构建语言翻译应用程序

Table of contents

概述

本指南将带你构建并运行一个语言翻译应用程序。你将使用 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。

该应用程序展示了 Googletrans 库在语言翻译中的简单但实用的应用，涵盖了基本的 Python 和 Docker 概念。Googletrans 是一个免费且无限制的 Python 库，实现了 Google Translate API。它使用 Google Translate Ajax API 来调用诸如 detect 和 translate 等方法。

前置条件

你已安装最新版本的 Docker Desktop。Docker 定期添加新功能，本指南中的某些部分可能仅与 Docker Desktop 的最新版本兼容。
你已安装 Git 客户端。本节示例使用基于命令行的 Git 客户端，但你可以使用任何客户端。

获取示例应用程序

打开终端，使用以下命令克隆示例应用程序的仓库。
$ git clone https://github.com/harsh4870/Docker-NLP.git

验证你已克隆仓库。

你应该在 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

探索应用程序代码

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 以在以下步骤中探索其内容。

导入所需的库。
from googletrans import Translator
此行从 googletrans 导入 Translator 类。Googletrans 是一个 Python 库，提供对 Google Translate 的 AJAX API 的接口。
指定主执行块。
if __name__ == "__main__":
此 Python 习语确保以下代码块仅在此脚本作为主程序时运行。它提供了灵活性，允许脚本既作为独立程序又作为导入模块运行。

创建一个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

此处建立了一个无限循环，持续提示你输入文本，确保交互性。当你输入 exit 时循环中断，允许你有效控制应用程序流程。

创建 Translator 实例。
translator = Translator()
这创建了 Translator 类的实例，执行翻译。
翻译文本。
translated_text = translator.translate(input_text, dest='fr').text
此处调用 translator.translate 方法并传入用户输入。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。

打印原始文本和翻译文本。

      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。

创建 requirements.txt。示例应用程序已包含 requirements.txt 文件，用于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 以探索其内容。
... # 05 language_translation googletrans==4.0.0-rc1
语言翻译应用程序仅需要 googletrans。

探索应用程序环境

你将使用 Docker 在容器中运行应用程序。Docker 让你将应用程序容器化，提供一致且隔离的运行环境。这意味着应用程序将在其 Docker 容器内按预期运行，无论底层系统差异如何。

要在容器中运行应用程序，需要 Dockerfile。Dockerfile 是一个文本文档，包含组装镜像所需的所有命令。镜像是一个只读模板，包含创建 Docker 容器的指令。

示例应用程序已包含 Dockerfile。在代码或文本编辑器中打开 Dockerfile 以探索其内容。

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

指定基础镜像。
FROM python:3.8-slim
此命令设置构建的基础。python:3.8-slim 是 Python 3.8 镜像的轻量版本，针对大小和速度进行了优化。使用此精简镜像可减少 Docker 镜像的整体大小，加快下载速度，并减少安全漏洞的攻击面。这对于可能不需要完整标准 Python 镜像的基于 Python 的应用程序特别有用。
设置工作目录。
WORKDIR /app
WORKDIR 设置 Docker 镜像内的当前工作目录。通过将其设置为 /app，你确保 Dockerfile 中的所有后续命令（如 COPY 和 RUN）都在此目录中执行。这也有助于组织 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。
将需求文件复制到镜像中。
COPY requirements.txt /app
COPY 命令将 requirements.txt 文件从本地机器传输到 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。
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）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少 Docker 镜像的大小。
运行其他命令。
RUN python -m spacy download en_core_web_sm
此步骤针对需要 spaCy 库的 NLP 应用程序。它下载 en_core_web_sm 模型，这是 spaCy 的小型英语语言模型。虽然此应用程序不需要，但为了与其他可能使用此 Dockerfile 的 NLP 应用程序兼容而包含它。
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。这很关键，因为容器需要这些脚本来运行应用程序。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。
设置 entrypoint.sh 脚本的权限。
RUN chmod +x /app/entrypoint.sh
此命令修改 entrypoint.sh 文件的权限，使其可执行。此步骤是必要的，以确保 Docker 容器可以运行此脚本来启动应用程序。
设置入口点。
ENTRYPOINT ["/app/entrypoint.sh"]
ENTRYPOINT 指令配置容器在启动时自动运行 entrypoint.sh 作为默认可执行文件。

你可以在代码或文本编辑器中打开 entrypoint.sh 脚本以探索其内容。由于示例包含多个应用程序，该脚本允许你在容器启动时指定要运行哪个应用程序。

运行应用程序

要使用 Docker 运行应用程序：

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：这是从 Dockerfile 和上下文构建 Docker 镜像的主要命令。上下文通常是位于指定位置的一组文件，通常是包含 Dockerfile 的目录。
- -t basic-nlp：这是用于标记镜像的选项。-t 标志代表标签。它为镜像分配一个名称，在此情况下为 basic-nlp。标签是稍后引用镜像的便捷方式，特别是在将镜像推送到注册表或运行容器时。
- .：这是命令的最后一部分，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）被发送到 Docker 守护进程以启用构建。它包括指定目录中的所有文件和子目录。
有关更多详细信息，请参阅 docker build CLI 参考。

Docker 在构建镜像时会向控制台输出多个日志。你将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。Docker 确实具有缓存功能，因此后续构建可能更快。完成后控制台将返回提示符。
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：这是从 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：这即使未连接也保持标准输入（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，本质上模拟终端，如命令提示符或 shell。它让你可以与容器内的应用程序交互。
- basic-nlp：这指定用于创建容器的 Docker 镜像的名称。在本例中，它是你使用 docker build 命令创建的名为 basic-nlp 的镜像。
- 05_language_translation.py：这是你希望在 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。
有关更多详细信息，请参阅 docker run CLI 参考。

Note

对于 Windows 用户，运行容器时可能会遇到错误。验证 entrypoint.sh 中的行尾是 LF（\n）而不是 CRLF（\r\n），然后重建镜像。更多详细信息，请参阅避免意外语法错误，对容器中的文件使用 Unix 风格的行尾。

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):

测试应用程序。

输入一些文本以获取文本翻译。

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，你学习了如何构建并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。

后续步骤

探索更多自然语言处理指南。

Ask me about Docker

构建语言翻译应用程序