构建语言翻译应用程序

概述

本指南将引导您完成构建和运行语言翻译应用程序的过程。您将使用 Python 和 Googletrans 构建应用程序，然后使用 Docker 设置环境并运行应用程序。

该应用程序演示了 Googletrans 库对语言翻译的一个简单但实用的用法，展示了基本的 Python 和 Docker 概念。Googletrans 是一个免费且无限的 Python 库，它实现了 Google Translate API。它使用 Google Translate Ajax API 来调用检测和翻译等方法。

先决条件

• 您已安装最新版本的Docker Desktop。Docker 定期添加新功能，本指南的某些部分可能仅适用于最新版本的 Docker Desktop。
• 您有一个Git 客户端。本节中的示例使用基于命令行的 Git 客户端，但您可以使用任何客户端。

获取示例应用程序

1. 打开终端，并使用以下命令克隆示例应用程序的存储库。

   $ git clone https://github.com/harsh4870/Docker-NLP.git
   

2. 验证您是否克隆了存储库。

   您应该在您的 `Docker-NLP` 目录中看到以下文件。

   01_sentiment_analysis.py
   02_name_entity_recognition.py
   03_text_classification.py
   04_text_summarization.py
   05_language_translation.py
   entrypoint.sh
   requirements.txt
   Dockerfile
   README.md

浏览应用程序代码

应用程序的源代码位于 `Docker-NLP/05_language_translation.py` 文件中。在文本或代码编辑器中打开 `05_language_translation.py`，以以下步骤浏览其内容。

1. 导入所需的库。

   from googletrans import Translator

   此行从 `googletrans` 导入 `Translator` 类。Googletrans 是一个 Python 库，它为 Google Translate 的 AJAX API 提供了接口。

2. 指定主执行块。

   if __name__ == "__main__":

   此 Python 习惯用法确保以下代码块仅在该脚本为主程序时才运行。它提供了灵活性，允许脚本既可以作为独立程序运行，也可以作为导入的模块运行。

3. 创建用于连续输入的无限循环。

      while True:
         input_text = input("Enter the text for translation (type 'exit' to end): ")
   
         if input_text.lower() == 'exit':
            print("Exiting...")
            break

   此处建立一个无限循环，以连续提示您输入文本，确保交互性。当您键入 `exit` 时，循环中断，允许您有效地控制应用程序流程。

4. 创建 Translator 的实例。

         translator = Translator()

   这将创建一个 Translator 类的实例，该实例执行翻译。

5. 翻译文本。

         translated_text = translator.translate(input_text, dest='fr').text

   在这里，使用用户输入调用 `translator.translate` 方法。`dest='fr'` 参数指定翻译的目标语言为法语。`.text` 属性获取翻译后的字符串。有关可用语言代码的更多详细信息，请参阅Googletrans 文档。

6. 打印原始文本和翻译后的文本。

         print(f"Original Text: {input_text}")
         print(f"Translated Text: {translated_text}")

   这两行打印用户输入的原始文本和翻译后的文本。

7. 创建 `requirements.txt`。示例应用程序已包含 `requirements.txt` 文件，以指定应用程序导入的必要模块。在代码或文本编辑器中打开 `requirements.txt` 以浏览其内容。

   ...
   
   # 05 language_translation
   googletrans==4.0.0-rc1

   语言翻译应用程序只需要 `googletrans`。

浏览应用程序环境

您将使用 Docker 在容器中运行应用程序。Docker 允许您容器化应用程序，为运行应用程序提供一致且隔离的环境。这意味着应用程序将在其 Docker 容器中按预期运行，而不管底层系统的差异。

要在容器中运行应用程序，需要一个 Dockerfile。Dockerfile 是一个文本文档，其中包含您将在命令行上调用的所有命令以组装镜像。镜像是一个只读模板，其中包含创建 Docker 容器的说明。

示例应用程序已经包含一个 `Dockerfile`。在代码或文本编辑器中打开 `Dockerfile` 以浏览其内容。

以下步骤解释了 `Dockerfile` 的每个部分。有关更多详细信息，请参阅Dockerfile 参考。

1. 指定基础镜像。

   FROM python:3.8-slim

   此命令为构建奠定了基础。`python:3.8-slim` 是 Python 3.8 镜像的轻量级版本，针对大小和速度进行了优化。使用此精简镜像可减小 Docker 镜像的整体大小，从而加快下载速度并减少安全漏洞的攻击面。这对于基于 Python 的应用程序尤其有用，在这些应用程序中，您可能不需要完整的标准 Python 镜像。

2. 设置工作目录。

   WORKDIR /app

   `WORKDIR` 设置 Docker 镜像中的当前工作目录。将其设置为 `/app`，您可以确保 Dockerfile 中所有后续命令（如 `COPY` 和 `RUN`）都在此目录中执行。这也有助于组织您的 Docker 镜像，因为所有与应用程序相关的文件都包含在特定目录中。

3. 将 requirements 文件复制到镜像中。

   COPY requirements.txt /app

   `COPY` 命令将 `requirements.txt` 文件从您的本地机器传输到 Docker 镜像中。此文件列出了应用程序所需的所有 Python 依赖项。将其复制到容器中，允许下一个命令（`RUN pip install`）在镜像环境中安装这些依赖项。

4. 在镜像中安装 Python 依赖项。

   RUN pip install --no-cache-dir -r requirements.txt

   此行使用 `pip`（Python 的包安装程序）来安装 `requirements.txt` 中列出的包。`--no-cache-dir` 选项禁用缓存，通过不存储不必要的缓存数据来减小 Docker 镜像的大小。

5. 运行其他命令。

   RUN python -m spacy download en_core_web_sm

   此步骤特定于需要 spaCy 库的 NLP 应用程序。它下载 `en_core_web_sm` 模型，这是一个用于 spaCy 的小型英语语言模型。虽然此应用程序不需要此模型，但为了与可能使用此 Dockerfile 的其他 NLP 应用程序兼容，它已包含在内。

6. 将应用程序代码复制到镜像中。

   COPY *.py /app
   COPY entrypoint.sh /app

   这些命令将你的 Python 脚本和entrypoint.sh脚本复制到镜像的/app目录中。这至关重要，因为容器需要这些脚本才能运行应用程序。entrypoint.sh脚本尤其重要，因为它决定了应用程序在容器内如何启动。

7. 设置entrypoint.sh脚本的权限。

   RUN chmod +x /app/entrypoint.sh

   此命令修改entrypoint.sh的文件权限，使其可执行。此步骤对于确保 Docker 容器能够运行此脚本以启动应用程序是必要的。

8. 设置入口点。

   ENTRYPOINT ["/app/entrypoint.sh"]

   ENTRYPOINT指令配置容器以entrypoint.sh作为其默认可执行文件运行。这意味着当容器启动时，它会自动执行该脚本。

   你可以通过在代码或文本编辑器中打开它来浏览entrypoint.sh脚本。由于示例包含多个应用程序，因此该脚本允许你指定容器启动时要运行哪个应用程序。

运行应用程序

使用 Docker 运行应用程序

1. 构建镜像。

   在终端中，在Dockerfile所在目录内运行以下命令。

   $ docker build -t basic-nlp .
   

   以下是命令的分解：

   • docker build：这是用于根据 Dockerfile 和上下文构建 Docker 镜像的主要命令。上下文通常是一组指定位置的文件，通常是包含 Dockerfile 的目录。
   • -t basic-nlp：这是标记镜像的选项。-t标志代表标签。它为镜像分配一个名称，在本例中为basic-nlp。标签是以后引用镜像的便捷方式，尤其是在将它们推送到注册表或运行容器时。
   • .：这是命令的最后一部分，它指定构建上下文。句点 (.) 表示当前目录。Docker 将在此目录中查找 Dockerfile。构建上下文（在本例中为当前目录）将发送到 Docker 守护程序以启用构建。它包括指定目录中的所有文件和子目录。

   更多详情，请参见docker build CLI 参考。

   Docker 在构建镜像时会向你的控制台输出多个日志。你会看到它下载并安装依赖项。根据你的网络连接，这可能需要几分钟时间。Docker 具有缓存功能，因此后续构建速度更快。完成后，控制台将返回提示符。

2. 将镜像作为容器运行。

   在终端中，运行以下命令。

   $ docker run -it basic-nlp 05_language_translation.py
   

   以下是命令的分解：

   • docker run：这是用于根据 Docker 镜像运行新容器的主要命令。
   • -it：这是两个选项的组合：
     • -i 或 --interactive：即使未附加，这也保持标准输入 (STDIN) 打开。它允许容器在前台保持运行并具有交互性。
     • -t 或 --tty：这分配一个伪 TTY，基本上模拟一个终端，例如命令提示符或 shell。它使你能够与容器内的应用程序进行交互。
   • basic-nlp：这指定了用于创建容器的 Docker 镜像的名称。在本例中，它是使用docker build命令创建的名为basic-nlp的镜像。
   • 05_language_translation.py：这是你想要在 Docker 容器内运行的脚本。它被传递给entrypoint.sh脚本，该脚本在容器启动时运行它。

   更多详情，请参见docker run CLI 参考。

   注意

   对于 Windows 用户，运行容器时可能会出现错误。请验证entrypoint.sh中的行尾为LF (\n) 而不是CRLF (\r\n)，然后重新构建镜像。更多详情，请参见避免意外的语法错误，为容器中的文件使用 Unix 样式的行尾。

   容器启动后，你将在控制台中看到以下内容。

   Enter the text for translation (type 'exit' to end):
   

3. 测试应用程序。

   输入一些文本以获取文本摘要。

   Enter the text for translation (type 'exit' to end): Hello, how are you doing?
   Original Text: Hello, how are you doing?
   Translated Text: Bonjour comment allez-vous?
   

总结

在本指南中，你学习了如何构建和运行语言翻译应用程序。你学习了如何使用 Python 和 Googletrans 构建应用程序，然后使用 Docker 设置环境并运行应用程序。

相关信息

• Docker CLI 参考
• Dockerfile 参考
• Googletrans
• Python 文档

后续步骤

探索更多自然语言处理指南。