：
linux下默认安装目录是：/usr/local/python3/lib/python3.7/site-packages/django/bin/
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
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）：
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/'
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
urlpatterns = [
path('admin/', admin.site.urls),
path('', views.login),
path('login/', views.login),
]
执行命令
views.py
# -*- coding: utf-8 -*- from django.shortcuts import render import jiagu # Create your views here. from django.shortcuts import render,redirect words="" 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=inputText words = 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)-1 tmp=0 tmp2=0 while tmp<=j: k=pos[tmp] newPos[tmp]=(words[tmp],k,dict2[k]) tmp=tmp+1 i=len(ner)-1 while tmp2<=i: t=ner[tmp2] newNer[tmp2]=(text[tmp2],t,dict1[t]) tmp2=tmp2+1 print(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}) login.html
<!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> 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> 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> 分析结果 </lable></legend> <br> <div class="row"> <div class="col-sm-3"><span class="glyphicon glyphicon-scissors"></span> 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> 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> 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> 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> 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> 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> 附：用到的知识：
view.py中：
html中：
view.js中
html中：