# 🐍 Python微服务更新方案

> **文档版本**：v1.0  
> **创建日期**：2026-01-26  
> **适用范围**：extraction_service Python微服务  
> **变更类型**：依赖更新 + 镜像重建

---

## 📋 一、变更概述

### 1.1 变更内容

| 变更项 | 描述 | 优先级 |
|--------|------|--------|
| **新增pypdf** | PDF处理增强库 | 🟡 中 |
| **新增pypandoc** | 文档格式转换库 | 🟡 中 |
| **移除Nougat** | 已确认移除（v1.0已完成） | ✅ 已完成 |
| **镜像重建** | 构建v1.1版本镜像 | 🔴 高 |

### 1.2 当前状态

```yaml
服务名称: python-extraction-test
当前版本: v1.0
镜像大小: 1.12GB
内网地址: http://172.17.173.66:8000
主要依赖:
  - PyMuPDF: 1.24.0+
  - pdfplumber: 0.10.3
  - mammoth: 1.6.0
  - pandas: 2.0+
  - polars: 0.19+
```

### 1.3 目标状态

```yaml
目标版本: v1.1
预计镜像大小: ~1.2GB
新增依赖:
  - pypdf: latest
  - pypandoc: latest
```

---

## 📦 二、依赖更新

### 2.1 新增依赖说明

#### pypdf（PDF处理增强）

```python
# 主要功能
- PDF文本提取
- PDF合并、分割
- PDF元数据读取
- 与PyMuPDF互补

# 安装
pip install pypdf
```

#### pypandoc（文档格式转换）

```python
# 主要功能
- Markdown ↔ Word/HTML/PDF转换
- 支持多种文档格式
- 高质量文档转换

# 安装
pip install pypandoc

# 注意：需要安装Pandoc系统依赖
# Docker中需要：apt-get install -y pandoc
```

### 2.2 更新requirements-prod.txt

当前内容：
```txt
# ========================================
# 生产环境依赖 (移除Nougat和重量级依赖)
# ========================================

# Web框架
fastapi==0.104.1
uvicorn[standard]==0.24.0
python-multipart==0.0.6

# 数据处理 (DC工具必需)
pandas>=2.0.0
numpy>=1.24.0
polars>=0.19.0

# PDF处理 (核心轻量级库)
PyMuPDF>=1.24.0
pdfplumber==0.10.3

# Docx处理
mammoth==1.6.0
python-docx==1.1.0

# 语言检测
langdetect==1.0.9

# 编码检测
chardet==5.2.0

# 工具
python-dotenv==1.0.0
pydantic>=2.10.0

# 日志
loguru==0.7.2

# 测试工具
requests==2.31.0
```

**需要添加**：
```txt
# PDF处理增强
pypdf>=4.0.0

# 文档格式转换
pypandoc>=1.13
```

---

## 🔧 三、Dockerfile更新

### 3.1 当前Dockerfile检查

首先检查是否需要添加Pandoc系统依赖。

### 3.2 更新Dockerfile（如需要）

如果使用pypandoc，需要在Dockerfile中添加Pandoc安装：

```dockerfile
# 在apt-get install阶段添加
RUN apt-get update && apt-get install -y \
    pandoc \
    && rm -rf /var/lib/apt/lists/*
```

完整Dockerfile示例：

```dockerfile
# 基础镜像
FROM python:3.11-slim

# 设置工作目录
WORKDIR /app

# 安装系统依赖（包括Pandoc）
RUN apt-get update && apt-get install -y \
    libgl1-mesa-glx \
    libglib2.0-0 \
    pandoc \
    && rm -rf /var/lib/apt/lists/*

# 使用阿里云PyPI镜像加速
RUN pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

# 复制依赖文件
COPY requirements-prod.txt .

# 安装Python依赖
RUN pip install --no-cache-dir -r requirements-prod.txt

# 复制应用代码
COPY . .

# 暴露端口
EXPOSE 8000

# 启动命令
CMD ["uvicorn", "main:app", "--host", "0.0.0.0", "--port", "8000", "--workers", "2"]
```

---

## 🚀 四、构建与部署步骤

### Step 1：更新requirements-prod.txt

```bash
cd D:\MyCursor\AIclinicalresearch\extraction_service

# 编辑requirements-prod.txt，添加新依赖
# pypdf>=4.0.0
# pypandoc>=1.13
```

### Step 2：本地测试（可选）

```bash
# 创建虚拟环境测试
python -m venv test_venv
test_venv\Scripts\activate
pip install -r requirements-prod.txt

# 测试导入
python -c "import pypdf; print(pypdf.__version__)"
python -c "import pypandoc; print(pypandoc.get_pandoc_version())"
```

### Step 3：构建Docker镜像

```powershell
cd D:\MyCursor\AIclinicalresearch\extraction_service

# 构建镜像
docker build -t python-extraction:v1.1 .

# 预计时间：15分钟
# 预计大小：约1.2GB
```

### Step 4：本地验证镜像

```powershell
# 运行容器测试
docker run --rm -p 8000:8000 python-extraction:v1.1

# 新开终端测试
curl http://localhost:8000/health
curl http://localhost:8000/docs  # 查看API文档
```

### Step 5：登录ACR

```powershell
docker login --username=gofeng117@163.com `
  --password=fengzhibo117 `
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com
```

### Step 6：打标签

```powershell
docker tag python-extraction:v1.1 `
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/python-extraction:v1.1
```

### Step 7：推送到ACR

```powershell
docker push `
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/python-extraction:v1.1

# 预计时间：10分钟（镜像约1.1GB）
# 成功标志：看到 "digest: sha256:..."
```

### Step 8：SAE部署

1. 登录SAE：https://sae.console.aliyun.com/
2. 进入应用：`python-extraction-test`
3. 点击【部署应用】
4. 配置：
   - **镜像地址**：选择 `python-extraction`
   - **镜像版本**：选择 `v1.1`
5. 点击【确认】
6. 等待部署完成（约5-8分钟）

### Step 9：验证部署

```bash
# 健康检查
curl http://172.17.173.66:8000/health

# 或通过后端代理测试
curl http://8.140.53.236/api/v1/health
```

---

## 📋 五、一键部署脚本

### PowerShell脚本

创建 `extraction_service/update-and-deploy.ps1`：

```powershell
# Python微服务一键更新脚本
# 使用方法: .\update-and-deploy.ps1 v1.1

param(
    [Parameter(Mandatory=$true)]
    [string]$Version
)

$ErrorActionPreference = "Stop"

Write-Host "========================================" -ForegroundColor Green
Write-Host "开始更新Python微服务到版本: $Version" -ForegroundColor Green
Write-Host "========================================" -ForegroundColor Green

# 1. 构建Docker镜像
Write-Host "`n[1/4] 构建Docker镜像..." -ForegroundColor Cyan
docker build -t python-extraction:$Version .
if ($LASTEXITCODE -ne 0) {
    Write-Host "❌ 构建失败！" -ForegroundColor Red
    exit 1
}
Write-Host "✅ 镜像构建成功！" -ForegroundColor Green

# 2. 登录ACR
Write-Host "`n[2/4] 登录ACR..." -ForegroundColor Cyan
docker login --username=gofeng117@163.com `
  --password=fengzhibo117 `
  crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com
if ($LASTEXITCODE -ne 0) {
    Write-Host "❌ 登录失败！" -ForegroundColor Red
    exit 1
}

# 3. 打标签
Write-Host "`n[3/4] 打标签..." -ForegroundColor Cyan
$ImageUrl = "crpi-cd5ij4pjt65mweeo.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/python-extraction:$Version"
docker tag python-extraction:$Version $ImageUrl
Write-Host "✅ 标签已打！" -ForegroundColor Green

# 4. 推送到ACR
Write-Host "`n[4/4] 推送到ACR..." -ForegroundColor Cyan
Write-Host "推送地址: $ImageUrl" -ForegroundColor Yellow
docker push $ImageUrl
if ($LASTEXITCODE -ne 0) {
    Write-Host "❌ 推送失败！" -ForegroundColor Red
    exit 1
}

Write-Host "`n========================================" -ForegroundColor Green
Write-Host "✅ Python微服务镜像已推送成功！" -ForegroundColor Green
Write-Host "========================================" -ForegroundColor Green
Write-Host "`n下一步操作：" -ForegroundColor Yellow
Write-Host "1. 登录SAE控制台: https://sae.console.aliyun.com/" -ForegroundColor Yellow
Write-Host "2. 进入应用: python-extraction-test" -ForegroundColor Yellow
Write-Host "3. 点击【部署应用】" -ForegroundColor Yellow
Write-Host "4. 选择镜像版本: $Version" -ForegroundColor Yellow
Write-Host "5. 确认部署" -ForegroundColor Yellow
Write-Host "`n镜像地址（VPC）:" -ForegroundColor Cyan
Write-Host "crpi-cd5ij4pjt65mweeo-vpc.cn-beijing.personal.cr.aliyuncs.com/ai-clinical/python-extraction:$Version" -ForegroundColor Cyan
```

### 使用方法

```powershell
cd D:\MyCursor\AIclinicalresearch\extraction_service
.\update-and-deploy.ps1 v1.1
```

---

## ⚠️ 六、注意事项

### 6.1 Pandoc依赖

- pypandoc需要系统安装Pandoc
- 确保Dockerfile中包含 `apt-get install pandoc`
- 如果不需要文档转换功能，可以不安装pypandoc

### 6.2 镜像大小

- 当前v1.0：1.12GB
- 预计v1.1：~1.2GB
- 主要增量：pypandoc + Pandoc

### 6.3 兼容性

- pypdf与PyMuPDF可能有功能重叠
- 建议先在开发环境充分测试

---

## 🔄 七、回滚方案

如果v1.1出现问题，回滚到v1.0：

1. 登录SAE控制台
2. 进入应用：`python-extraction-test`
3. 点击【部署应用】
4. 选择镜像版本：`v1.0`
5. 确认部署

---

## ✅ 八、验证清单

### 部署前验证

- [ ] requirements-prod.txt已更新
- [ ] Dockerfile已更新（如需要）
- [ ] 本地构建成功
- [ ] 本地运行测试通过
- [ ] ACR登录成功

### 部署后验证

- [ ] SAE部署成功
- [ ] 健康检查通过
- [ ] PDF提取功能正常
- [ ] Docx提取功能正常
- [ ] 新功能测试通过

---

## 📊 九、时间估算

| 步骤 | 预计时间 |
|------|---------|
| 更新依赖文件 | 5分钟 |
| 本地构建镜像 | 15分钟 |
| 推送到ACR | 10分钟 |
| SAE部署 | 10分钟 |
| 验证测试 | 10分钟 |
| **总计** | **50分钟** |

---

> **最后更新**：2026-01-26  
> **维护人员**：开发团队