基于Serverless快速实现简单版查询工具的示例分析

这期内容当中小编将会给大家带来有关基于Serverless快速实现简单版查询工具的示例分析，文章内容丰富且以专业的角度为大家分析和叙述，阅读完这篇文章希望大家可以有所收获。

需求背景

朋友的单位，有一个小型的图书室，图书室中摆放了很多的书，每本书都被编号放在对应的区域，为了让大家更快，更容易找到这些书，他联系我，让我帮他弄一个图书查询系统。可以通过用户输入，模糊匹配到对应的结果，并且提供书籍对应的地点。

功能设计

• 让朋友把书籍整理并存储到一个Excel表格中；

• 将Excel表放到对象存储中，云函数读取这个文件，并且解析；

• 根据词语的相似寻找相似的图书；

• 前端页面通过MUI制作，放在对象存储中，并且使用对象存储的Website功能；

整体实现

数据形态

Excel样式主要包括书名和编号，同时下面包括分类的tab：

基于函数的搜索功能

核心代码实现：

import jiebaimport openpyxlfrom gensim import corpora, models, similaritiesfrom collections import defaultdictimport urllib.requestwith open("/tmp/book.xlsx", "wb") as f:    f.write(        urllib.request.urlopen("https://********").read()    )top_str = "abcdefghijklmn"book_dict = {}book_list = []wb = openpyxl.load_workbook('/tmp/book.xlsx')sheets = wb.sheetnamesfor eve_sheet in sheets:    print(eve_sheet)    sheet = wb.get_sheet_by_name(eve_sheet)    this_book_name_index = None    this_book_number_index = None    for eve_header in top_str:        if sheet[eve_header][0].value == "书名":            this_book_name_index = eve_header        if sheet[eve_header][0].value == "编号":            this_book_number_index = eve_header    print(this_book_name_index, this_book_number_index)    if this_book_name_index and this_book_number_index:        this_book_list_len = len(sheet[this_book_name_index])        for i in range(1, this_book_list_len):            add_key = "%s_%s_%s" % (                sheet[this_book_name_index][i].value, eve_sheet, sheet[this_book_number_index][i].value)            add_value = {                "category": eve_sheet,                "name": sheet[this_book_name_index][i].value,                "number": sheet[this_book_number_index][i].value            }            book_dict[add_key] = add_value            book_list.append(add_key)def getBookList(book, book_list):    documents = []    for eve_sentence in book_list:        tempData = " ".join(jieba.cut(eve_sentence))        documents.append(tempData)    texts = [[word for word in document.split()] for document in documents]    frequency = defaultdict(int)    for text in texts:        for word in text:            frequency[word] += 1    dictionary = corpora.Dictionary(texts)    new_xs = dictionary.doc2bow(jieba.cut(book))    corpus = [dictionary.doc2bow(text) for text in texts]    tfidf = models.TfidfModel(corpus)    featurenum = len(dictionary.token2id.keys())    sim = similarities.SparseMatrixSimilarity(        tfidf[corpus],        num_features=featurenum    )[tfidf[new_xs]]    book_result_list = [(sim[i], book_list[i]) for i in range(0, len(book_list))]    book_result_list.sort(key=lambda x: x[0], reverse=True)    result = []    for eve in book_result_list:        if eve[0] >= 0.25:            result.append(eve)    return resultdef main_handler(event, context):    try:        print(event)        name = event["body"]        print(name)        base_html = '''
{{book_name}}
分类：{{book_category}}
编号：{{book_number}}
'''        result_str = ""        for eve_book in getBookList(name, book_list):            book_infor = book_dict[eve_book[1]]            result_str = result_str + base_html.replace("{{book_name}}", book_infor['name']) \                .replace("{{book_category}}", book_infor['category']) \                .replace("{{book_number}}", book_infor['number'] if book_infor['number'] else "")        if result_str:            return result_str    except Exception as e:        print(e)    return '''
未找到图书信息，请您重新搜索。
'''

同时配置APIGW：

功能页面

                                
    
图书检索系统
    
        
                    
        
            检索                      
    
    
        
            
                
                    可以在搜索框内输入书籍的全称，或者书籍的简称，系统支持智能检索功能。                
            
        
    

效果展示

为了便于朋友使用，将这个页面用过Webview封装成一个APP，整体效果如下：

这个APP是一个低频使用APP，可以这样认为，如果做在一个传统服务器上，这应该不是一个明智的选择，云函数的按量付费，对象存储与APIGW的融合，完美解决了资源浪费的问题，同时借用云函数的APIGW触发器，很简单轻松的替代传统的Web框架和部分服务器软件的安装和使用、维护等。这个例子非常小，但是确是一个有趣的小工具，除了图书查询之外，还可以考虑做成成绩查询等。

上述就是小编为大家分享的基于Serverless快速实现简单版查询工具的示例分析了，如果刚好有类似的疑惑，不妨参照上述分析进行理解。如果想知道更多相关知识，欢迎关注行业资讯频道。