基于开源WQ装备知识图谱的智能问答优化2

基于笔者之前写的博客基础上：https://blog.csdn.net/zhanghan11366/article/details/142139488【基于开源WQ装备知识图谱的智能问答全流程构建】进行优化。新增处理基于特定格式下的WQ文档，抽取文档的WQ属性和关系，并抽取对应WQt图片存储至minio中。

1 文档格式如下：

2 提取文档中的WQ信息

• 配置如下：

import argparse

class Args:
    @staticmethod
    def parse():
        parser = argparse.ArgumentParser()
        return parser

    @staticmethod
    def initialize(parser):
        parser.add_argument('--weapon_realtion_api', default='http://0.0.0.0:6410/weapon',
                            help='Weapons and equipment relationship extraction API interface')
        parser.add_argument('--word_extraction_api', default='http://1.95.39.242:2011/attribute_all',
                            help='Parse word documents and extract weapons and equipment attributes api interface')
        parser.add_argument('--neo4j_url', default='bolt://localhost:7687',
                            help='neo4j login website')
        parser.add_argument('--neo4j_usename', default='neo4j',
                            help='neo4j login username')
        parser.add_argument('--neo4j_password', default='neo4jZH',
                            help='neo4j login password')
        parser.add_argument('--unstr_file_path', default='./data/unstr/武器装备-test.docx',
                            help='Unstructured document parsing path')
        parser.add_argument('--unstr_save_file_path', default='./data/unstr/word_weapon_basic_info.txt',
                            help='The path to save the unstructured document after parsing')
        parser.add_argument('--weapon_input_file', default='./data/weapon/weapon_data.txt',
                            help='Weapons and equipment relationship extraction input address')
        return parser

    def get_parser(self):
        parser = self.parse()
        parser = self.initialize(parser)
        return parser.parse_args()

• 提取代码

import requests, config

# 调用
args = config.Args().get_parser()

def get_word_weapon(file_path):
    # 发送 POST 请求并上传文件
    with open(file_path, 'rb') as file:
        files = {'file': file}
        response = requests.post(args.word_extraction_api, files=files)
    # 检查响应状态码
    if response.status_code == 200:
        try:
            # 尝试以 JSON 格式解析响应
            response_json = response.json()
            return response_json.get('data')
        except ValueError:
            print("响应不是 JSON 格式:")
            print(response.text)
    else:
        print(f"请求失败，状态码: {response.status_code}")
        print(f"响应内容: {response.text}")


def save_word_weapon_basic_info(weapon_data, file_path):
    # 循环每个武器数据，将其基本情况写入TXT文件
    with open(file_path, 'w', encoding='utf-8') as file:
        for weapon in weapon_data:
            basic_info = weapon['基本情况'].replace('\n', ' ')
            file.write(basic_info + '\n')  # 换行区分不同武器的信息
    print(f"武器的基本情况已保存至 {file_path}")


if __name__ == "__main__":
    # 文件路径
    weapon_data = get_word_weapon(args.unstr_file_path)
    save_word_weapon_basic_info(weapon_data, args.unstr_save_file_path)

• 其中接口信息如下：
  

3 图文匹配

抽取对应WQt图片存储至minio中，结果如下。

后续流程与https://blog.csdn.net/zhanghan11366/article/details/142139488【基于开源WQ装备知识图谱的智能问答全流程构建】一致。