|
有一個50列的表格，里面都是英文，要翻譯成中文：  在ChatGPT中輸入提示詞： 你是一個開發AI大模型應用的Python編程專家，要完成以下任務的Python腳本： 打開Excel文件："F:\AI自媒體內容\AI行業數據分析\poetop50bots.xlsx" 讀取A2到B51這個區域中的每一個單元格內容， 調用deepseek-chat模型（上下文長度32K，最大輸出長度4K）來將單元格的內容翻譯成中文； 模型的base_url為：https://api.deepseek.com 模型的api_key為：XXX temperature 參數設置認為 1.1 提示詞為：把英文內容翻譯為中文 調用deepseek-chat模型API的示例參照【】里面的內容： 【# Please install OpenAI SDK first：`pip3 install openai` from openai import OpenAI client = OpenAI(api_key="<deepseek api key>", base_url="https://api.deepseek.com") response = client.chat.completions.create( model="deepseek-chat", messages=[ {"role": "system", "content": "You are a helpful assistant"}, {"role": "user", "content": "Hello"}, ], stream=False ) print(response.choices[0].message.content) 模型返回的json數據示例： { "id": "65c327b06948c8d635c8316c6885d95e", "choices": [ { "index": 0, "message": { "content": "Hello! How can I assist you with your programming or computer science questions today?", "role": "assistant" }, "finish_reason": "stop", "logprobs": null } ], "created": 1717069572, "model": "deepseek-coder", "system_fingerprint": "fp_ded2115e5a", "object": "chat.completion", "usage": { "prompt_tokens": 18, "completion_tokens": 16, "total_tokens": 34 } } 】 解析返回的JSON數據，獲取翻譯后的文本，將翻譯后的文本內容寫入一個新的表格文件中； 注意： 每一步都要輸出相關信息到屏幕上 如果單元格的文本長度或者翻譯返回的文本長度超過模型限制，那就進行拆分，然后組合在一起；  Chatpgt生成的代碼： import pandas as pd import requests import json # 讀取Excel文件 file_path = "F:\\AI自媒體內容\\AI行業數據分析\\poetop50bots.xlsx" df = pd.read_excel(file_path, header=None, usecols="A:B", skiprows=1, nrows=50) # DeepSeek API配置信息 base_url = "https://api.deepseek.com" api_key = "XXX" model = "deepseek-chat" def translate_text(text): headers = { 'Authorization': f'Bearer {api_key}', 'Content-Type': 'application/json' } data = { "model": model, "messages": [ {"role": "system", "content": "You are a helpful assistant"}, {"role": "user", "content": f"把英文內容翻譯為中文：{text}"} ], "stream": False } response = requests.post(f"{base_url}/v1/chat/completions", headers=headers, json=data) response.raise_for_status() # 檢查請求是否成功 translated_text = response.json()['choices'][0]['message']['content'] return translated_text def split_text(text, max_length): return [text[i:i + max_length] for i in range(0, len(text), max_length)] # 輸出每一步的信息到屏幕上 print(f"讀取文件: {file_path}") for index, row in df.iterrows(): for col in [0, 1]: # 遍歷A和B列 text = row[col] if pd.isna(text): continue text = str(text) print(f"正在翻譯單元格({index+2}, {chr(col+65)}): {text}") max_input_length = 32000 max_output_length = 4000 if len(text) > max_input_length: parts = split_text(text, max_input_length) translated_parts = [translate_text(part) for part in parts] translated_text = ''.join(translated_parts) else: translated_text = translate_text(text) print(f"翻譯結果: {translated_text}") # 將翻譯后的文本寫入DataFrame中 df.iat[index, col] = translated_text # 將結果寫回到新的Excel文件中 new_file_path = "F:\\AI自媒體內容\\AI行業數據分析\\translated_poetop50bots.xlsx" df.to_excel(new_file_path, index=False, header=False, startrow=1) print(f"翻譯完成，結果已寫入文件: {new_file_path}")   |
|
|
