處理文字型的請求資料
內容審核系統的另一個需求是納入使用者留言的情緒傾向。系統需要辨識特定的問題片語，協助審核人員檢視可能不當的內容。
你將建立一個端點，分析使用者傳入的文字，並萃取標準化的審核標記。
本練習屬於課程
使用 FastAPI 將 AI 佈署到生產環境
練習說明
- 在
analyze_comment()函式中，將輸入文字轉成小寫，讓比對不分大小寫。 - 使用
problem_keywords清單，從處理後的文字中萃取問題關鍵字並放入found_issues。 - 回傳含有以下鍵的 JSON 回應：
issues（關鍵字清單）、issue_count（整數）、以及original_text（字串）。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
@app.post("/analyze_comment")
def analyze_comment(text: str):
problem_keywords = ["spam", "hate", "offensive", "abuse"]
# Convert the input text to lowercase
text_lower = ____
# Extract matching flags using list comprehension
found_issues = [____ for ____ in problem_keywords if keyword in text_lower]
# Return the dictionary with required keys
return {
"____": found_issues,
"____": len(found_issues),
"____": text
}