Streamlit是什么？怎么部署（附：基于Streamlit搭建一个ChatPDF可视化应用）

作者： AI反应堆更新时间：2024-11-13 09:07:22 分类：AI教程

今天咱们来聊聊Streamlit，它可是Python界的“前端神器”，尤其适合咱们这种想做可视化应用的小伙伴。更妙的是，Streamlit能让你用Python代码一键生成网页应用，不需要懂前端技能，轻轻松松部署在服务器上。今天小堆就给你唠唠啥是Streamlit、怎么部署它，最后再带你手把手搭建一个基于Streamlit的ChatPDF应用，来个实操演示！

一、Streamlit到底是啥？

简单来说，Streamlit是一款专为数据科学家和Python开发者设计的开源Web应用框架。它的特点是：代码简洁、可视化强、部署方便。通常我们用Jupyter Notebook处理数据吧？Streamlit就像一个能自动生成页面的Notebook，不需要学HTML、CSS、JavaScript这些前端语言，直接把Python代码丢进来，就能生成交互性很强的网页应用，非常适合数据展示和分析。

Streamlit的特点

简洁的API：一行代码生成复杂图表、表单等交互组件，几分钟搞定应用。
实时更新：数据、图表会随代码变化实时刷新，方便测试。
一键分享：Streamlit提供了自己的云服务，部署和分享几步搞定。

二、Streamlit应用怎么部署？

Streamlit的部署方式很灵活，我们可以选择它自带的Streamlit Cloud，或者用自有服务器部署，下面我就详细说说这两种方法。

1. 使用Streamlit Cloud（最简单）

Streamlit Cloud是Streamlit官方的托管服务，不需要自己管理服务器，适合快速发布和分享。

步骤一：注册Streamlit Cloud账号，并登录。
步骤二：把你的代码推送到GitHub仓库。
步骤三：在Streamlit Cloud中，连接GitHub仓库，选择主文件（通常是app.py），点击部署即可。

这样做的好处是，部署快、更新方便，一改代码就能自动同步！

2. 自有服务器部署（适合长期应用）

如果你想在自己服务器上运行，步骤会稍微复杂些：

步骤一：确保服务器上有Python环境，安装Streamlit。

bash

pip install streamlit
步骤二：将应用脚本上传到服务器，比如命名为app.py。
步骤三：运行Streamlit应用：

bash

streamlit run app.py --server.port <端口号> --server.address 0.0.0.0
步骤四：若要实现外网访问，可以用nginx或apache配置反向代理。

这样Streamlit应用就可以稳定运行在你的服务器上啦！

三、基于Streamlit实现一个ChatPDF应用

ChatPDF应用是个很有趣的项目：上传PDF文件，应用就可以用类似ChatGPT的方式回答关于PDF内容的问题。这种功能在信息提取、问答等场景中特别实用，接下来咱们看看代码怎么写！

1. 环境配置

安装必要库：

bash

pip install streamlit pip install PyMuPDF # 用于解析PDF内容 pip install openai # 用于调用GPT-3.5或4的API

2. 基本代码结构

python

import streamlit as st

import fitz  # PyMuPDF

import openai

# 设置API密钥
openai.api_key = "你的OpenAI API密钥"

# 定义读取PDF文件的函数
def read_pdf(file):
text = ""
with fitz.open(file) as pdf:
for page_num in range(pdf.page_count):
page = pdf.load_page(page_num)
text += page.get_text()
return text

# 定义提问函数
def ask_question(pdf_text, question):
response = openai.ChatCompletion.create(
model="gpt-3.5-turbo",
messages=[
{"role": "system", "content": "You are an assistant for answering questions based on PDF content."},
{"role": "user", "content": f"PDF content: {pdf_text}. Question: {question}"}
]
)
return response.choices[0].message['content']