構建語言翻譯應用

概述

本指南將引導您構建和執行一個語言翻譯應用程式。您將使用 Python 和 Googletrans 構建應用程式，然後使用 Docker 設定環境並執行應用程式。

該應用程式演示了 Googletrans 庫在語言翻譯方面的簡單而實際的應用，展示了基本的 Python 和 Docker 概念。Googletrans 是一個免費且無限制的 Python 庫，它實現了谷歌翻譯 API。它使用谷歌翻譯 Ajax API 呼叫檢測和翻譯等方法。

先決條件

• 您已安裝最新版本的 Docker Desktop。Docker 會定期新增新功能，本指南的某些部分可能僅適用於最新版本的 Docker Desktop。
• 您有一個 Git 客戶端。本節中的示例使用基於命令列的 Git 客戶端，但您可以使用任何客戶端。

獲取示例應用程式

1. 開啟一個終端，並使用以下命令克隆示例應用程式的儲存庫。

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

2. 驗證您已克隆該儲存庫。

   您應該在您的 Docker-NLP 目錄中看到以下檔案。

   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

探索應用程式程式碼

應用程式的原始碼位於 Docker-NLP/05_language_translation.py 檔案中。在文字或程式碼編輯器中開啟 05_language_translation.py，以便在以下步驟中探索其內容。

1. 匯入所需的庫。

   from googletrans import Translator

   此行從 googletrans 匯入 Translator 類。Googletrans 是一個 Python 庫，提供了對谷歌翻譯 AJAX API 的介面。

2. 指定主執行塊。

   if __name__ == "__main__":

   這個 Python 慣用法確保了以下程式碼塊僅在該指令碼是主程式時執行。它提供了靈活性，允許該指令碼既可以作為獨立程式執行，也可以作為匯入的模組使用。

3. 建立一個無限迴圈以進行連續輸入。

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

   這裡建立了一個無限迴圈，以不斷提示您輸入文字，確保互動性。當您輸入 exit 時，迴圈會中斷，讓您可以有效地控制應用程式流程。

4. 建立一個 Translator 例項。

         translator = Translator()

   這將建立一個 Translator 類的例項，用於執行翻譯。

5. 翻譯文字。

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

   這裡，呼叫了 `translator.translate` 方法，並傳入了使用者輸入。`dest='fr'` 引數指定了翻譯的目標語言是法語。`.text` 屬性獲取翻譯後的字串。有關可用語言程式碼的更多詳細資訊，請參閱 Googletrans 文件。

6. 列印原文和翻譯後的文字。

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

   這兩行程式碼列印使用者輸入的原文和翻譯後的文字。

7. 建立 requirements.txt。示例應用程式已包含 requirements.txt 檔案，用於指定應用程式匯入的必要模組。在程式碼或文字編輯器中開啟 requirements.txt 以探索其內容。

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

   對於語言翻譯應用程式，只需要 googletrans。

探索應用程式環境

您將使用 Docker 在容器中執行該應用程式。Docker 允許您將應用程式容器化，為其執行提供一個一致且隔離的環境。這意味著無論底層系統有何差異，應用程式都將在其 Docker 容器內按預期執行。

要在容器中執行應用程式，需要一個 Dockerfile。Dockerfile 是一個文字文件，包含了您在命令列上為構建映象而呼叫的所有命令。映象是帶有建立 Docker 容器指令的只讀模板。

示例應用程式已包含一個 Dockerfile。在程式碼或文字編輯器中開啟 Dockerfile 以探索其內容。

以下步驟解釋了 Dockerfile 的每個部分。有關更多詳細資訊，請參閱 Dockerfile 參考。

1. 指定基礎映象。

   FROM python:3.8-slim

   此命令為構建奠定了基礎。python:3.8-slim 是 Python 3.8 映象的輕量級版本，針對大小和速度進行了最佳化。使用這個 slim 映象可以減小 Docker 映象的整體大小，從而加快下載速度並減少安全漏洞的攻擊面。這對於可能不需要完整標準 Python 映象的基於 Python 的應用程式尤其有用。

2. 設定工作目錄。

   WORKDIR /app

   WORKDIR 設定 Docker 映象內當前的工作目錄。透過將其設定為 /app，您可以確保 Dockerfile 中的所有後續命令（如 COPY 和 RUN）都在此目錄中執行。這也有助於組織您的 Docker 映象，因為所有與應用程式相關的檔案都包含在一個特定目錄中。

3. 將 requirements 檔案複製到映象中。

   COPY requirements.txt /app

   COPY 命令將 requirements.txt 檔案從您的本地計算機傳輸到 Docker 映象中。該檔案列出了應用程式所需的所有 Python 依賴項。將其複製到容器中，可以讓下一個命令（RUN pip install）在映象環境中安裝這些依賴項。

4. 在映象中安裝 Python 依賴項。

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

   這一行使用 Python 的包安裝程式 pip 來安裝 requirements.txt 中列出的包。--no-cache-dir 選項停用了快取，透過不儲存不必要的快取資料來減小 Docker 映象的大小。

5. 執行其他命令。

   RUN python -m spacy download en_core_web_sm

   此步驟特定於需要 spaCy 庫的 NLP 應用程式。它會下載 en_core_web_sm 模型，這是一個用於 spaCy 的小型英語語言模型。雖然此應用不需要，但為了與可能使用此 Dockerfile 的其他 NLP 應用程式相容而包含它。

6. 將應用程式程式碼複製到映象中。

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

   這些命令將您的 Python 指令碼和 entrypoint.sh 指令碼複製到映象的 /app 目錄中。這至關重要，因為容器需要這些指令碼來執行應用程式。entrypoint.sh 指令碼尤其重要，因為它決定了應用程式在容器內如何啟動。

7. 為 entrypoint.sh 指令碼設定許可權。

   RUN chmod +x /app/entrypoint.sh

   此命令修改 entrypoint.sh 的檔案許可權，使其可執行。此步驟是必要的，以確保 Docker 容器可以執行此指令碼來啟動應用程式。

8. 設定入口點。

   ENTRYPOINT ["/app/entrypoint.sh"]

   ENTRYPOINT 指令將容器配置為執行 entrypoint.sh 作為其預設可執行檔案。這意味著當容器啟動時，它會自動執行該指令碼。

   您可以透過在程式碼或文字編輯器中開啟 entrypoint.sh 指令碼來探索它。由於示例包含多個應用程式，該指令碼允許您指定容器啟動時要執行哪個應用程式。

執行應用程式

要使用 Docker 執行應用程式

1. 構建映象。

   在終端中，在 Dockerfile 所在目錄內執行以下命令。

   $ docker build -t basic-nlp .
   

   以下是對該命令的分解：

   • docker build: 這是用於從 Dockerfile 和上下文構建 Docker 映象的主要命令。上下文通常是位於指定位置的一組檔案，通常是包含 Dockerfile 的目錄。
   • -t basic-nlp: 這是一個用於標記映象的選項。-t 標誌代表 tag（標籤）。它為映象分配一個名稱，在本例中是 basic-nlp。標籤是以後引用映象的便捷方式，尤其是在將它們推送到登錄檔或執行容器時。
   • .: 這是命令的最後一部分，指定了構建上下文。句點 (.) 表示當前目錄。Docker 將在此目錄中查詢 Dockerfile。構建上下文（在本例中為當前目錄）被髮送到 Docker 守護程序以啟用構建。它包括指定目錄中的所有檔案和子目錄。

   有關更多詳細資訊，請參閱 docker build CLI 參考。

   Docker 在構建映象時會向您的控制檯輸出多個日誌。您會看到它下載並安裝依賴項。根據您的網路連線情況，這可能需要幾分鐘時間。Docker 確實有快取功能，因此後續構建可能會更快。完成後，控制檯將返回到提示符。

2. 將映象作為容器執行。

   在終端中，執行以下命令。

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

   以下是對該命令的分解：

   • docker run: 這是用於從 Docker 映象執行新容器的主要命令。
   • -it: 這是兩個選項的組合：
     • -i 或 --interactive: 即使未附加，也保持標準輸入 (STDIN) 開啟。它使容器能夠在前臺執行並保持互動。
     • -t 或 --tty: 這會分配一個偽 TTY，本質上是模擬一個終端，如命令提示符或 shell。它讓您能夠與容器內的應用程式進行互動。
   • basic-nlp: 這指定了用於建立容器的 Docker 映象的名稱。在本例中，它是您使用 `docker build` 命令建立的名為 `basic-nlp` 的映象。
   • 05_language_translation.py: 這是您想在 Docker 容器內執行的指令碼。它被傳遞給 entrypoint.sh 指令碼，該指令碼在容器啟動時執行它。

   有關更多詳細資訊，請參閱 docker run CLI 參考。

   注意

   對於 Windows 使用者，執行容器時可能會出現錯誤。請驗證 entrypoint.sh 中的行尾是 LF (\n) 而不是 CRLF (\r\n)，然後重新構建映象。有關更多詳細資訊，請參閱[避免意外的語法錯誤，為容器中的檔案使用 Unix 風格的行尾](/desktop/troubleshoot-and-support/troubleshoot/topics/#Unexpected-syntax-errors-use-Unix-style-line endings-for-files-in-containers)。

   容器啟動後，您將在控制檯中看到以下內容。

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

3. 測試應用程式。

   輸入一些文字以獲得文字摘要。

   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?
   

摘要

在本指南中，您學習瞭如何構建和執行語言翻譯應用程式。您學習瞭如何使用 Python 和 Googletrans 構建應用程式，然後使用 Docker 設定環境並執行應用程式。

相關資訊

• Docker CLI 參考
• Dockerfile 參考
• Googletrans
• Python 文件

後續步驟

探索更多自然語言處理指南。