ChatGPT实现HTML网页文本提取-Toy模板网

这篇具有很好参考价值的文章主要介绍了ChatGPT实现HTML网页文本提取。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

网页自动化工具

既然ChatGPT对于编程语言有非常强大的理解能力，那么它是否可以用来自动化地处理网页呢？答案是肯定的。ChatGPT可以使用机器学习算法来识别网页元素中的文本，并抽取出有用的信息。

例如我们提供一段层数比较多的相对来说较为复杂的 HTML 代码，如下图所示：

ChatGPT实现HTML网页文本提取

图中我们用红框标出的部分是需要抽取的文本，我们可以要求 ChatGPT 帮我们抽取出其中的文本，看看是否如我们期望的，只将红框中的部分抽取出来。如下图所示：

ChatGPT实现HTML网页文本提取

我们看到，ChatGPT成功地将红框中的文本抽取出来了，而且没有将 HTML 片段中

<img data-v-ae3ef2f2="" data-v-28d01aa9="" src="https://static001.infoq.cn/resource/image/c1/ab/c1a96a0372f54a63493051b05b3d5aab.png" alt="图片默认文字:马斯克开源Twitter算法！推荐机制正式公开，GitHub Star数已破万" class="article-image">

图片标签的默认显示文字抽取出来，可以说对于文本部分的识别成功率还是不错的，后续我们就可以基于这些抽取出来的文本进行进一步的处理了。

ChatGPT对于 HTML 的理解不仅仅在于文本的抽取，它可以识别整个 HTML 的结构，基于这个能力，我们就可以要求 ChatGPT 帮我们去实现一些更有趣的功能。比如我们希望通过输入文本指令，可以控制网页中的元素进行一些操作，例如点击、输入、滚动等等，那么我们可以通过 ChatGPT 对指令进行解析并根据预设的操作和要求，帮助我们按照模版生成相应的指令片段，这样我们后续就可以根据这些统一格式的指令片段进行解析并做相应的处理了。例如，我们可以先给ChatGPT设定一个prompt（提示），告诉他要做什么事情，按照什么模版进行输出：

你是一位浏览器页面自动化助手。

你可以使用的Action包括:
openLink(元素href属性)
click(元素Id)

你将收到一个需要执行的任务以及一段DOM字符串。你需要选择最合适的Action，你最多可以重试一次失败的操作。
下面是你收到任务后响应的例子:
<Thought>我应该点击添加购物车的按钮</Thought>
<Action>click(223)</Action>
你必须始终包含<Thought>和<Action>打开/关闭标签，否则你的响应将被标记为无效。

ChatGPT收到这个prompt后，就会对这个提示进行上下文设定并将自己对于该提示的理解输出。我们可以看看ChatGPT的理解对不对，如下图所示：

ChatGPT实现HTML网页文本提取

可以看到，ChatGPT成功的理解了我们为他设定的prompt，接下来我们就要测试一下他能不能正确执行我们的指令了。我们在输入框中输入如下内容：

用户发起了如下任务:
请打开文章链接

下面是页面内容：
<div data-v-7ce5c5d7="" class="list">
<div data-v-28d01aa9="" data-v-7ce5c5d7="" article-item="" class="article-item image-position-right">
    <div data-v-28d01aa9="" item-main="" class="item-main">
    <div data-v-28d01aa9="" data-icon="" data-video="" class="image"><img data-v-ae3ef2f2="" data-v-28d01aa9=""
...

接下来看看ChatGPT如何应对这个任务，如下图所示：

ChatGPT实现HTML网页文本提取

我们看到，ChatGPT正确的识别出了HTML文本中

<a data-v-65bacb95="" data-v-28d01aa9="" com-article-title="" href="https://www.infoq.cn/news/3OOPEivwhT0gLcKP0Nwl" target="_blank" rel=""  class="com-article-title">

这个link标签中的href属性，并将其作为参数传入了openLink()函数中，并且按照我们设定的输出模版，将和正确的输出到页面上，这样我们就可以把这些统一格式的指令片段进行解析，然后按照需求做相应的处理了。

我们可以预见，这种利用ChatGPT实现的网页自动化技术，未来会有更多的应用和创新，可以使得基于网页的工具更加智能化，更加便捷，应用的场景也会越来越广泛。文章来源地址https://www.toymoban.com/news/detail-433277.html

到了这里，关于ChatGPT实现HTML网页文本提取的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！