Bookshrink 技术文档
2024-12-24 18:56:18作者:咎竹峻Karen
1. 安装指南
1.1 环境准备
在开始安装之前,请确保您的系统已经安装了以下工具和依赖:
- Git
- Python 3.x
- Make
1.2 安装步骤
- 打开终端,克隆项目代码库:
git clone https://github.com/peterldowns/bookshrink.git - 进入项目目录:
cd bookshrink - 运行
make命令进行安装:make
2. 项目的使用说明
2.1 启动服务
安装完成后,您可以通过以下步骤启动本地服务:
- 在终端中进入项目目录:
cd bookshrink - 运行
make命令启动服务:make - 打开浏览器,访问
http://127.0.0.1:8080/,即可使用 Bookshrink 工具。
2.2 使用方法
在浏览器中打开 Bookshrink 页面后,您可以将文本粘贴到输入框中,选择输出选项(如句子数量或百分比),然后点击“分析”按钮。Bookshrink 将会提取出最具有代表性的句子,帮助您快速了解文本的核心内容。
3. 项目API使用文档
3.1 API 概述
Bookshrink 提供了一个简单的 API,允许用户通过编程方式提取文本的核心句子。API 的调用方式如下:
3.2 API 请求格式
- URL:
http://127.0.0.1:8080/api/analyze - Method:
POST - Content-Type:
application/json
3.3 请求参数
text(string): 需要分析的文本内容。output_type(string): 输出类型,可选值为paragraph(段落形式)或sentences(句子形式)。sentence_count(int): 输出的句子数量,可选值为 10 到 20。
3.4 响应格式
status(string): 请求状态,成功时为success,失败时为error。data(array): 提取的核心句子列表。
3.5 示例请求
{
"text": "这是一个示例文本,用于测试 Bookshrink 的 API 功能。",
"output_type": "sentences",
"sentence_count": 2
}
3.6 示例响应
{
"status": "success",
"data": [
"这是一个示例文本,用于测试 Bookshrink 的 API 功能。",
"Bookshrink 是一个用于提取文本核心句子的工具。"
]
}
4. 项目安装方式
4.1 通过 Git 安装
- 克隆项目代码库:
git clone https://github.com/peterldowns/bookshrink.git - 进入项目目录:
cd bookshrink - 运行
make命令进行安装:make
4.2 通过 Docker 安装(可选)
如果您使用 Docker,可以通过以下步骤安装:
- 拉取 Docker 镜像:
docker pull peterldowns/bookshrink - 运行容器:
docker run -p 8080:8080 peterldowns/bookshrink - 打开浏览器,访问
http://127.0.0.1:8080/。
通过以上步骤,您可以顺利安装并使用 Bookshrink 工具,提取文本的核心内容。
登录后查看全文
热门项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C042
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0121
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
435
3.3 K
Ascend Extension for PyTorch
Python
241
277
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
695
367
仓颉编译器源码及 cjdb 调试工具。
C++
138
869
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
暂无简介
Dart
696
163
React Native鸿蒙化仓库
JavaScript
270
328
仓颉编程语言运行时与标准库。
Cangjie
145
881