用python实现计算文本相似的web应用

要实现文本相似度计算的 web 应用，可以按照以下步骤：

1. 确定相似度计算算法：常见的相似度计算算法包括余弦相似度、Jaccard 相似度、编辑距离等。

2. 搭建 web 服务器：可以使用 Flask 或 Django 搭建一个 web 服务器。

3. 编写前端页面：可以使用 HTML、CSS 和 JavaScript 编写一个简单的前端页面，用于用户输入需要比较的两个文本。

4. 编写后端逻辑：在服务器端编写相似度计算的逻辑，接收前端传来的两个文本，计算它们的相似度，并将结果返回给前端。

下面是一个简单的示例代码，用于计算两个文本的余弦相似度：

from flask import Flask, request, jsonify
import numpy as np
from sklearn.feature_extraction.text import CountVectorizer

app = Flask(__name__)

@app.route('/similarity', methods=['POST'])
def similarity():
    text1 = request.json['text1']
    text2 = request.json['text2']
    vectorizer = CountVectorizer().fit_transform([text1, text2])
    vectors = vectorizer.toarray()
    similarity = np.dot(vectors[0], vectors[1]) / (np.linalg.norm(vectors[0]) * np.linalg.norm(vectors[1]))
    return jsonify({'similarity': similarity})

if __name__ == '__main__':
    app.run()

这个代码使用 Flask 框架搭建了一个服务器，当收到 POST 请求时，会从请求中获取两个文本，然后使用 CountVectorizer 将它们转化为向量，最后计算它们的余弦相似度并返回结果。可以在前端页面中通过 AJAX 向这个 API 发送请求，然后将结果展示给用户。