想象一下这个工具，它可以简化您的网页抓取任务，使 HTML 解析和数据提取不仅易于访问，而且非常简单。不再需要处理复杂的代码，不再需要理清错综复杂的 HTML 字符串。这听起来好得令人难以置信吗？事实并非如此，这要归功于 OpenAI 最新的游戏规则改变者，即其非凡的 AI 模型 ChatGPT 中名为代码解释器的创新功能。

没错，已经令人印象深刻的 ChatGPT 现在又推出了一项新功能，这必将使您作为数据爱好者的生活变得更加顺利。您只需右键单击将网站保存为 HTML，通过拖动上传该 HTML 文件，然后要求代码解释器解析它并为您完成繁重的工作。哦，我有没有提到它集成了 BeautifulSoup 包？伙计们，我们在这里谈论的是更高水平的简单性和效率！

因此，如果您准备好将您的网络抓取技能提升到新的高度，请加入我的chatGPT自动化小组，将通过 ChatGPT 的代码解释器深入研究 HTML 解析和数据提取的奇迹。

现在开始吧！

代码解释器的实际应用

让我们看看代码解释器的实际应用。首先，您需要确保为 ChatGPT 中的新 GPT-4 聊天窗口激活代码解释器：

接下来，使用提示输入字段中的上传功能上传您要从中提取数据的 html 文件：

现在输入您的提示文本,让chatGPT来完成这个任务。

点击提交，让 ChatGPT 和 Code Interpreter 来解决这个任务。您将收到的第一个回复如下：

在这里您可以看到 Code Interpreter 使用 Python 脚本（利用网络抓取库 Beautiful Soup）从 HTML 文件中提取请求的数据。

接下来 Code Interpreter 正在生成生成显示提取数据的 Markdown 表所需的源代码：

执行代码后，ChatGPT 会为您提供前 5 个数据集的示例 Markdown 输出：

以下是chatGPT的代码编写器生成的完整代码：

from bs4 import BeautifulSoup

# Load the HTML file
with open("/mnt/data/answer.html", "r") as f:
    content = f.read()

# Create a BeautifulSoup object
soup = BeautifulSoup(content, 'html.parser')

# Print the first few lines of the parsed HTML content
print(str(soup.prettify())[:1000])
# Find all tables in the HTML
tables = soup.find_all('table')

# Check how many tables are found
len(tables)
import pandas as pd

# Function to parse a HTML table and convert it into a Pandas DataFrame
def html_table_to_df(table):
    # Find all rows in the table
    rows = table.find_all('tr')
    
    # Prepare a list to store the rows data
    data = []
    
    for row in rows:
        # Find all columns in the row
        cols = row.find_all('td')
        
        # Get the text from each column
        cols_text = [col.get_text(strip=True) for col in cols]
        
        # Add the columns data to the rows data list
        data.append(cols_text)
    
    # Convert the list of rows data into a Pandas DataFrame and return it
    return pd.DataFrame(data)

# Convert the first (and only) table into a DataFrame
df = html_table_to_df(tables[0])

# Display the first few rows of the DataFrame
df.head()

结论

亲爱的数据爱好者，我们已经得到了它！全面了解 ChatGPT 的新功能“代码解释器”如何大大简化您的网页抓取任务。HTML 解析和数据提取从未如此简单。手工解析复杂代码或错综复杂的嵌套 HTML 结构的日子已经一去不复返了。现在，您所需要做的就是将网页保存为 HTML，上传，然后让 Code Interpreter 发挥其魔力。

请记住，此功能的美妙之处不仅在于其效率，还在于其所拥有的潜力。通过集成 BeautifulSoup，您进行实体提取和数据解析的机会几乎是无限的。无论您是刚刚涉足网络抓取领域，还是经验丰富的数据管理员，Code Interpreter 都是数据提取工具箱中的宝贵工具。