wordpress网站和微信公众号,深圳平面设计深圳平面设计公司,020网站开发,四川石油天然气建设工程有限责任公司网站在deepseek中输入提示词#xff1a;
你是一个Python编程专家#xff0c;现在要完成一个编写基于qwen-turbo模型API和dashscope库的程序脚本#xff0c;具体步骤如下#xff1a;
打开文件夹#xff1a;F:\AI自媒体内容\待翻译#xff1b;
获取里面所有TXT文档#xff…在deepseek中输入提示词
你是一个Python编程专家现在要完成一个编写基于qwen-turbo模型API和dashscope库的程序脚本具体步骤如下
打开文件夹F:\AI自媒体内容\待翻译
获取里面所有TXT文档
读取TXT文档内容
将每个TXT文档的内容作为输入并在调用API时附加提示语“翻译成中文”API Key为XXXmodel为qwen-turbo
接收API返回的结果并将其保存到在同一文件夹中文件标题名为原txt文件标题名加上“翻译”文档格式为txt文档
注意
每一步都要打印相关的信息
根据API的限流和请求要求合理安排任务的发送频率避免触发API的速率限制
要有错误处理和调试信息这有助于找出问题所在
请求的输入长度范围应当在[1, 6000]之间如果超长需要对TXT内容分拆成多份使单个输入内容不超过6000个字符然后再一个个发送至API接收API返回的结果将之前分拆的内容按顺序整合在一起。
在读取文件时跳过那些以翻译.txt结尾的文件避免递归地处理同一个文件夹下的所有文件包括已经生成的翻译文件
在文件的开始处添加以下导入语句from http import HTTPStatus
在将某个部分的结果拼接到翻译结果列表时可能会出现预期的字符串类型与实际的类型不匹配确保在拼接翻译结果列表时列表中的每个元素都是字符串类型
API 返回是JSON 对象其中包含了文本内容需要对 JSON 对象进行解析以提取出 text 字段中的文本内容。
qwen-turbo模型API的使用方法请参照下面这个例子
from http import HTTPStatus
import dashscope
def sample_sync_call():
prompt_text 用萝卜、土豆、茄子做饭给我个菜谱。
resp dashscope.Generation.call(
modelqwen-turbo,
promptprompt_text
)
# The response status_code is HTTPStatus.OK indicate success,
# otherwise indicate request is failed, you can get error code
# and message from code and message.
if resp.status_code HTTPStatus.OK:
print(resp.output) # The output text
print(resp.usage) # The usage information
else:
print(resp.code) # The error code.
print(resp.message) # The error message.
sample_sync_call() Deepseek生成的源代码
from http import HTTPStatus
import os
import dashscope
import json
# 设置API Key
dashscope.api_key XXX
def translate_text(text):
prompt_text f翻译成中文: {text}
resp dashscope.Generation.call(
modelqwen-turbo,
promptprompt_text
)
if resp.status_code HTTPStatus.OK:
return resp.output[text]
else:
print(fError: {resp.code} - {resp.message})
return None
def process_file(file_path):
with open(file_path, r, encodingutf-8) as file:
content file.read()
if len(content) 6000:
# Split content into chunks
chunks [content[i:i6000] for i in range(0, len(content), 6000)]
translated_chunks []
for chunk in chunks:
translated_chunk translate_text(chunk)
if translated_chunk:
translated_chunks.append(translated_chunk)
else:
print(fFailed to translate chunk from file: {file_path})
return
translated_content .join(translated_chunks)
else:
translated_content translate_text(content)
if translated_content:
translated_file_path file_path.rsplit(., 1)[0] 翻译.txt
with open(translated_file_path, w, encodingutf-8) as translated_file:
translated_file.write(translated_content)
print(fTranslated file saved: {translated_file_path})
else:
print(fFailed to translate file: {file_path})
def main():
folder_path F:\\AI自媒体内容\\待翻译
for filename in os.listdir(folder_path):
if filename.endswith(.txt) and not filename.endswith(翻译.txt):
file_path os.path.join(folder_path, filename)
print(fProcessing file: {file_path})
process_file(file_path)
if __name__ __main__:
main()
