【原】用ChatGPT写一个数据采集程序

大家好，欢迎来到 Crossin的编程教室 ！

上次我们讨论了ChatGPT在辅助编程学习上的一些用法：

如何用ChatGPT学Python

既然ChatGPT可以理解并生成代码，那么自然而然，它的作用不仅仅是帮助学习代码，同样也可以直接用在实际的软件开发当中。

对于网页上的数据采集及处理是Python的常见应用场景之一。我们来看下ChatGPT是不是也能完成这样的任务。

假设我们现在需要抓取并整理某个网页上的表格数据：

https:///static/score.html

我们直接来问问ChatGPT，能不能给个抓取的代码：

ChatGPT给了我们一份代码，但很遗憾，把这个代码复制到编辑器中运行后，生成的Excel是空的。

简单调试后发现，原来是因为页面上的表头元素用的是<th>标签

而ChatGPT因为没有获知具体的页面代码信息，直接当做<td>标签来处理，所以没采集到表头信息。

这种情况下，我们可以手动对代码做一些修改。

或者，我们点击回答下方的“Regenerate response”，让它重新回答一次试试：

这次ChatGPT给出的代码比之前简洁：

import pandas as pd
# 读取网页上的表格url = 'https:///static/score.html'tables = pd.read_html(url)
# 假设目标表格是第一个表格table = tables[0]
# 将表格保存为Excel文件output_file = 'table.xlsx'table.to_excel(output_file, index=False)
print(f"表格已保存为 {output_file}")

运行后，成功得到了我们要的结果：

顺利拿到数据后，我们再进一步，让ChatGPT来对数据进行排序。当然，在排序前，我们需要告诉它关于表格内容的必要信息：

代码：

import pandas as pd
# 读取网页上的表格url = 'https:///static/score.html'tables = pd.read_html(url)
# 假设目标表格是第一个表格table = tables[0]
# 将缺失值替换为0table.fillna(0, inplace=True)
# 计算每个学生的均分table['均分'] = table.mean(axis=1)
# 按均分降序排序table.sort_values(by='均分', ascending=False, inplace=True)
# 将表格保存为Excel文件output_file = 'sorted_table.xlsx'table.to_excel(output_file, index=False)
print(f"按均分排序后的表格已保存为 {output_file}")

这次，ChatGPT完美实现了我们提出的需求：

可以看出，虽然ChatGPT很强大，但并不能保证每次生成的代码都是完美，仍然可能需要引导它修正或人工干预。

但即便如此，它也已经算得上一个十分得力的编程助手，可以大大提高开发效率。尤其像数据处理这种场景，以往开发时常常需要查找各种函数及其参数的使用方法。

我现在做数据分析已经快离不开它了。