这个项目使用 Python 和 FastAPI 生成文章标签，它可以接受一篇文章的文本作为输入，并生成相应的标签。该项目使用 NLTK 库进行分词和去停用词处理，使用 Jieba 库进行中文分词，然后使用 TextRank 算法生成标签。
安装依赖
为了运行该项目，你需要安装 Python 3 和 pip。在安装了 Python 3 和 pip 后，你可以使用以下命令安装项目依赖：
bash
pip install -r requirements.txt
在安装依赖之前，你需要先将 stopwords.txt 和 nltk_data 数据集下载到本地。你可以使用以下命令下载 nltk_data：
bash
python -m nltk.downloader stopwords
运行应用程序
在安装了项目依赖项之后，你可以使用以下命令运行 FastAPI 应用程序：
bash
uvicorn main:app --reload
这将启动 FastAPI 应用程序，并使其在 http://localhost:8000 上可用。
生成文章标签
要生成文章标签，请使用 POST 请求将文章文本发送到 /tags 端点。例如，你可以使用 curl 发送请求：
bash
curl -X POST "http://localhost:8000/tags" -H "Content-Type: application/json" -d '{"text": "This is an example article."}'
这将生成一个包含标签的 JSON 响应，例如：
json
{"tags": ["example", "article"]}
运行测试
为了运行项目测试，请使用以下命令：
bash
pytest
这将运行项目中的所有测试，并输出测试结果。
使用 Docker
该项目还提供了一个 Dockerfile 和一个 docker-compose.yml 文件，你可以使用它们来在 Docker 容器中运行应用程序。要使用 Docker 运行该应用程序，请先构建 Docker 镜像：
bash
docker build -t article-tags .
然后，使用以下命令启动应用程序：
bash
docker-compose up
这将启动两个 Docker 容器，一个用于运行 FastAPI 应用程序，另一个用于运行 PostgreSQL 数据库。应用程序将在 http://localhost:8000 上可用。
持久化 nltk_data
如果要在 Docker 容器中持久化 nltk_data，可以使用 Docker 卷来实现。首先，将 nltk_data 复制到 Docker 卷中：
bash
docker run -v /my/nltk_data:/root/nltk_data python:3.9-alpine sh -c "cp -r /root/nltk_data /mnt"
然后，在 Docker Compose 文件中将 Docker 卷与容器中的目录进行绑定：
yaml
volumes:
- /my/nltk_data:/root/nltk_data
这样，在启动容器时，Docker 将从卷中加载 nltk_data 文件。