使用Python的http.server实现一个简易的Web Api对外提供HanLP拼音转换服务

由于采集省市区镇数据需要对地名进行拼音转换，由于第三方高准确度接口对IP进行了限制，处理大量数据变得异常缓慢。

使用了一个折中的办法，省市区 3级（3千+）用高准确度接口（几乎没有拼错的地名），镇级（4万+）用本地HanLP提供的接口（大部分多音字还算是能拼正确）。

Github源码：https://github.com/xiangyuecn/AreaCity-JsSpider-StatsGov/tree/master/assets/pinyin-python-server

另外我提供了一个临时测试服务器，国内的但域名备案掉了走的海外线路，仅供测试，随时可能关闭。测试：http://pinyin-test.haozgz.com/pinyin?txt=重庆着陆OK，重力看着没有异常。

HanLP是一个优秀的开源自然语言处理工具，提供了颇为准确的拼音转换功能。开始本想使用更为顺手的nodejs来处理，但测试了Github上排第一的hotoo/pinyin库，就是开了分词，对多音字支持也不太理想。最后决定使用HanLPPython版来进行转换，但是这个库对地名的支持还是有限，都字地名很多转换成dou囧，不过在同类型里面算是最好的。

新手第一次正经写Python代码，刚开始电脑上以前装的Python 2.7.x，就按Python2写了一个服务，发现字符串编码需要转来转去，够折腾的，但好歹功能没问题。后面因为这个编码问题，越想越觉得不舒服，一个优秀的语言哪有这么折腾的，就改成了3.6.x（Miniconda里面3.7.x环境SSL有问题，pip用不了，不愿折腾了）。最终结果就是仅支持Python3，没有了奇异的代码。

http.server的简单上手

创建服务

网上有很多例子，也都非常简单，这个玩意也很容易上手。几行代码就能创建一个HTTP服务功能。

from http.server import HTTPServer, BaseHTTPRequestHandler

class HttpHandler(BaseHTTPRequestHandler):
      def do_GET(self):
            #服务功能实现
      def do_POST(self):
            #服务功能实现

httpd = HTTPServer(('127.0.0.1', 9527), HttpHandler)
httpd.serve_forever()

和nodejs的 http模块写出来的服务一样简洁。只监听127.0.0.1省的配置防火墙，只让本机访问。

接收请求参数

一个Web Api不仅仅有path，还要有query string x-www-form-urlencoded请求参数支持。urllib.parse.parse_qs能轻松解析出请求数据。

class HttpHandler(BaseHTTPRequestHandler):
    def do_GET(self):
        path,args=urllib.parse.splitquery(self.path)
        self._response(path, args)

    def do_POST(self):
        args = self.rfile.read(int(self.headers['content-length'])).decode("utf-8")
        self._response(self.path, args)

   def _response(self, path, args):
        if args:
            args=urllib.parse.parse_qs(args).items()
            args=dict([(k,v[0]) for k,v in args])
        else:
            args={}
        # 轻松就解析出了请求参数对象

执行实际业务逻辑

有了path和args，就直接可以上业务逻辑了。具体这个请求是要处理什么功能，根据path来判断一下即可，功能需要的参数从args里面取。

整个拼音服务完整代码

from pyhanlp import *

import traceback
import json
import urllib
from http.server import HTTPServer, BaseHTTPRequestHandler

class HttpHandler(BaseHTTPRequestHandler):
    def _response(self, path, args):
        code=200
        rtv={'c':0,'m':'','v':''}

        try:
            if args:
                args=urllib.parse.parse_qs(args).items()
                args=dict([(k,v[0]) for k,v in args])
            else:
                args={}
            # ****************************************
            # ***************页面开始*****************
            # ****************************************

            # ==>
            if path=="/":
                rtv["v"]="服务器已准备好"

            # ==>
            elif path=="/pinyin":
                txt=args.get("txt","")
                pinyin_list = HanLP.convertToPinyinList(txt)
                list=[]
                Pinyin=JClass("com.hankcs.hanlp.dictionary.py.Pinyin")
                for i in range(pinyin_list.size()):
                    pinyin=pinyin_list[i]
                    if pinyin==Pinyin.none5:
                        list.append('F'+txt[i])
                    else:
                        list.append(pinyin.getPinyinWithoutTone())

                rtv["v"]=list

            # ****************************************
            # ****************页面结束****************
            # ****************************************
            else:
                code=404
                rtv["c"]=404
                rtv["m"]="路径"+path+"不存在"
        except Exception as e:
            rtv["c"]=1
            rtv["m"]='服务器错误：'+str(e)+"\n"+traceback.format_exc()

        try:
            rtv=json.dumps(rtv,ensure_ascii=False)
        except Exception as e:
            rtv={'c':2,'m':'服务器返回数据错误：'+str(e)+"\n"+traceback.format_exc(),'v':''}
            rtv=json.dumps(rtv,ensure_ascii=False)

        self.send_response(code)
        self.send_header('Content-type', 'text/json; charset=utf-8')
        self.send_header('Access-Control-Allow-Origin', '*')
        self.end_headers()
        self.wfile.write(rtv.encode())

    def do_GET(self):
        path,args=urllib.parse.splitquery(self.path)
        self._response(path, args)

    def do_POST(self):
        args = self.rfile.read(int(self.headers['content-length'])).decode("utf-8")
        self._response(self.path, args)

httpd = HTTPServer(('127.0.0.1', 9527), HttpHandler)
httpd.serve_forever()

HanLP的安装

由于HanLP是一个java库，因此使用了pyhanlp这个Python包，底层还是用jpype1来调用HanLP 的java接口。Windows上还是根据wiki来完成的安装，这库给予了蛮实用的安装方法。

本方法只在windows 7 环境下运行过，其他环境自测。

:: 安装一个有效的版本
> conda create -n python364 python=3.6.4
:: 切换版本
> activate python364
:: 安装jpype1
> conda install -c conda-forge jpype1
:: 安装pyhanlp
> pip install pyhanlp
:: 执行一遍，会提示要下载哪些东西
> hanlp

:: 环境都搞定后就可以运行服务了
> python server.py

【1】安装Miniconda

conda版本随意，https://conda.io/miniconda.html

【2】安装pyhanlp

参考：https://github.com/hankcs/pyhanlp/wiki/Windows

这个库是java库，需要有java环境，如果没有装过，需要先安装java：下载JDK

测试发现python3.7.1 windows下ssl有问题无法安装，conda切换成python 3.6.4测试安装正常

安装好后运行一下hanlp命令，会提示下载，看第3步

如果出现XXX.dll什么的问题，可能是C++运行库缺失，安装微软常用运行库合集应该能够解决，我在Windows Server 2012上使用时出现此问题，装上就OJBK了。

【3】下载字典和jar

参考半自动配置： https://github.com/hankcs/pyhanlp/wiki/手动配置 。

字典和jar存放目录一般在Miniconda3[\envs\py36]\Lib\site-packages\pyhanlp\static 。

jar直接下载最新releases 。

字典最好直接clone仓库/data目录最新版本（用svn下载速度快很多，无需model数据），一样的在存储目录内放一个data文件夹，releases对bug处理稍微滞后一点。

另外需要修改hanlp.properties，给root赋值为当前目录完整路径。

svn: https://github.com/hankcs/HanLP/trunk/data

【4】运行

python server.py

【5】浏览器访问

http://127.0.0.1:9527/pinyin?txt=要拼的文字

比如： 拼音。m 返回结果 {c:0,m:"",v:["pin","yin","F。","Fm"]}，c=0时代表正常，其他代表出错，m为错误原因，拼音如果是字母符号会用F打头。

最后

Github源码：https://github.com/xiangyuecn/AreaCity-JsSpider-StatsGov/tree/master/assets/pinyin-python-server 。

如果这个库有帮助到您，请 Star 一下。