概述
干这个远程实习也有一个月了,感觉还不错,一天200的薪资对于一个在校大学生来讲已经不低了。上一周,领导布置了这一周的新的任务。大致要求就是做一个web端的搜索页面,大致逻辑如下图所示:
首先呢,可以看到要求web端可以用flask也可以用streamlit,但我更熟悉flask,所以我用了flask写的。大致想法是先让用户选择上传文件的类型,是上传Pubmed ID,根据这个ID进行检索呢,还是上传关键字,根据这个key phrases来匹配title和abstract进行搜索。接着就是常规,一个提交按钮和一个文件上传按钮。上传了文件后,后端的逻辑是根据选项和上传的文件信息去访问elasticserach进行检索,然后生成一个csv文件这个csv文件包含了pmid,title还有abstract三列,然后用命令行将文件放入存储系统S3,领导怕我不懂,把存入S3的命令行也写出来了。接着一切结束后,返回一个成功信息(success message)给前端。
前端实现
前端我使用的是bootstrap配合flask的jinjia2模板。没有使用flask-bootstrap,主要是我不是很熟悉,我以前主要使用django,但是django对于这个简单的系统来讲太臃肿了,于是我还是使用原来bootstrap配合django模板的思路进行开发。大致前端页面展示如下:
这是我的模板代码:
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>Uploads</title>
<link rel="stylesheet" href="{
{ url_for('static', filename='css/bootstrap.min.css') }}">
<script src="//cdn.bootcss.com/jquery/1.11.3/jquery.min.js"></script>
<script src="{
{ url_for('static', filename='js/bootstrap.bundle.js') }}"></script>
<script src="{
{ url_for('static', filename='js/bootstrap.bundle.min.js') }}"></script>
</head>
<body>
<form method="post" enctype="multipart/form-data" action="{
{ url_for('upload') }}">
<div class="jumbotron">
<h1 class="display-4">Upload Files</h1>
<hr class="my-4">
<p>Choose file type.</p>
<div class="form-group">
<select name="option" class="form-control">
<option >Pubmed ids</option>
<option >Key phrases</option>
</select>
<hr class="my-4">
<p>Choose your local file to upload.</p>
<input type="file" name="file_name">
<hr class="my-4">
<input class="btn btn-primary btn-lg" type="submit"></input>
</div>
<ul>
{% for message in get_flashed_messages() %}
<div class="alert alert-warning alert-dismissible fade show" role="alert">
{
{ message }}
<button type="button" class="close" data-dismiss="alert" aria-label="Close">
<span aria-hidden="true">×</span>
</button>
</div>
{% endfor %}
</ul>
</div>
</form>
</div>
</body>
</html>
可以看到有这一段,是上图中没有显示出来的,这个是配合flask的flash闪送功能使用的。相当于是将后端的消息能够更加友好、方便的发送到前端。具体来说就是用来返回上文所说的“成功信息”(success message)和其他错误提示的。
<ul>
{% for message in get_flashed_messages() %}
<div class="alert alert-warning alert-dismissible fade show" role="alert">
{
{ message }}
<button type="button" class="close" data-dismiss="alert" aria-label="Close">
<span aria-hidden="true">×</span>
</button>
</div>
{% endfor %}
</ul>
可以看到如下的展示,具体这个闪送消息是怎样在前端展示出来的:
这是成功消息(success message)的展示:
这是失败提示:
后端实现
接着来讲后端的实现。反正就一个页面很轻巧,就不写第二个文件了。直接全写在manage.py文件里得了。但是不好之处在于,如果以后还有开发任务的话,就需要移出来。现在是贪图方便,就全写在manage.py里了。
首先我们需要一个路由函数和其他的总的配置,我使用了flask_script的拓展支持,这样可以像django那样使用命令行启动,例如python manage.py runserver -p 8000 -r -d这样,可以看见它这样就和Django的启动方式很像了。
import os
from elasticsearch import Elasticsearch
from flask import Flask, request, flash, redirect
from flask import render_template
from flask_script import Manager
import pandas as pd
import numpy as np
app = Flask(__name__)
# 启用类似Django的命令行支持
manage = Manager(app)
# app配置列表
app.config["SECRET_KEY"] = "yuetian"
# 首页路由
@app.route('/')
def index():
return render_template('index.html')
然后要写个表单的提交和文件上传功能的函数,可以看到flash闪送功能就写在这。具体逻辑是deal_with_XXX()函数执行完成,返回True就闪送Success!!!的消息。反之,送出:Something goes Wrong!!!Check the file that you uploaded.的错误提示消息。其他上传细节就不多讲了,使用的是python flask的原生接口。
# 文件上传功能
@app.route('/upload/', methods=["POST"])
def upload():
if request.method == "POST":
file = request.files.get("file_name")
file.save(f"fileSaved/{file.filename}")
option = request.form["option"]
if option == "Pubmed ids":
res = deal_with_pmid(file.filename)
if res is True:
flash('success!!!')
return redirect("/")
else:
flash('Something goes Wrong!!!Check the file that you uploaded.')
return redirect("/")
elif option == "Key phrases":
res = deal_with_kp(file.filename)
if res is True:
flash('success!!!')
return redirect("/")
else:
flash('Something goes Wrong!!!Check the file that you uploaded.')
return redirect("/")
elif request.method == "GET":
return render_template('index.html')
然后就是两个deal_with_XXX()函数。顾名思义,deal_with_pmid()就是用来处理上传文件类型为pubmed ID的数据,以一个是处理类型为关键词的数据,两种数据格式大致如下。总而言之,就是一行一个搜索内容。
1 Heart disease
2 Genetic variation
3 Biological pathway
4
(pubmedID类型数据格式) (key phrases类型数据格式)
具体代码如下:
# 处理Pubmed ID类型文件
def deal_with_pmid(file_name):
try:
pmid_list = []
title_list = []
abstract_list =[]
es = Elasticsearch(hosts=['http://52.14.194.191:9200'])
list_pmid = open(f"fileSaved/{file_name}", "rb").readlines()
for pmid in list_pmid:
json_data = {
"query": {
"match": {
"pmid": str(pmid)
}
}
}
res = es.search(index="pubmed-paper-index-2", body=json_data)
pmid_list.append(res["hits"]["hits"][0]["_source"]["pmid"])
title_list.append(res["hits"]["hits"][0]["_source"]["title"])
abstract_list.append(res["hits"]["hits"][0]["_source"]["abstract"])
data = pd.DataFrame(np.array([pmid_list, title_list, abstract_list]).T, columns=["pmid", "title", "abstract"])
data.to_csv(f"query/{data['pmid'].iloc[0]}~{data['pmid'].iloc[-1]}.csv")
os.system(f"aws s3 cp query/{data['pmid'].iloc[0]}~{data['pmid'].iloc[-1]}.csv s3://meta-adhoc/nlp/es/ --recursive")
return True
except Exception:
return False
# 处理Key Phrases类型文件
def deal_with_kp(file_name):
try:
pmid_list = []
title_list = []
abstract_list = []
es = Elasticsearch(hosts=['http://52.14.194.191:9200'])
kp_list = open(f"fileSaved/{file_name}", "rb").readlines()
for kp in kp_list:
key_list = str(kp).split(" ")
json_data = {
"query": {
"bool": {
"should":[
{
"match":{}
},
{
"match": {}
}
]
}
}
}
for key in key_list:
json_data["query"]["bool"]["should"][0]["match"].update({"title": key})
json_data["query"]["bool"]["should"][1]["match"].update({"abstract": key})
res = es.search(index="pubmed-paper-index-2", body=json_data)
for tmp in res["hits"]["hits"]:
pmid_list.append(tmp["_source"]["pmid"])
title_list.append(tmp["_source"]["title"])
abstract_list.append(tmp["_source"]["abstract"])
data = pd.DataFrame(np.array([pmid_list, title_list, abstract_list]).T, columns=["pmid", "title", "abstract"])
data.to_csv(f"query/{data['pmid'].iloc[0]}.csv")
os.system(f"aws s3 cp query/{data['pmid'].iloc[0]}.csv s3://meta-adhoc/nlp/es/ --recursive")
return True
except Exception:
return False
具体来讲就是在处理json字段,要注意pmid类型的搜索结果必是一个pmid对应一个结果,因为这个是唯一标识的,而关键字搜索一个关键字对应多个搜索结果,所以要使用for循环来处理。
END