需求背景

朋友的單位，有一個小型的圖書室，圖書室中擺放了很多的書，每本書都被編號放在對應的區域，為了讓大家更快，更容易找到這些書，他聯絡我，讓我幫他弄一個圖書查詢系統。按道理來說，這個應該是一個比較複雜的專案，但是考慮到了雲函式的存在，所以就打算把整個應用部署在Serverless架構上。

功能設計讓朋友把書籍整理資訊，儲存到一個Excel表格中；將Excel表放到COS中，雲函式讀取這個表，並且解析；根據詞語的相似尋找相似的圖書；前端頁面通過MUI製作，放在cos中；整體實現

Excel樣式：

主要包括書名和編號，同時下面包括分類的tab：

核心程式碼實現：

import jiebaimport openpyxlfrom gensim import corpora, models, similaritiesfrom collections import defaultdictimport urllib.requestwith open("/tmp/book.xlsx", "wb") as f:    f.write(        urllib.request.urlopen("********").read()    )top_str = "abcdefghijklmn"book_dict = {}book_list = []wb = openpyxl.load_workbook('/tmp/book.xlsx')sheets = wb.sheetnamesfor eve_sheet in sheets:    print(eve_sheet)    sheet = wb.get_sheet_by_name(eve_sheet)    this_book_name_index = None    this_book_number_index = None    for eve_header in top_str:        if sheet[eve_header][0].value == "書名":            this_book_name_index = eve_header        if sheet[eve_header][0].value == "編號":            this_book_number_index = eve_header    print(this_book_name_index, this_book_number_index)    if this_book_name_index and this_book_number_index:        this_book_list_len = len(sheet[this_book_name_index])        for i in range(1, this_book_list_len):            add_key = "%s_%s_%s" % (                sheet[this_book_name_index][i].value, eve_sheet, sheet[this_book_number_index][i].value)            add_value = {                "category": eve_sheet,                "name": sheet[this_book_name_index][i].value,                "number": sheet[this_book_number_index][i].value            }            book_dict[add_key] = add_value            book_list.append(add_key)def getBookList(book, book_list):    documents = []    for eve_sentence in book_list:        tempData = " ".join(jieba.cut(eve_sentence))        documents.append(tempData)    texts = [[word for word in document.split()] for document in documents]    frequency = defaultdict(int)    for text in texts:        for word in text:            frequency[word] += 1    dictionary = corpora.Dictionary(texts)    new_xs = dictionary.doc2bow(jieba.cut(book))    corpus = [dictionary.doc2bow(text) for text in texts]    tfidf = models.TfidfModel(corpus)    featurenum = len(dictionary.token2id.keys())    sim = similarities.SparseMatrixSimilarity(        tfidf[corpus],        num_features=featurenum    )[tfidf[new_xs]]    book_result_list = [(sim[i], book_list[i]) for i in range(0, len(book_list))]    book_result_list.sort(key=lambda x: x[0], reverse=True)    result = []    for eve in book_result_list:        if eve[0] >= 0.25:            result.append(eve)    return resultdef main_handler(event, context):    try:        print(event)        name = event["body"]        print(name)        base_html = '''<div class='mui-card'><div class='mui-card-header'>{{book_name}}</div><div class='mui-card-content'><div class='mui-card-content-inner'>分類：{{book_category}}<br>編號：{{book_number}}</div></div></div>'''        result_str = ""        for eve_book in getBookList(name, book_list):            book_infor = book_dict[eve_book[1]]            result_str = result_str + base_html.replace("{{book_name}}", book_infor['name']) \\                .replace("{{book_category}}", book_infor['category']) \\                .replace("{{book_number}}", book_infor['number'] if book_infor['number'] else "")        if result_str:            return result_str    except Exception as e:        print(e)    return '''<div class='mui-card' style='margin-top: 25px'><div class='mui-card-content'><div class='mui-card-content-inner'>未找到圖書資訊，請您重新搜尋。</div></div></div>'''

同時配置APIGW：

首頁：

搜尋結果：

（我是通過Webview封裝成一個APP）

總結

這個APP是一個低頻使用APP，可以這樣認為，如果做在一個傳統伺服器上，這應該不是一個明智的選擇，雲函式的按量付費，cos與APIGW的融合，完美解決了資源浪費的問題，同時借用雲函式的APIGW觸發器，很簡單輕鬆的替代傳統的Web框架和部分伺服器軟體的安裝和使用、維護等。這個例子非常小，但是確是一個有趣的小工具，除了圖書查詢之外，還可以考慮做成成績查詢等。