300 lines
11 KiB
Markdown
300 lines
11 KiB
Markdown
```markdown
|
||
# 中文文本分类系统 (子尧毕业设计)
|
||
|
||
## 项目简介
|
||
|
||
本项目是一个基于 Flask 和 TensorFlow/Keras 实现的中文文本分类系统，旨在作为“子尧”同学的毕业设计。系统允许用户上传文本文件（单个 .txt）、直接输入文本或上传包含多个 .txt 文件的压缩包（.zip 或 .rar），并自动对这些文本内容进行预定义的类别（如体育、娱乐、科技等）分类。
|
||
|
||
分类完成的文档会被存储在 MySQL 数据库中，并按照“类别-编号-原文件名”的格式保存在服务器指定目录。用户可以方便地在网页端查看已分类的文档列表，并按类别筛选，支持下载单个或批量打包下载已分类的原始文件。
|
||
|
||
## 主要功能
|
||
|
||
* **单文件分类**: 上传单个 `.txt` 文件进行文本分类。
|
||
* **文本输入分类**: 直接在文本框中输入内容进行分类。
|
||
* **批量文件分类**: 上传 `.zip` 或 `.rar` 压缩包，系统会自动解压并分类包内所有 `.txt` 文件。
|
||
* **结果存储**: 将分类结果（类别、原始文件名、存储路径等）存入 MySQL 数据库。
|
||
* **文档管理**: 在网页端展示已分类的文档列表，支持按类别筛选。
|
||
* **文件下载**: 提供单个文件下载和多选文件打包（zip）下载功能。
|
||
* **用户认证**: (基础功能，确保用户只能看到自己上传和分类的文档)。
|
||
|
||
## 技术栈
|
||
|
||
* **后端框架**: Flask (Python 3.9)
|
||
* **机器学习**: TensorFlow / Keras (模型加载与预测), Jieba (中文分词)
|
||
* **数据库**: MySQL
|
||
* **WSGI 服务器**: Gunicorn
|
||
* **反向代理**: Nginx
|
||
|
||
## 部署说明 (Debian 12)
|
||
|
||
以下步骤将指导您如何在 Debian 12 服务器上部署此应用。**请注意，由于 Debian 12 默认 Python 版本为 3.11，我们将使用 `pyenv` 来安装和管理所需的 Python 3.9 版本。**
|
||
|
||
**部署目标:**
|
||
|
||
* 使用 `pyenv` 安装 Python 3.9。
|
||
* 使用 Gunicorn 运行 Flask 应用 (监听指定端口或 Socket)。
|
||
* 使用 Nginx 作为反向代理。
|
||
* 使用 Systemd 管理 Gunicorn 服务。
|
||
|
||
**先决条件:**
|
||
|
||
* 一台 Debian 12 服务器。
|
||
* 拥有 `sudo` 权限的用户。
|
||
* 已安装 Git。
|
||
* MySQL 数据库服务（本地或远程），并准备好数据库名、用户名、密码。
|
||
|
||
**步骤:**
|
||
|
||
**1. 服务器准备与 pyenv 安装**
|
||
|
||
```bash
|
||
# 更新系统
|
||
sudo apt update && sudo apt upgrade -y
|
||
|
||
# 安装基础编译工具、Nginx、Git 及 pyenv 依赖
|
||
sudo apt install -y --no-install-recommends make build-essential libssl-dev zlib1g-dev \
|
||
libbz2-dev libreadline-dev libsqlite3-dev wget curl llvm libncurses5-dev libncursesw5-dev \
|
||
xz-utils tk-dev libffi-dev liblzma-dev python3-openssl git nginx
|
||
|
||
# 安装 pyenv (使用官方脚本)
|
||
curl https://pyenv.run | bash
|
||
|
||
# 配置 Shell 环境 (添加到 ~/.bashrc)
|
||
echo '# pyenv config' >> ~/.bashrc
|
||
echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.bashrc
|
||
echo 'command -v pyenv >/dev/null || export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.bashrc
|
||
echo 'eval "$(pyenv init -)"' >> ~/.bashrc
|
||
|
||
# 使配置生效 (或重新登录)
|
||
source ~/.bashrc
|
||
|
||
# 验证 pyenv
|
||
pyenv --version
|
||
```
|
||
|
||
**2. 安装 Python 3.9**
|
||
|
||
```bash
|
||
# 查看可用的 Python 3.9.x 版本
|
||
# pyenv install --list | grep " 3.9"
|
||
|
||
# 安装一个具体的 3.9.x 版本 (例如 3.9.18, 请检查并使用最新的 3.9 补丁版本)
|
||
pyenv install 3.9.18 # 安装过程可能需要几分钟
|
||
```
|
||
|
||
**3. 获取代码**
|
||
|
||
```bash
|
||
# 创建项目部署目录 (例如 /var/www)
|
||
sudo mkdir -p /var/www/text-classify-ui
|
||
# 更改所有权给你当前的用户，方便操作
|
||
sudo chown $USER:$USER /var/www/text-classify-ui
|
||
cd /var/www/text-classify-ui
|
||
|
||
# 克隆代码仓库
|
||
git clone https://git.sq0715.com/qin/text-classify-ui.git .
|
||
```
|
||
|
||
**4. 设置 Python 虚拟环境 (使用 Python 3.9)**
|
||
|
||
```bash
|
||
# 进入项目目录
|
||
cd /var/www/text-classify-ui
|
||
|
||
# 使用 pyenv 安装的 Python 3.9 创建虚拟环境 'ziyao'
|
||
# 注意: 这里的路径 ~/.pyenv/... 依赖于你的 pyenv 安装和选择的 Python 版本
|
||
~/.pyenv/versions/3.9.18/bin/python -m venv ziyao
|
||
|
||
# 激活虚拟环境
|
||
source ziyao/bin/activate
|
||
|
||
# 升级 pip 并安装项目依赖
|
||
pip install --upgrade pip
|
||
pip install -r requirements.txt
|
||
|
||
# 退出虚拟环境 (后面 Systemd 会指定路径)
|
||
# deactivate
|
||
```
|
||
|
||
**5. 应用配置**
|
||
|
||
* 项目可能使用 `.env` 文件或 `config.py` 来管理配置。
|
||
* **创建或编辑 `.env` 文件**: 在项目根目录 (`/var/www/text-classify-ui`) 创建一个名为 `.env` 的文件，至少包含以下内容（请替换为你的实际值）：
|
||
|
||
```dotenv
|
||
# .env 文件示例
|
||
FLASK_APP=app.py
|
||
FLASK_ENV=production # 设置为 production 环境
|
||
SECRET_KEY='一个非常安全且随机的密钥' # 请生成一个强密钥
|
||
|
||
# 数据库连接信息
|
||
DB_HOST='localhost' # 或你的数据库服务器地址
|
||
DB_PORT='3306'
|
||
DB_USER='your_db_user'
|
||
DB_PASSWORD='your_db_password'
|
||
DB_NAME='text_classify_db'
|
||
|
||
# 上传和临时文件夹 (相对于 app.py)
|
||
UPLOAD_FOLDER='uploads'
|
||
TEMP_FOLDER='temp'
|
||
|
||
# 模型路径 (相对于 app.py)
|
||
MODEL_PATH='model/trained_model.h5'
|
||
TOKENIZER_PATH='model/tokenizer.pickle'
|
||
```
|
||
|
||
* **确保数据库已创建**:
|
||
登录 MySQL/MariaDB:
|
||
```sql
|
||
CREATE DATABASE text_classify_db CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;
|
||
CREATE USER 'your_db_user'@'localhost' IDENTIFIED BY 'your_db_password';
|
||
GRANT ALL PRIVILEGES ON text_classify_db.* TO 'your_db_user'@'localhost';
|
||
FLUSH PRIVILEGES;
|
||
EXIT;
|
||
```
|
||
*注意: 如果数据库在不同服务器，请将 `'localhost'` 替换为 Flask 应用服务器的 IP 地址。*
|
||
* **创建数据库表**: 项目可能需要初始化数据库表结构。检查是否有 `init_db.py` 脚本或数据库迁移工具 (如 Flask-Migrate) 的说明。如果需要手动创建，请根据项目中的 SQL 文件或模型定义来执行。
|
||
|
||
**6. 配置和运行 Gunicorn (使用 Systemd)**
|
||
|
||
* **创建 Systemd 服务文件**:
|
||
```bash
|
||
sudo nano /etc/systemd/system/text-classify-ui.service
|
||
```
|
||
粘贴以下内容，并根据你的设置进行调整：
|
||
|
||
```ini
|
||
[Unit]
|
||
Description=Gunicorn instance to serve Text Classify UI
|
||
# 确保网络和 MySQL 服务 (如果本地) 启动后再启动本服务
|
||
After=network.target mysql.service
|
||
|
||
[Service]
|
||
# 建议使用 www-data 用户运行，与 Nginx 配合
|
||
User=www-data
|
||
Group=www-data
|
||
# 工作目录设置为项目根目录
|
||
WorkingDirectory=/var/www/text-classify-ui
|
||
# 如果使用 .env 文件，可以通过 EnvironmentFile 加载
|
||
# EnvironmentFile=/var/www/text-classify-ui/.env # 确保 www-data 用户有读取权限
|
||
|
||
# 运行 Gunicorn 的命令
|
||
# 使用虚拟环境中的 Gunicorn
|
||
# --workers: 根据服务器 CPU 核心数调整 (推荐 2 * cores + 1)
|
||
# --bind: 监听地址和端口。这里使用项目指定的 50004 端口。
|
||
# 如果 Nginx 和 Gunicorn 在同一台机器，更推荐使用 Unix Socket:
|
||
# --bind unix:/var/www/text-classify-ui/text-classify-ui.sock -m 007
|
||
ExecStart=/var/www/text-classify-ui/ziyao/bin/gunicorn --workers 3 --bind 0.0.0.0:50004 wsgi:app
|
||
# 如果使用 .env, 可能需要确保 Flask 能读取到环境变量,
|
||
# 或者在 ExecStart 前加上加载 .env 的命令 (不推荐)
|
||
|
||
Restart=always
|
||
|
||
[Install]
|
||
WantedBy=multi-user.target
|
||
```
|
||
*注意 `wsgi:app` 中的 `app` 必须与你 `app.py` 或 `wsgi.py` 文件中 Flask 实例的变量名一致。*
|
||
*确保 `User` 和 `Group` (如 `www-data`) 对 `WorkingDirectory` 有必要的读写权限，特别是对 `uploads` 和 `temp` 目录。*
|
||
```bash
|
||
# 授予 www-data 权限 (如果尚未设置)
|
||
sudo chown -R www-data:www-data /var/www/text-classify-ui/uploads
|
||
sudo chown -R www-data:www-data /var/www/text-classify-ui/temp
|
||
# 如果使用 Socket，确保 www-data 能写入 sock 文件所在目录
|
||
# sudo chown www-data:www-data /var/www/text-classify-ui
|
||
```
|
||
|
||
* **启动并启用服务**:
|
||
```bash
|
||
sudo systemctl daemon-reload
|
||
sudo systemctl start text-classify-ui
|
||
sudo systemctl enable text-classify-ui # 设置开机自启
|
||
|
||
# 检查服务状态
|
||
sudo systemctl status text-classify-ui
|
||
```
|
||
如果状态不是 `active (running)`，请检查日志：`sudo journalctl -u text-classify-ui`。
|
||
|
||
**7. 配置 Nginx 反向代理**
|
||
|
||
* **创建 Nginx 配置文件**:
|
||
```bash
|
||
sudo nano /etc/nginx/sites-available/text-classify-ui
|
||
```
|
||
粘贴以下配置，替换 `your_domain_or_server_ip`：
|
||
|
||
```nginx
|
||
server {
|
||
listen 80;
|
||
server_name your_domain_or_server_ip; # 替换为你的域名或服务器 IP
|
||
|
||
client_max_body_size 20M; # 允许上传最大 20MB 的文件 (根据需要调整)
|
||
|
||
location / {
|
||
# 将请求转发给 Gunicorn
|
||
proxy_pass http://127.0.0.1:50004; # 如果 Gunicorn 监听端口
|
||
# 如果 Gunicorn 使用 Socket:
|
||
# proxy_pass http://unix:/var/www/text-classify-ui/text-classify-ui.sock;
|
||
|
||
proxy_set_header Host $host;
|
||
proxy_set_header X-Real-IP $remote_addr;
|
||
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
|
||
proxy_set_header X-Forwarded-Proto $scheme;
|
||
proxy_read_timeout 300s; # 增加超时，防止大文件上传或处理中断
|
||
proxy_connect_timeout 75s;
|
||
}
|
||
|
||
location /static {
|
||
# 直接服务静态文件
|
||
alias /var/www/text-classify-ui/static;
|
||
expires 30d; # 静态文件缓存 30 天
|
||
}
|
||
|
||
# 如果需要直接通过 Nginx 服务上传的文件 (通常不推荐，让 Flask 处理下载更安全)
|
||
# location /uploads {
|
||
# alias /var/www/text-classify-ui/uploads;
|
||
# }
|
||
}
|
||
```
|
||
|
||
* **启用配置并重启 Nginx**:
|
||
```bash
|
||
# 创建软链接到 sites-enabled 目录
|
||
sudo ln -s /etc/nginx/sites-available/text-classify-ui /etc/nginx/sites-enabled/
|
||
|
||
# 测试 Nginx 配置是否有语法错误
|
||
sudo nginx -t
|
||
|
||
# 如果测试成功，重新加载 Nginx 服务
|
||
sudo systemctl reload nginx
|
||
```
|
||
|
||
**8. 配置防火墙 (如果使用 `ufw`)**
|
||
|
||
```bash
|
||
# 允许 Nginx 的 HTTP (80) 和 HTTPS (443) 流量
|
||
sudo ufw allow 'Nginx Full'
|
||
|
||
# 确保 SSH 端口已允许 (通常默认是允许的)
|
||
# sudo ufw allow OpenSSH
|
||
|
||
# 启用防火墙 (如果尚未启用)
|
||
# sudo ufw enable
|
||
```
|
||
|
||
**完成!**
|
||
|
||
现在你应该可以通过浏览器访问 `http://your_domain_or_server_ip` 来使用你的文本分类系统了。
|
||
|
||
## 注意事项
|
||
|
||
* **安全**: 确保 `.env` 文件中的 `SECRET_KEY` 是强随机值且不被泄露。考虑为数据库连接使用更严格的权限。
|
||
* **HTTPS**: 为了生产环境安全，强烈建议配置 Nginx 使用 SSL/TLS 证书启用 HTTPS (可以使用 Let's Encrypt 免费获取)。
|
||
* **模型文件**: 确保模型文件 (`trained_model.h5` 和 `tokenizer.pickle`) 随代码一起部署到服务器的 `model` 目录中，并且运行 Gunicorn 的用户 (如 `www-data`) 有读取权限。
|
||
* **依赖库**: 如果在部署过程中遇到特定库的编译错误，可能需要安装额外的 `-dev` 包。
|
||
|
||
---
|
||
|
||
祝部署顺利！
|
||
```
|
||
|
||
请仔细检查以上步骤和命令，特别是路径、文件名、用户名、密码和服务器 IP/域名，确保它们与你的实际环境相匹配。 |