La aceleración de la era del low-code
Hasta ahora, todos los lenguajes de programación que llamamos 'Código' no son más que herramientas para comunicarnos con las máquinas. Piénsalo. Imagina que estamos nosotros y los extranjeros. Podríamos aprender su idioma para comunicarnos libremente, pero ahora es como si ellos pudieran aprender nuestro idioma mucho más rápido.
Antes, cuando teníamos que hacer tareas repetitivas o escribir scripts, había que comprar libros sobre lenguajes de programación o tomar cursos. Ahora solo tienes que preguntar: “Quiero hacer la tarea A, ¿hay alguna buena manera de hacerlo?”
De hecho, ya hemos experimentado escribir código más arriba. Entonces, ¿por qué no le añadimos aquí una función nueva?
"진행상황을 확인하고 매 분마다 자동으로 크롤링 결과를 csv에 저장하는 코드로 바꿔주십시오."Con ese comando hemos solicitado funciones como operar periódicamente, verificar el progreso y organizarlo en un archivo csv, entre otras. Entonces, proponemos el modelo de lenguaje de la siguiente manera.
Vamos a modificar el código actual para que verifique el progreso y añadir una función que haga crawling automáticamente de las noticias de Naver cada minuto, guardándolas en un archivo CSV. Para esto, usaremos los módulos time y csv de Python.
1.
Con time.sleep(60) realizamos el crawling cada minuto.
2.
Para guardar los datos recolectados en un archivo CSV, utilizamos el módulo csv.
3.
Imprimimos mensajes de registro para poder comprobar el avance.
import requests
from bs4 import BeautifulSoup
import csv
import time
def get_latest_naver_news(query, num_articles=10):
url = f"https://search.naver.com/search.naver?where=news&sm=tab_jum&query={query}"
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')
news_items = soup.find_all('div', {'class': 'news_area'}, limit=num_articles)
latest_news = []
for item in news_items:
title = item.find('a', {'class': 'news_tit'}).text
link = item.find('a', {'class': 'news_tit'})['href']
latest_news.append({'title': title, 'link': link})
return latest_news
def save_news_to_csv(news_items, filename='latest_naver_news.csv'):
with open(filename, 'a', newline='', encoding='utf-8') as file:
writer = csv.DictWriter(file, fieldnames=['title', 'link'])
writer.writeheader()
for news in news_items:
writer.writerow(news)
def main():
query = '인공지능'
while True:
print(f"{time.strftime('%Y-%m-%d %H:%M:%S')}에 크롤링 시작")
latest_news_items = get_latest_naver_news(query)
save_news_to_csv(latest_news_items)
print(f"{time.strftime('%Y-%m-%d %H:%M:%S')}에 크롤링 완료, 다음 크롤링까지 60초 대기")
time.sleep(60)
if __name__ == "__main__":
main()De hecho, se puede comprobar que existe un servicio que recoge y guarda noticias relacionadas con la 'inteligencia artificial'. ¿Y si surge un error mientras lo haces? Solo tienes que preguntar sobre el error. Si copias el mensaje de error y se lo preguntas al modelo de lenguaje, te dará la solución correspondiente a ese error.
Es decir, no solo convierte lo que dices en lenguaje natural en código para quienes no saben programar, sino que también ofrece funciones útiles como las siguientes para quienes ya escriben código.
•
Corrección de bugs: si encuentras un bug en un código que ya has escrito, puedes explicarle el problema al modelo de lenguaje y preguntar cómo arreglarlo. El modelo puede sugerir cómo solucionar los bugs.
•
Optimización de código: el modelo de lenguaje puede sugerir formas de mejorar el rendimiento de tu código o hacerlo más eficiente. Por ejemplo, puede recomendarte un algoritmo más rápido o sugerir mejoras en la estructura de tu código.
•
Documentación y comentarios: puedes usar el modelo de lenguaje para añadir comentarios o documentar tu código. Puede generar comentarios que expliquen la función de cada parte del código.
Recientemente han surgido herramientas como Q de Amazon o Code LLaMA de Meta, especializadas en la creación de código, lo que parece que acelerará aún más el mercado low-code y no-code.
ⓒ 2023. Haebom, todos los derechos reservados.
Citando la fuente, puede utilizarse con fines comerciales con el permiso del titular de los derechos de autor.
