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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
535
3.75 K
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
12
1
🔥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
67
20
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
openEuler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。
C
336
178