chrome_grammarly

Grammar Highlighter

利用 spaCy 与 benepar 的句法信息，为英文文本提供可视化的语法高亮，帮助学习者或编辑快速看懂句子结构。项目暴露 FastAPI 接口，可单独调用 /analyze，也内置一个网页代理 /proxy 用来抓取文章后直接高亮，并带有可选的流式 TTS 朗读控件。

功能特性

• 句法角色高亮：识别主语、谓语、宾语、补语、同位语、状语、固定搭配等多种结构，同时对括号说明、绝对结构、固定短语等给予特殊样式。
• benepar Constituency 支持：在成功加载 benepar 时会标注状语从句、名词性从句、非限定结构、关系从句等；若模型缺失自动回退到依存句法并给出警告。
• 句子分析摘要：每个句子带中文提示（可在 style_config.py 中通过 SENTENCE_HELPER_ENABLED 开关控制），说明句型、主谓宾、从句功能、连接词等。
• 网页代理模式：/proxy 路由用 httpx 拉取远程页面，提取正文、列表、代码块与图片占位符，随后复用同一高亮流程，可按需重新注入图片或代码片段。
• TTS 朗读：UI 中的“朗读高亮文本/朗读选中文本”按钮会将文本发送到 TTS_ENDPOINT（默认 http://141.140.15.30:8028/generate），逐段播放流式音频。
• 健壮的降级策略：自动补全 spaCy 句子切分、禁用 benepar 时继续运行；/health 接口会暴露 benepar 状态与任何加载警告。

环境要求

• Python 3.10+（建议使用虚拟环境）
• 依赖见 requirements.txt：FastAPI、httpx、pydantic、spaCy、benepar、uvicorn。
• 首次运行时需要下载 en_core_web_sm 和 benepar_en3 模型。代码会尝试自动下载；若机器无法联网，可手动执行：

python -m spacy download en_core_web_sm
python -m benepar.download benepar_en3

快速开始

1. 安装依赖：

   python -m venv .venv
   source .venv/bin/activate
   pip install --upgrade pip
   pip install -r requirements.txt
   

   1. 启动 API： bash uvicorn mainspacy:app --host 0.0.0.0 --port 12012 --reload 生产环境可直接使用仓库中的 ./start.sh（禁用了 access log，端口 12012）。

2. 打开 http://localhost:12012/ 即可看到最简 UI；或调用下方 API。

API 说明

POST /analyze

• 请求体：{"text": "Your English paragraph..."}（UTF‑8 JSON）。
• 响应：{"highlighted_html": "<style>...</style><div class='analysis'>...</div>"}。
• 示例： bash curl -X POST http://localhost:12012/analyze \ -H 'Content-Type: application/json' \ -d '{"text": "The book that you lent me is inspiring."}' - STYLE_BLOCK 从 style_config.py 生成，可在该文件启用/关闭样式或句子说明。 ### GET /proxy - 参数： - url：想要抓取的完整 URL。 - show_images（可选，1 为显示图片，否则用占位符提升速度）。 - 返回一个带输入表单、TTS 控件以及高亮结果的 HTML 页面。 - 抓取逻辑：使用 httpx 获取 HTML → SimpleHTMLStripper 提取正文、列表信息、图片与代码块 → 调用 highlight_text_with_spacy → 按需注入图片/代码 → 输出。 - 若目标站点返回 403/404，会给出友好的错误消息。 ### GET /health - 返回 {"status": "ok", "benepar_attached": true} 等诊断信息。 - 当 spaCy/benepar 未成功加载时 status 为 failed，并附带 detail 或 warning 字段。 ### GET / - 轻量级前端，支持输入文本、查看高亮、清空结果和触发 TTS。 ## 自定义与扩展 - 样式：在 style_config.py 中增删 StyleRule 或调节 SENTENCE_HELPER_ENABLED，运行时 STYLE_BLOCK 会随之变化。 - NLP 行为：修改 mainspacy.py 中 _load_spacy_pipeline 的 model_name / benepar_model 参数可切换 spaCy 或 benepar 模型。 - 代理白名单：ALLOWED_URL_SCHEMES, MAX_REMOTE_HTML_BYTES, REMOTE_FETCH_HEADERS 等常量定义了抓取限制，可根据部署环境调整。 - TTS：如果有自己的语音服务，可替换两处前端脚本里的 TTS_ENDPOINT。 ## 常见问题 - Benepar 下载失败：检查网络代理或单独运行 python -m benepar.download benepar_en3。服务仍会运行，只是退回依存句法并在 /health 提示 warning。 - 句子未拆分：确保 spaCy 管线中有 parser/senter。代码会尝试自动添加 sentencizer。 - 代理抓取 403：很多站点禁止程序化访问，可手动复制文章文本直接使用 /analyze。 - TTS 没有声音：确认可访问 TTS_ENDPOINT，或替换为在你网络内可用的服务。