serverless|基于Serverless的图书查询APP的实现 python|app开发

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。按道理来说，这个应该是一个比较复杂的项目，但是考虑到了云函数的存在，所以就打算把整个应用部署在Serverless架构上。
功能设计

让朋友把书籍整理信息，存储到一个Excel表格中；
将Excel表放到COS中，云函数读取这个表，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cos中；

整体实现 Excel样式：

文章图片

主要包括书名和编号，同时下面包括分类的tab：

文章图片

核心代码实现：

import jieba import openpyxl from gensim import corpora, models, similarities from collections import defaultdict import 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.sheetnames for 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 =https://www.it610.com/article/="书名": this_book_name_index = eve_header if sheet[eve_header][0].value =https://www.it610.com/article/="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 = https://www.it610.com/article/{"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: tempDatahttps://www.it610.com/article/= " ".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：

文章图片

首页：

图书检索系统 html, body { background-color: #efeff4; }图书检索系统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。

效果展示首页：

文章图片

搜索结果：

文章图片

（我是通过Webview封装成一个APP）
总结这个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，cos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。
【serverless|基于Serverless的图书查询APP的实现】