建置語言翻譯應用程式

概觀

本指南將引導您建置和執行語言翻譯應用程式。您將使用 Python 和 Googletrans 建置應用程式，然後設定環境並使用 Docker 執行應用程式。

該應用程式示範了 Googletrans 函式庫在語言翻譯方面的簡單但實用的用法，展示了基本的 Python 和 Docker 概念。Googletrans 是一個免費且無限制的 Python 函式庫，它實作了 Google 翻譯 API。它使用 Google 翻譯 Ajax API 來呼叫偵測和翻譯等方法。

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 用戶端。本節中的範例使用基於命令列的 Git 用戶端，但您可以使用任何用戶端。

取得範例應用程式

1. 開啟終端機，並使用以下命令複製範例應用程式的儲存庫。

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

2. 驗證您已複製儲存庫。

   您應該在 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 以在以下步驟中探索其內容。

1. 匯入所需的函式庫。

   from googletrans import Translator

   此行從 googletrans 匯入 Translator 類別。Googletrans 是一個 Python 函式庫，它提供了 Google 翻譯 AJAX API 的介面。

2. 指定主要執行區塊。

   if __name__ == "__main__":

   這個 Python 語法確保只有當此腳本是主要程式時才會執行以下程式碼區塊。它提供了彈性，允許腳本既可以作為獨立程式，也可以作為匯入的模組運作。

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

   此處建立了一個無限迴圈，以持續提示您輸入文字，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 Translator 的執行個體。

         translator = Translator()

   這將建立 Translator 類別的執行個體，它會執行翻譯。

5. 翻譯文字。

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

   此處，使用使用者輸入呼叫 translator.translate 方法。 dest='fr' 參數指定翻譯的目標語言是法文。 .text 屬性會取得翻譯後的字串。有關可用語言代碼的更多詳細資訊，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}")

   這兩行會列印使用者輸入的原文和翻譯後的文字。

7. 建立 `requirements.txt`。範例應用程式已包含 `requirements.txt` 檔案，用於指定應用程式匯入所需的模組。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

   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 在容器中執行應用程式。Docker 可讓您將應用程式容器化，提供一致且隔離的環境來執行它。這表示應用程式將在其 Docker 容器中按預期運作，無論底層系統差異如何。

要在容器中執行應用程式，需要一個 Dockerfile。Dockerfile 是一個文字文件，其中包含您在命令列上呼叫的所有命令，以組裝映像。映像是一個唯讀範本，其中包含用於建立 Docker 容器的說明。

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

以下步驟說明 Dockerfile 的每個部分。如需更多詳細資訊，請參閱 Dockerfile 參考。

1. 指定基礎映像。

   FROM python:3.8-slim

   此命令設定建置的基礎。 `python:3.8-slim` 是 Python 3.8 映像的輕量級版本，針對大小和速度進行了最佳化。使用此 slim 映像可以減少 Docker 映像的整體大小，從而加快下載速度並減少安全漏洞的面積。這對於您可能不需要完整標準 Python 映像的 Python 應用程式特別有用。

2. 設定工作目錄。

   WORKDIR /app

   `WORKDIR` 設定 Docker 映像中的目前工作目錄。透過將其設定為 `/app`，您可以確保 Dockerfile 中的所有後續命令（例如 `COPY` 和 `RUN`）都在此目錄中執行。這也有助於組織您的 Docker 映像，因為所有與應用程式相關的檔案都包含在特定目錄中。

3. 將需求檔案複製到映像中。

   COPY requirements.txt /app

   `COPY` 命令將 `requirements.txt` 檔案從您的本機機器傳輸到 Docker 映像中。此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讓下一個命令（`RUN pip install`）在映像環境中安裝這些依賴項。

4. 在映像中安裝 Python 依賴項。

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

   此行使用 Python 的套件安裝程式 `pip` 來安裝 `requirements.txt` 中列出的套件。 `--no-cache-dir` 選項會停用快取，這可以透過不儲存不必要的快取資料來減少 Docker 映像的大小。

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 函式庫的 NLP 應用程式。它會下載 `en_core_web_sm` 模型，這是一個適用於 spaCy 的小型英文模型。雖然此應用程式不需要它，但它包含在內是為了與可能使用此 Dockerfile 的其他 NLP 應用程式相容。

6. 將應用程式程式碼複製到映像中。

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

   這些命令會將您的 Python 腳本和 `entrypoint.sh` 腳本複製到映像的 `/app` 目錄中。這一點至關重要，因為容器需要這些腳本來執行應用程式。 `entrypoint.sh` 腳本尤其重要，因為它規定了應用程式在容器內如何啟動。

7. 設定 `entrypoint.sh` 腳本的權限。

   RUN chmod +x /app/entrypoint.sh

   此命令會修改 `entrypoint.sh` 的檔案權限，使其可執行。此步驟是必要的，以確保 Docker 容器可以執行此腳本來啟動應用程式。

8. 設定進入點。

   ENTRYPOINT ["/app/entrypoint.sh"]

   ENTRYPOINT 指令會將容器設定為以 entrypoint.sh 作為其預設執行檔。這表示當容器啟動時，它會自動執行此腳本。

   您可以使用程式碼或文字編輯器開啟 entrypoint.sh 腳本來查看其內容。由於範例中包含多個應用程式，此腳本允許您指定在容器啟動時要執行的應用程式。

執行應用程式

要使用 Docker 執行應用程式

1. 建置映像檔。

   在終端機中，於 Dockerfile 所在的目錄下執行以下指令。

   $ docker build -t basic-nlp .
   

   以下是指令的分解說明

   • docker build：這是用於從 Dockerfile 和一個上下文建置 Docker 映像檔的主要指令。上下文通常是一組位於指定位置的檔案，通常是包含 Dockerfile 的目錄。
   • -t basic-nlp：這是用於標記映像檔的選項。-t 旗標代表標記。它會為映像檔指定一個名稱，在本例中為 basic-nlp。標記是一種方便日後參考映像檔的方式，尤其是在將映像檔推送至 registry 或執行容器時。
   • .：這是指令的最後一部分，指定建置上下文。句點 (.) 表示目前目錄。Docker 將會在此目錄中尋找 Dockerfile。建置上下文（在本例中為目前目錄）會被發送到 Docker daemon 以啟用建置。它包含指定目錄中的所有檔案和子目錄。

   更多詳細資訊，請參閱 docker build CLI 參考。

   Docker 在建置映像檔時會在您的終端機輸出多個日誌。您會看到它下載並安裝相依套件。根據您的網路連線速度，這可能需要幾分鐘的時間。Docker 具有快取功能，因此後續的建置速度會更快。完成後，終端機將會返回提示符號。

2. 將映像檔作為容器執行。

   在終端機中，執行以下指令。

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

   以下是指令的分解說明

   • docker run：這是用於從 Docker 映像檔執行新容器的主要指令。
   • -it：這是兩個選項的組合
     • -i 或 --interactive：即使未附加，也會保持標準輸入 (STDIN) 開啟。它允許容器在前台保持執行並進行互動。
     • -t 或 --tty：這會配置一個虛擬終端機 (pseudo-TTY)，基本上模擬一個終端機，例如命令提示字元或 shell。它讓您可以與容器內的應用程式進行互動。
   • basic-nlp：這指定用於建立容器的 Docker 映像檔名稱。在本例中，它是您使用 docker build 指令建立的名為 basic-nlp 的映像檔。
   • 05_language_translation.py：這是您要在 Docker 容器內執行的腳本。它會被傳遞給 entrypoint.sh 腳本，該腳本會在容器啟動時執行它。

   更多詳細資訊，請參閱 docker run CLI 參考。

   注意事項

   對於 Windows 使用者，執行容器時可能會發生錯誤。請確認 entrypoint.sh 中的換行字元是 LF (\n) 而不是 CRLF (\r\n)，然後重新建置映像檔。更多詳細資訊，請參閱 避免非預期的語法錯誤，請在容器中的檔案使用 Unix 樣式的換行字元。

   容器啟動後，您將會在終端機中看到以下內容。

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

3. 測試應用程式。

   輸入一些文字以取得文字摘要。

   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，您學習了如何建置和執行語言翻譯應用程式。您學習了如何使用 Python 和 Googletrans 建置應用程式，然後設定環境並使用 Docker 執行應用程式。

相關資訊

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

  探索更多 自然語言處理指南。