加速进入低代码时代

到目前为止，我们称为“代码”的各种编程语言，归根结底都是与机器对话的工具。想一想，有外国人和我们在一起。我们也可以通过学习外语来自由与他们交流，但你可以想象一下，如果他们学习我们的语言变得更快会怎样。

以前，如果想要编写重复性工作或脚本，需要买与编程语言相关的书或听讲座，现在只需问一句“我想做A这个任务，有没有什么好方法？”就可以了。

其实，前面我们已经体验过编写代码了。那么这次要不要试试添加一个新功能呢？

"진행상황을 확인하고 매 분마다 자동으로 크롤링 결과를 csv에 저장하는 코드로 바꿔주십시오."

通过上述命令，我们请求了定期运行、检查进度、整理为csv等功能。接下来，向你推荐如下的语言模型。

我们将修改原有代码，新增检查进度、每分钟自动爬取Naver新闻并保存到CSV文件的功能。为此，将会用到Python的time和csv模块。

使用time.sleep(60)实现每分钟爬取一次。

使用csv模块将爬取的数据保存到CSV文件中。

打印日志消息以确认进度情况。

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()

实际上，已经出现了一个抓取并保存“人工智能”相关新闻的服务。那么，如果在制作过程中出现了错误怎么办？只需要询问下错误内容。把出现错误的输出复制给语言模型，就会帮你提取对应的解答。

也就是说，这不仅能帮不会编程的人把自然语言变成代码，同时也给会写代码的人带来以下便利功能。

•

修复bug：如果发现现有代码有bug，可以把问题描述给语言模型，询问修复方法。模型会提出如何修复bug的建议。

•

代码优化：语言模型可以提供提升代码性能或效率的方法。比如，可以建议更快的算法或改善代码结构。

•

文档与注释：可以用语言模型为代码添加注释或者进行文档化。可以为代码的每个部分生成解释其功能的注释。

最近，亚马逊的Q和Meta的Code LLaMA等专门针对代码编写的工具相继发布，预计这将加速Low-code和No-code市场的发展。

Made with Slashpage