nsfwpy 0.0.1__tar.gz

nsfwpy-0.0.1/PKG-INFO

@@ -0,0 +1,141 @@
+Metadata-Version: 2.1
+Name: nsfwpy
+Version: 0.0.1
+Summary: 基于OpenNSFW的图像内容检测工具
+Home-page: https://github.com/HG-ha/nsfwpy
+Author: YiMing
+Author-email: 1790233968@qq.com
+License: UNKNOWN
+Description: # nsfwpy
+        
+        [English](README_EN.md) | 简体中文
+        
+        图像敏感内容检测工具，提供简单易用的Python接口进行图像内容分析和过滤，并提供API和CLI工具。
+        
+        ## 简介
+        
+        nsfwpy 是一个轻量级Python库，使用深度学习模型进行图像内容分析，可以识别图像是否包含不适宜内容。本项目基于[nsfw_model](https://github.com/GantMan/nsfw_model)提供的模型实现。
+        
+        ## 特性
+        
+        - 轻量级实现，依赖少，易于部署
+        - 支持多种图像格式输入（JPG、PNG等）
+        - 提供命令行工具、Python API和HTTP API接口
+        - 使用TensorFlow Lite优化性能
+        - 支持Windows和其他操作系统
+        - 自动下载和缓存模型文件
+        
+        ## 安装要求
+        > 由依赖导致安装出错时，可以尝试移除版本号安装，但tflite-runtime版本必须>=2.5.0
+        - Python 3.7+
+        - NumPy <= 1.26.4
+        - Pillow <= 11.1.0
+        - FastAPI <= 0.115.11
+        - uvicorn <= 0.34.0
+        - python-multipart <= 0.0.20
+        - tflite-runtime = 2.13.0 (Windows) 或 >= 2.5.0 (其他系统)
+        
+        ## 安装
+        
+        ### 通过pip安装
+        
+        ```bash
+        pip install nsfwpy
+        ```
+        
+        ### 从源码安装
+        
+        ```bash
+        git clone https://github.com/HG-ha/nsfwpy.git
+        cd nsfwpy
+        pip install -e .
+        ```
+        
+        ## 使用方法
+        
+        ### Python API
+        
+        ```python
+        from nsfwpy import NSFW
+        
+        # 初始化检测器（首次运行会自动下载模型）
+        detector = NSFW()
+        
+        # 预测单个图像
+        result = detector.predict_image("path/to/image.jpg")
+        print(result)
+        
+        # 预测PIL图像
+        from PIL import Image
+        img = Image.open("path/to/image.jpg")
+        result = detector.predict_pil_image(img)
+        print(result)
+        
+        # 批量预测目录中的图像
+        results = detector.predict_batch("path/to/image/directory")
+        print(results)
+        ```
+        
+        ### 命令行工具
+        
+        ```bash
+        # 基本用法
+        nsfwpy --input path/to/image.jpg
+        
+        # 指定自定义模型路径
+        nsfwpy --model path/to/model.tflite --input path/to/image.jpg
+        
+        # 指定图像尺寸
+        nsfwpy --dim 299 --input path/to/image.jpg
+        ```
+        
+        ### Web API服务（完全兼容 nsfwjs-api）
+        
+        启动API服务器：
+        
+        ```bash
+        # 基本用法
+        nsfwpy -w
+        
+        # 指定主机和端口
+        nsfwpy -w --host 127.0.0.1 --port 8080
+        
+        # 指定自定义模型
+        nsfwpy -w --model path/to/model.tflite
+        ```
+        
+        API端点：
+        - `POST /classify`: 分析单张图片
+        - `POST /classify-many`: 批量分析多张图片
+        
+        ### 预测结果格式
+        
+        返回包含以下类别概率值的字典：
+        ```python
+        {
+            "drawings": 0.1,    # 绘画/动画
+            "hentai": 0.0,     # 动漫色情内容
+            "neutral": 0.8,    # 中性/安全内容
+            "porn": 0.0,       # 色情内容
+            "sexy": 0.1        # 性感内容
+        }
+        ```
+        
+        ## 开发说明
+        
+        - 项目使用MIT许可证
+        - 欢迎提交Issue和Pull Request
+        - 自动发布到PyPI使用GitHub Actions
+        
+        ## 致谢
+        
+        本项目的模型基于[nsfw_model](https://github.com/GantMan/nsfw_model)。感谢原作者的贡献。
+        
+        ## 许可证
+        
+        [MIT License](LICENSE)
+        
+Platform: UNKNOWN
+Classifier: Programming Language :: Python :: 3.7
+Classifier: Operating System :: OS Independent
+Description-Content-Type: text/markdown

nsfwpy-0.0.1/README.md

@@ -0,0 +1,128 @@
+# nsfwpy
+
+[English](README_EN.md) | 简体中文
+
+图像敏感内容检测工具，提供简单易用的Python接口进行图像内容分析和过滤，并提供API和CLI工具。
+
+## 简介
+
+nsfwpy 是一个轻量级Python库，使用深度学习模型进行图像内容分析，可以识别图像是否包含不适宜内容。本项目基于[nsfw_model](https://github.com/GantMan/nsfw_model)提供的模型实现。
+
+## 特性
+
+- 轻量级实现，依赖少，易于部署
+- 支持多种图像格式输入（JPG、PNG等）
+- 提供命令行工具、Python API和HTTP API接口
+- 使用TensorFlow Lite优化性能
+- 支持Windows和其他操作系统
+- 自动下载和缓存模型文件
+
+## 安装要求
+> 由依赖导致安装出错时，可以尝试移除版本号安装，但tflite-runtime版本必须>=2.5.0
+- Python 3.7+
+- NumPy <= 1.26.4
+- Pillow <= 11.1.0
+- FastAPI <= 0.115.11
+- uvicorn <= 0.34.0
+- python-multipart <= 0.0.20
+- tflite-runtime = 2.13.0 (Windows) 或 >= 2.5.0 (其他系统)
+
+## 安装
+
+### 通过pip安装
+
+```bash
+pip install nsfwpy
+```
+
+### 从源码安装
+
+```bash
+git clone https://github.com/HG-ha/nsfwpy.git
+cd nsfwpy
+pip install -e .
+```
+
+## 使用方法
+
+### Python API
+
+```python
+from nsfwpy import NSFW
+
+# 初始化检测器（首次运行会自动下载模型）
+detector = NSFW()
+
+# 预测单个图像
+result = detector.predict_image("path/to/image.jpg")
+print(result)
+
+# 预测PIL图像
+from PIL import Image
+img = Image.open("path/to/image.jpg")
+result = detector.predict_pil_image(img)
+print(result)
+
+# 批量预测目录中的图像
+results = detector.predict_batch("path/to/image/directory")
+print(results)
+```
+
+### 命令行工具
+
+```bash
+# 基本用法
+nsfwpy --input path/to/image.jpg
+
+# 指定自定义模型路径
+nsfwpy --model path/to/model.tflite --input path/to/image.jpg
+
+# 指定图像尺寸
+nsfwpy --dim 299 --input path/to/image.jpg
+```
+
+### Web API服务（完全兼容 nsfwjs-api）
+
+启动API服务器：
+
+```bash
+# 基本用法
+nsfwpy -w
+
+# 指定主机和端口
+nsfwpy -w --host 127.0.0.1 --port 8080
+
+# 指定自定义模型
+nsfwpy -w --model path/to/model.tflite
+```
+
+API端点：
+- `POST /classify`: 分析单张图片
+- `POST /classify-many`: 批量分析多张图片
+
+### 预测结果格式
+
+返回包含以下类别概率值的字典：
+```python
+{
+    "drawings": 0.1,    # 绘画/动画
+    "hentai": 0.0,     # 动漫色情内容
+    "neutral": 0.8,    # 中性/安全内容
+    "porn": 0.0,       # 色情内容
+    "sexy": 0.1        # 性感内容
+}
+```
+
+## 开发说明
+
+- 项目使用MIT许可证
+- 欢迎提交Issue和Pull Request
+- 自动发布到PyPI使用GitHub Actions
+
+## 致谢
+
+本项目的模型基于[nsfw_model](https://github.com/GantMan/nsfw_model)。感谢原作者的贡献。
+
+## 许可证
+
+[MIT License](LICENSE)

nsfwpy-0.0.1/nsfwpy/__init__.py

@@ -0,0 +1,9 @@
+from .nsfw import NSFWDetector
+
+# 为简化引用提供一个别名
+NSFW = NSFWDetector
+
+# 导出用于命令行工具的主入口点
+from .server import main as cli_main
+
+__version__ = "0.0.1"

nsfwpy-0.0.1/nsfwpy/api.py

@@ -0,0 +1,111 @@
+from typing import List, Dict
+from pydantic import BaseModel
+from fastapi import FastAPI, File, UploadFile, HTTPException
+from fastapi.middleware.cors import CORSMiddleware
+
+from .nsfw import NSFWDetector
+
+# 全局模型实例
+global_detector = None
+
+# 加载模型的辅助函数
+def get_detector(model_path=None):
+    global global_detector
+    
+    # 如果已经有全局模型实例，直接返回
+    if (global_detector is not None):
+        return global_detector
+    
+    # 创建新的检测器实例
+    detector = NSFWDetector(model_path=model_path)
+    
+    # 保存为全局实例
+    global_detector = detector
+    
+    return detector
+
+# 数据模型定义
+class ClassifyItem(BaseModel):
+    image: UploadFile = File(..., description="上传的图像文件")
+
+class ClassifyManyItem(BaseModel):
+    images: List[UploadFile] = File(..., description="上传的图像文件列表")
+
+# 将响应模型直接定义为分类结果字典
+class ClassificationResult(Dict[str, float]):
+    pass
+
+class MultipleClassificationResult(BaseModel):
+    results: List[Dict[str, float]]
+
+# 创建FastAPI应用
+app = FastAPI(
+    title="NSFW内容检测API",
+    description="基于MobileNet V2的NSFW内容检测API，兼容nsfwjs接口",
+    version="1.0.0"
+)
+
+
+# 添加CORS支持
+app.add_middleware(
+    CORSMiddleware,
+    allow_origins=["*"],
+    allow_credentials=True,
+    allow_methods=["*"],
+    allow_headers=["*"],
+)
+
+# 在启动时预加载模型
+@app.on_event("startup")
+async def startup_event():
+    # 在服务启动时预加载模型
+    get_detector()
+
+# 辅助函数：从上传文件读取图像
+async def read_image_file(file: UploadFile):
+    try:
+        contents = await file.read()
+        return contents
+    except Exception as e:
+        raise HTTPException(status_code=400, detail=f"无法读取上传文件: {str(e)}")
+
+@app.post("/classify", response_model=Dict[str, float])
+async def classify_image(image: UploadFile = File(...)):
+    """
+    对单张上传的图像文件进行NSFW分类
+    """
+    try:
+        detector = get_detector()
+        image_bytes = await read_image_file(image)
+        result = detector.predict_from_bytes(image_bytes)
+        
+        if not result:
+            raise HTTPException(status_code=500, detail="图像处理失败")
+            
+        return result
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e))
+
+@app.post("/classify-many", response_model=List[Dict[str, float]])
+async def classify_many_images(images: List[UploadFile] = File(...)):
+    """
+    对多张上传的图像文件进行NSFW分类
+    """
+    try:
+        detector = get_detector()
+        results = []
+        
+        for image in images:
+            try:
+                image_bytes = await read_image_file(image)
+                result = detector.predict_from_bytes(image_bytes)
+                if result:
+                    results.append(result)
+                else:
+                    results.append({"error": "处理失败"})
+            except Exception as e:
+                results.append({"error": str(e)})
+                
+        return results
+    except Exception as e:
+        raise HTTPException(status_code=500, detail=str(e))

nsfwpy-0.0.1/nsfwpy/cli.py

@@ -0,0 +1,20 @@
+def main():
+    import argparse
+    import json
+    from nsfwpy.nsfw import NSFWDetector
+
+    parser = argparse.ArgumentParser(description='NSFW图像内容检测')
+    parser.add_argument('--model', help='TFLite模型文件路径（可选）')
+    parser.add_argument('--dim', type=int, default=224, help='图像尺寸（默认：224）')
+    parser.add_argument('--input', required=True, help='要检测的图像文件或目录')
+
+    args = parser.parse_args()
+
+    # 创建检测器，如果未指定模型路径，则使用默认值
+    detector = NSFWDetector(model_path=args.model, image_dim=args.dim)
+    results = detector.predict_batch(args.input)
+
+    print(json.dumps(results, ensure_ascii=False, indent=2))
+
+if __name__ == "__main__":
+    main()

nsfwpy-0.0.1/nsfwpy/nsfw.py

@@ -0,0 +1,214 @@
+import os
+import numpy as np
+from PIL import Image
+import tflite_runtime.interpreter as tflite
+import io
+import platform
+import urllib.request
+
+class NSFWDetector:
+    """NSFW内容检测器，基于MobileNet V2模型"""
+    
+    CATEGORIES = ['drawings', 'hentai', 'neutral', 'porn', 'sexy']
+    MODEL_URL = "https://ghproxy.cn/github.com/HG-ha/nsfwpy/raw/main/model/model.tflite"
+    
+    def __init__(self, model_path=None, image_dim=224):
+        """
+        初始化NSFW检测器
+        
+        参数:
+            model_path: TFLite模型文件路径，若未提供则自动从缓存或网络获取
+            image_dim: 模型输入图像尺寸(默认224x224)
+        """
+        self.image_dim = image_dim
+        
+        # 优先检查环境变量中是否设置了模型路径
+        env_model_path = os.environ.get("NSFW_MODEL_PATH")
+        if env_model_path and os.path.exists(env_model_path):
+            model_path = env_model_path
+        # 若未通过环境变量或参数提供模型路径，则自动获取
+        elif model_path is None:
+            model_path = self._get_model_path()
+            
+        if not os.path.exists(model_path):
+            raise ValueError(f"模型文件不存在: {model_path}")
+            
+        self.model_path = model_path
+        
+        # 加载TFLite模型
+        self.interpreter = tflite.Interpreter(model_path=model_path)
+        self.interpreter.allocate_tensors()
+        
+        # 获取输入输出细节
+        self.input_details = self.interpreter.get_input_details()
+        self.output_details = self.interpreter.get_output_details()
+    
+    def _get_model_path(self):
+        """根据平台获取缓存路径，检查模型文件是否存在，不存在则下载"""
+        # 首先检查环境变量
+        env_model_path = os.environ.get("NSFW_MODEL_PATH")
+        if env_model_path:
+            # 如果环境变量指定的是目录而非文件，则在目录下查找model.tflite
+            if os.path.isdir(env_model_path):
+                model_path = os.path.join(env_model_path, "model.tflite")
+            else:
+                model_path = env_model_path
+                
+            if os.path.exists(model_path):
+                return model_path
+                
+        # 确定平台相关的用户缓存目录
+        system = platform.system()
+        if system == "Windows":
+            cache_dir = os.path.join(os.environ.get("LOCALAPPDATA"), "nsfwpy")
+        elif system == "Darwin":  # macOS
+            cache_dir = os.path.join(os.path.expanduser("~"), "Library", "Caches", "nsfwpy")
+        else:  # Linux和其他系统
+            cache_dir = os.path.join(os.path.expanduser("~"), ".cache", "nsfwpy")
+        
+        # 确保目录存在
+        os.makedirs(cache_dir, exist_ok=True)
+        
+        model_path = os.path.join(cache_dir, "model.tflite")
+        # 检查模型文件是否存在，不存在则下载
+        if not os.path.exists(model_path):
+            print(f"模型文件不存在，正在下载到 {model_path}...")
+            try:
+                self._download_file(self.MODEL_URL, model_path)
+                print("模型下载完成")
+            except Exception as e:
+                raise ValueError(f"模型下载失败: {e}")
+        
+        return model_path
+    
+    def _download_file(self, url, destination):
+        """从指定URL下载文件到目标路径"""
+        try:
+            with urllib.request.urlopen(url) as response:
+                with open(destination, "wb") as f:
+                    f.write(response.read())
+        except Exception as e:
+            raise ValueError(f"下载失败: {e}")
+
+    def _load_image(self, image_path):
+        """加载并处理单个图像"""
+        try:
+            image = Image.open(image_path)
+            if image.mode != 'RGB':
+                image = image.convert('RGB')
+            image = image.resize((self.image_dim, self.image_dim), Image.NEAREST)
+            image = np.array(image, dtype=np.float32) / 255.0
+            return image
+        except Exception as ex:
+            print(f"处理图像出错 {image_path}: {ex}")
+            return None
+    
+    def _process_pil_image(self, pil_image):
+        """处理PIL图像对象"""
+        try:
+            if pil_image.mode != 'RGB':
+                pil_image = pil_image.convert('RGB')
+            resized_image = pil_image.resize((self.image_dim, self.image_dim), Image.NEAREST)
+            image = np.array(resized_image, dtype=np.float32) / 255.0
+            return image
+        except Exception as ex:
+            print(f"处理PIL图像出错: {ex}")
+            return None
+    
+    def _predict_single(self, image):
+        """对单个图像进行预测"""
+        self.interpreter.set_tensor(self.input_details[0]['index'], np.expand_dims(image, axis=0))
+        self.interpreter.invoke()
+        return self.interpreter.get_tensor(self.output_details[0]['index'])[0]
+    
+    def _format_predictions(self, predictions):
+        """将预测结果格式化为类别和概率"""
+        # 按概率降序排列
+        indices = np.argsort(-predictions)
+        result = {}
+        for i, idx in enumerate(indices):
+            category = self.CATEGORIES[idx]
+            probability = float(predictions[idx])
+            result[category] = probability
+        return result
+    
+    def predict_image(self, image_path):
+        """
+        预测单个图像的NSFW内容
+        
+        参数:
+            image_path: 图像文件路径
+            
+        返回:
+            包含各类别预测概率的字典
+        """
+        if not os.path.exists(image_path):
+            raise ValueError(f"图像文件不存在: {image_path}")
+            
+        image = self._load_image(image_path)
+        if image is None:
+            return None
+            
+        predictions = self._predict_single(image)
+        return self._format_predictions(predictions)
+    
+    def predict_pil_image(self, pil_image):
+        """
+        从PIL图像对象预测NSFW内容
+        
+        参数:
+            pil_image: PIL图像对象
+            
+        返回:
+            包含各类别预测概率的字典
+        """
+        image = self._process_pil_image(pil_image)
+        if image is None:
+            return None
+            
+        predictions = self._predict_single(image)
+        return self._format_predictions(predictions)
+    
+    def predict_from_bytes(self, image_bytes):
+        """
+        从字节流预测NSFW内容
+        
+        参数:
+            image_bytes: 图像字节流
+            
+        返回:
+            包含各类别预测概率的字典
+        """
+        try:
+            image = Image.open(io.BytesIO(image_bytes))
+            return self.predict_pil_image(image)
+        except Exception as ex:
+            print(f"从字节流处理图像出错: {ex}")
+            return None
+    
+    def predict_batch(self, image_paths):
+        """
+        批量预测多个图像
+        
+        参数:
+            image_paths: 单个图像路径或包含图像的目录
+            
+        返回:
+            包含每个图像预测结果的列表
+        """
+        # 处理目录参数
+        if os.path.isdir(image_paths):
+            paths = [os.path.join(image_paths, f) for f in os.listdir(image_paths) 
+                   if os.path.isfile(os.path.join(image_paths, f))]
+        elif isinstance(image_paths, list):
+            paths = image_paths
+        else:
+            paths = [image_paths]
+        
+        results = []
+        for path in paths:
+            prediction = self.predict_image(path)
+            if prediction:
+                results.append(prediction)
+                
+        return results

nsfwpy-0.0.1/nsfwpy/server.py

@@ -0,0 +1,46 @@
+import argparse
+import os
+import uvicorn
+from pathlib import Path
+
+def main():
+    parser = argparse.ArgumentParser(description="启动NSFW检测API服务器或命令行工具")
+    parser.add_argument("--host", default="0.0.0.0", help="API服务器主机名")
+    parser.add_argument("--port", type=int, default=8000, help="API服务器端口")
+    parser.add_argument("--model", help="模型文件路径")
+    parser.add_argument("-w", "--web", action="store_true", help="启用Web API服务")
+    parser.add_argument("--input", help="要检测的图像文件或目录")
+    parser.add_argument("--dim", type=int, default=224, help="图像尺寸（默认：224）")
+    
+    args, unknown_args = parser.parse_known_args()
+    
+    # 如果指定了模型路径，设置环境变量
+    if args.model:
+        os.environ["NSFW_MODEL_PATH"] = str(Path(args.model).absolute())
+    
+    # 只在指定--web参数时启动API服务器
+    if args.web:
+        # 启动服务器
+        # 移除上传文件大小限制
+        from starlette.formparsers import MultiPartParser
+        MultiPartParser.max_part_size = 1024 * 1024 * 1024
+        MultiPartParser.max_file_size = 1024 * 1024 * 1024
+        uvicorn.run("nsfwpy.api:app", host=args.host, port=args.port)
+    else:
+        # 运行命令行版本
+        from nsfwpy.cli import main as cli_main
+        import sys
+        
+        # 重建参数，传递给cli模块
+        cli_args = ["--dim", str(args.dim)]
+        if args.model:
+            cli_args.extend(["--model", args.model])
+        if args.input:
+            cli_args.extend(["--input", args.input])
+        
+        # 添加未知参数
+        sys.argv[1:] = cli_args + unknown_args
+        cli_main()
+
+if __name__ == "__main__":
+    main()

nsfwpy-0.0.1/nsfwpy.egg-info/PKG-INFO

@@ -0,0 +1,141 @@
+Metadata-Version: 2.1
+Name: nsfwpy
+Version: 0.0.1
+Summary: 基于OpenNSFW的图像内容检测工具
+Home-page: https://github.com/HG-ha/nsfwpy
+Author: YiMing
+Author-email: 1790233968@qq.com
+License: UNKNOWN
+Description: # nsfwpy
+        
+        [English](README_EN.md) | 简体中文
+        
+        图像敏感内容检测工具，提供简单易用的Python接口进行图像内容分析和过滤，并提供API和CLI工具。
+        
+        ## 简介
+        
+        nsfwpy 是一个轻量级Python库，使用深度学习模型进行图像内容分析，可以识别图像是否包含不适宜内容。本项目基于[nsfw_model](https://github.com/GantMan/nsfw_model)提供的模型实现。
+        
+        ## 特性
+        
+        - 轻量级实现，依赖少，易于部署
+        - 支持多种图像格式输入（JPG、PNG等）
+        - 提供命令行工具、Python API和HTTP API接口
+        - 使用TensorFlow Lite优化性能
+        - 支持Windows和其他操作系统
+        - 自动下载和缓存模型文件
+        
+        ## 安装要求
+        > 由依赖导致安装出错时，可以尝试移除版本号安装，但tflite-runtime版本必须>=2.5.0
+        - Python 3.7+
+        - NumPy <= 1.26.4
+        - Pillow <= 11.1.0
+        - FastAPI <= 0.115.11
+        - uvicorn <= 0.34.0
+        - python-multipart <= 0.0.20
+        - tflite-runtime = 2.13.0 (Windows) 或 >= 2.5.0 (其他系统)
+        
+        ## 安装
+        
+        ### 通过pip安装
+        
+        ```bash
+        pip install nsfwpy
+        ```
+        
+        ### 从源码安装
+        
+        ```bash
+        git clone https://github.com/HG-ha/nsfwpy.git
+        cd nsfwpy
+        pip install -e .
+        ```
+        
+        ## 使用方法
+        
+        ### Python API
+        
+        ```python
+        from nsfwpy import NSFW
+        
+        # 初始化检测器（首次运行会自动下载模型）
+        detector = NSFW()
+        
+        # 预测单个图像
+        result = detector.predict_image("path/to/image.jpg")
+        print(result)
+        
+        # 预测PIL图像
+        from PIL import Image
+        img = Image.open("path/to/image.jpg")
+        result = detector.predict_pil_image(img)
+        print(result)
+        
+        # 批量预测目录中的图像
+        results = detector.predict_batch("path/to/image/directory")
+        print(results)
+        ```
+        
+        ### 命令行工具
+        
+        ```bash
+        # 基本用法
+        nsfwpy --input path/to/image.jpg
+        
+        # 指定自定义模型路径
+        nsfwpy --model path/to/model.tflite --input path/to/image.jpg
+        
+        # 指定图像尺寸
+        nsfwpy --dim 299 --input path/to/image.jpg
+        ```
+        
+        ### Web API服务（完全兼容 nsfwjs-api）
+        
+        启动API服务器：
+        
+        ```bash
+        # 基本用法
+        nsfwpy -w
+        
+        # 指定主机和端口
+        nsfwpy -w --host 127.0.0.1 --port 8080
+        
+        # 指定自定义模型
+        nsfwpy -w --model path/to/model.tflite
+        ```
+        
+        API端点：
+        - `POST /classify`: 分析单张图片
+        - `POST /classify-many`: 批量分析多张图片
+        
+        ### 预测结果格式
+        
+        返回包含以下类别概率值的字典：
+        ```python
+        {
+            "drawings": 0.1,    # 绘画/动画
+            "hentai": 0.0,     # 动漫色情内容
+            "neutral": 0.8,    # 中性/安全内容
+            "porn": 0.0,       # 色情内容
+            "sexy": 0.1        # 性感内容
+        }
+        ```
+        
+        ## 开发说明
+        
+        - 项目使用MIT许可证
+        - 欢迎提交Issue和Pull Request
+        - 自动发布到PyPI使用GitHub Actions
+        
+        ## 致谢
+        
+        本项目的模型基于[nsfw_model](https://github.com/GantMan/nsfw_model)。感谢原作者的贡献。
+        
+        ## 许可证
+        
+        [MIT License](LICENSE)
+        
+Platform: UNKNOWN
+Classifier: Programming Language :: Python :: 3.7
+Classifier: Operating System :: OS Independent
+Description-Content-Type: text/markdown

nsfwpy-0.0.1/nsfwpy.egg-info/SOURCES.txt

@@ -0,0 +1,13 @@
+README.md
+setup.py
+nsfwpy/__init__.py
+nsfwpy/api.py
+nsfwpy/cli.py
+nsfwpy/nsfw.py
+nsfwpy/server.py
+nsfwpy.egg-info/PKG-INFO
+nsfwpy.egg-info/SOURCES.txt
+nsfwpy.egg-info/dependency_links.txt
+nsfwpy.egg-info/entry_points.txt
+nsfwpy.egg-info/requires.txt
+nsfwpy.egg-info/top_level.txt

nsfwpy-0.0.1/nsfwpy.egg-info/dependency_links.txt

@@ -0,0 +1 @@
+

nsfwpy-0.0.1/nsfwpy.egg-info/entry_points.txt

@@ -0,0 +1,3 @@
+[console_scripts]
+nsfwpy = nsfwpy.server:main
+

nsfwpy-0.0.1/nsfwpy.egg-info/requires.txt

@@ -0,0 +1,6 @@
+numpy<=1.26.4
+pillow<=11.1.0
+fastapi<=0.115.11
+uvicorn<=0.34.0
+python-multipart<=0.0.20
+tflite-runtime>=2.5.0

nsfwpy-0.0.1/nsfwpy.egg-info/top_level.txt

@@ -0,0 +1 @@
+nsfwpy

nsfwpy-0.0.1/setup.cfg

@@ -0,0 +1,4 @@
+[egg_info]
+tag_build = 
+tag_date = 0
+

nsfwpy-0.0.1/setup.py

@@ -0,0 +1,45 @@
+import setuptools
+import platform
+
+with open("README.md", "r", encoding='utf8') as fh:
+    long_description = fh.read()
+
+install_requires = [
+    "numpy<=1.26.4",
+    "pillow<=11.1.0",
+    "fastapi<=0.115.11",
+    "uvicorn<=0.34.0",
+    "python-multipart<=0.0.20"
+]
+
+if platform.system() == "Windows":
+    dependency_links = [
+        "https://ghproxy.cn/github.com/NexelOfficial/tflite-runtime-win/raw/main/win_amd64/tflite_runtime-2.13.0-cp311-cp311-win_amd64.whl"
+    ]
+    install_requires.append("tflite-runtime==2.13.0")
+else:
+    dependency_links = []
+    install_requires.append("tflite-runtime>=2.5.0")
+
+setuptools.setup(
+    name="nsfwpy",
+    version="0.0.1",
+    author="YiMing",
+    author_email="1790233968@qq.com",
+    description="基于OpenNSFW的图像内容检测工具",
+    long_description=long_description,
+    long_description_content_type="text/markdown",
+    url="https://github.com/HG-ha/nsfwpy",
+    packages=setuptools.find_packages(),
+    install_requires=install_requires,
+    dependency_links=dependency_links,
+    classifiers=[
+        "Programming Language :: Python :: 3.7",
+        "Operating System :: OS Independent",
+    ],
+    entry_points={
+        'console_scripts': [
+            'nsfwpy=nsfwpy.server:main',
+        ],
+    },
+)