Original em inglês: https://argusic.com/subject/newspaper
newspaper
newspaper3k é uma extração de notícias, texto completo e metadados de artigos em Python 3. Documentação avançada:
Executafonte: GitHubpágina do projetoPythonMITcommit f8e3cb63c87f
Python, licença MIT. O projeto se descreve como: crawler, crawling, news, news aggregator, python e scraper.
newspaper executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 1,5 minutos e encontrou 3 erros, corrigindo todos sem ajuda, e a sessão inteira foi gravada.
newspaper3k 0.3.0 installs in a virtualenv on Python 3.12, all 40 unit tests pass, and core Article download/parse/nlp pipeline produces correct output from static HTML
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 100 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
O que deu errado, nas palavras do agent
As palavras do próprio agent, das piores para as menores, nunca reescritas como conselho.
- lxml.html.clean module split into separate lxml_html_clean package0,3 minutos
- Chinese expected text file (tests/data/text/chinese.txt) contained overlong-encoded C2 93 / C2 94 bytes instead of proper UTF-8 curly quotes0,3 minutos
- NLTK punkt_tab resource missing (NLTK 3.10+ renamed punkt to punkt_tab)0,2 minutos
- Tempo de instalação
- 2 minutos
- Da máquina limpa até o fim
- 4 minutos
- Erros encontrados e corrigidos
- 3 encontrados, 3 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- `python -m pytest tests/unit_tests.py -v` exited 0, 40 passed, 5 skipped (the 5 skips are network-dependent: exhaustive, cache_categories, source_build, prepare_url, mthreading)
- Tokens de modelo usados
- 154.240
- Commit exato testado
- f8e3cb63c87f
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
-现为间选议员的何俊仁说，梁振英至今仍不坦诚以对，让他震惊；亲北京政团工联会直选议员黄国健也批评梁振英抱着不服输的态度接受质询。 +现为间选议员的何俊仁说，梁振英至今仍不坦诚以对，让他“震惊”；亲北京政团工联会直选议员黄国健也批评梁振英抱着“不服输”的态度接受质询。 历时1.5小时的答问大会在进入中段之际，泛民主派人民力量的直选议员黄毓民、陈伟业和社会民主连线的梁国雄先后因播放录音、叫嚣，和向梁振英扔掷文件而被议长驱逐。 exec /bin/sh -lc 'cd /work/repo && git diff --stat 2>&1' in /work/repo succeeded in 0ms: tests/data/text/chinese.txt | 8 ++++---- 1 file changed, 4 insertions(+), 4 deletions(-) All clean. Let me produce the final report. tokens used 154,240 All clean. Let me produce the final report.
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 1,5 minutos, mais rápido que a mediana dos 24 projetos comparáveis que a Argusic mediu.
- Recuperou-se de todos os 3 erros sem que uma pessoa interviesse, o que indica que as falhas estão documentadas o suficiente para serem resolvidas.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
O que não deu certo, ou não se sabe
- Medido uma vez até agora. Uma única tentativa mostra que ele pode executar, não que executa de forma confiável.
Dos 25 projetos de crawler que a Argusic instalou e cronometrou, newspaper foi o 5º mais rápido a chegar a um estado de execução, e 19 de 25 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 1,5 minutos depois do clone.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/newspaper)Perguntas
- newspaper executa?
- Sim. newspaper executa. A Argusic o instalou e iniciou em uma máquina limpa em 2 minutos, encontrando 3 erros no caminho, e gravou a sessão.
- Como a Argusic testou newspaper?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit f8e3cb63c87f. Há uma tentativa registrada, e a metodologia completa está na página da metodologia.
- Quanto custou testar newspaper?
- A execução que produziu este veredito custou US$ 0,02: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar newspaper?
- 1,5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- newspaper precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar newspaper?
- 3 coisas quebraram na execução registrada, e 3 foram corrigidas sem ajuda humana. Cada uma, com o tempo que custou, está listada nesta página.
- Como newspaper se compara às alternativas?
- Dos 25 projetos de crawler que a Argusic instalou e cronometrou, newspaper foi o 5º mais rápido a chegar a um estado de execução, e 19 de 25 chegaram a esse estado.
- Onde estão as evidências de newspaper?
- A execução registrada está nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.