处理文本请求数据
内容审核系统的另一项需求是考虑用户评论的情感倾向。系统需要识别特定的可疑短语，帮助审核员复查可能不当的内容。
您将创建一个端点，用于分析来自用户的文本，并抽取标准化的审核标记。
本练习是课程的一部分
使用 FastAPI 在生产环境中部署 AI
练习说明
- 在
analyze_comment()函数中将输入文本转换为小写，使其不区分大小写。 - 使用
problem_keywords列表，从处理后的文本中提取问题关键词到found_issues。 - 返回包含以下键的 JSON 响应：
issues（关键词列表）、issue_count（整数）和original_text（字符串）。
交互式实操练习
通过完成这段示例代码来试试这个练习。
@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
}