一、手把手教你如何文心一言发布词云插件

词云是一种数据可视化技术，它通过形成“关键词云层”或“关键词渲染”，对网络文本中出现频率较高的“关键词”予以视觉上的突出，从而过滤掉大量的文本信息，使浏览者只要一眼扫过文本就可以领略文本的主旨。

二、实现

1.思路

使用flask发布服务，供文心一言插件定义端调用。

2.跨域

因为是要访问yiyan，首先必须解决的就是跨域问题。

app = Flask(__name__)
CORS(app, resources={r"/*": {"origins": "https://yiyan.baidu.com"}})

3.词分析

• 从页面获取query信息
• 从页面获取文件url【如果是上传的文件的话】
• 接下来对文本进行分割
• 调用词云库生成词云

@app.route('/analyze/word/cloud', methods=['POST'])  
async def analyzeWordCloud():
    request_data = request.get_json()
    query = request_data.get("query")
    url = request_data.get("fileUrl")

    content = ''
    try:
        response = requests.get(url) 
        with open(output_file, 'wb') as f:  
            f.write(response.content)
        file = open(output_file, 'r') 
        content = file.read()
    except Exception as e: 
        print("获取文件结果出错")


    text = ''
    if content != '':
        text = word_segment(content)
    else:    
        text=word_segment(query)

    # 生成词云
    output_filename = "alice_cloud.png"
    generate_wordcloud(text, output_filename)

4.信息反馈

• 流式信息返回，用于调试。
• 最终的返回值才是要展示的。

    def event_stream():
        
        json_data1 = {"errCode": "statistics","actionName": "进行词频统计","actionContent": "词频统计完成"}
        yield f"data:{json.dumps(json_data1, ensure_ascii=False)}nn"
        time.sleep(5)       

        json_data2 = {"errCode": "generate","actionName": "正在生成词云图","actionContent": "词云图生成完成"}
        yield f"data:{json.dumps(json_data2, ensure_ascii=False)}nn"
        time.sleep(5)
        
        json_data_result = {"errCode": "output", "actionName": "正在输出词云图", "actionContent": "词云图输出完成", "result": url, "prompt": "result是图片链接,请用mark语法将这个链接展示给用户, 以下是一个例子: 比如result是 https://www.erniebotplugins.cn:8081/read_image/alice_cloud.png, 你应该返回![词云](https://www.erniebotplugins.cn:8081/read_image/alice_cloud.png)"}
        # json_data_result = {"errCode": "output", "actionName": "正在输出词云图", "actionContent": "词云图输出完成", "result": url, "prompt": "result是图片链接,请用mark语法将这个链接展示给用户, 以下是一个例子: 比如result是 https://www.erniebotplugins.cn:8081/read_image/alice_cloud.png, 你应该返回 [词云图片下载地址](https://www.erniebotplugins.cn:8081/read_image/alice_cloud.png)"}
        yield f"data:{json.dumps(json_data_result, ensure_ascii=False)}nn"

    return app.response_class(event_stream(), mimetype='text/event-stream')

5.分词

• 使用jieba进行分词，嘿嘿嘿
• 然后进行统计，统计各个词出现频次

def word_segment(text):
    '''
    通过jieba进行分词并通过空格分隔,返回分词后的结果
    '''

    # 计算每个词出现的频率，并存入txt文件
    jieba_word=jieba.cut(text, cut_all=False) # cut_all是分词模式，True是全模式，False是精准模式，默认False
    data=[]
    for word in jieba_word:
        data.append(word)
    dataDict=Counter(data)
    with open('词频统计.txt','w') as fw:
        for k,v in dataDict.items():
            fw.write("%s,%dn" % (k,v))
        #  fw.write("%s"%dataDict)

    # 返回分词后的结果
    jieba_word=jieba.cut(text,cut_all=False) # cut_all是分词模式，True是全模式，False是精准模式，默认False
    seg_list=' '.join(jieba_word)
    return seg_list

6.生成词云

• 调用mask图片
• 调用字体
• 按要求生成词云图

def generate_wordcloud(text, output_filename):
    '''
    输入文本生成词云,如果是中文文本需要先进行分词处理
    '''
    # 设置显示方式
    d=path.dirname(__file__)
    alice_mask = np.array(Image.open(path.join(d, "alice_mask.png")))
    font_path=path.join(d,"msyh.ttf")
    stopwords = set(STOPWORDS)
    wc = WordCloud(background_color="white",# 设置背景颜色
           max_words=2000, # 词云显示的最大词数  
           mask=alice_mask,# 设置背景图片       
           stopwords=stopwords, # 设置停用词
           font_path=font_path, # 兼容中文字体，不然中文会显示乱码
                  )

    # 生成词云 
    wc.generate(text)
    # 生成的词云图像保存到本地
    wc.to_file(path.join(d, output_filename))

7.返回词云图

• 因为生成的图不是在flask的static目录，所以访问就需要方法暴露出去，此处写了一个暴露资源方法，将image返回到一言界面。

@app.route("/read_image/<path:filename>")
def get_file(filename):  
    return send_file(filename, mimetype='image/png')

8.运行服务

• 声明绑定的ip
• 声明端口
• 声明ssl配置
• 声明是否属于debug模式

if __name__ == '__main__':
    app.run(debug=True, host='0.0.0.0', ssl_context=( 'erniebotplugins.cn_bundle.crt','erniebotplugins.cn.key'), port=8081)