Bản gốc tiếng Anh: https://argusic.com/subject/newspaper
newspaper
newspaper3k là một trình trích xuất tin tức, toàn văn và siêu dữ liệu bài báo trong Python 3. Tài liệu nâng cao:
Chạy đượcnguồn: GitHubtrang chủ dự ánPythonMITcommit f8e3cb63c87f
Python, giấy phép MIT. Dự án tự gắn nhãn: crawler, crawling, news, news aggregator, python và scraper.
newspaper chạy được. Trên một máy sạch không có GPU, một agent của Argusic đã cài đặt nó trong 1,5 phút, gặp 3 lỗi và tự sửa hết mà không cần trợ giúp, và toàn bộ phiên làm việc được ghi lại.
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
Kết quả agent đạt được trên máy sạch, bằng chính lời của nó. Cách đo
Argusic đo trên một máy mới mỗi lần. Mỗi con số đều link tới bằng chứng của nó. Điểm Argusic 100 trên 100 (trung bình điểm các lần chạy của dự án này).
Tóm tắt
Dữ liệu dự án lấy từ GitHub, có link ở đầu trang, cập nhật . Dữ liệu test của Argusic (CC BY 4.0); mỗi con số đều link tới một trang run có đầy đủ log, bản ghi và mã sha256 của chúng.
Những gì đã đo
Lấy từ lần chạy quyết định kết luận này. Mỗi dòng là một giá trị được ghi lại, không phải ước tính.
Những gì trục trặc, bằng chính lời của agent
Lời của chính agent, lỗi nặng nhất trước, không bao giờ viết lại thành lời khuyên.
- lxml.html.clean module split into separate lxml_html_clean package0,3 phút
- 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 phút
- NLTK punkt_tab resource missing (NLTK 3.10+ renamed punkt to punkt_tab)0,2 phút
- Thời gian cài đặt
- 2 phút
- Từ máy sạch đến khi xong
- 4 phút
- Lỗi gặp và đã sửa
- gặp 3, tự sửa 3 mà không cần người giúp
- Cách chứng minh kết quả
- `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)
- Số token model đã dùng
- 154.240
- Commit chính xác đã test
- f8e3cb63c87f
- Container image
- sha256:cdd920bce783
Những gì chưa đo
Nửa còn lại, để bạn thấy rõ bằng chứng này đi xa tới đâu. Chỗ trống được ghi là chỗ trống và không bao giờ được lấp vào.
- Bộ nhớ GPU cao nhất
- lần này chạy trên máy CPU, nên không có GPU để đo
- Hoạt động khi chạy lâu
- mỗi lần thử dùng cấu hình nhỏ nhất có trong tài liệu và một khoảng thời gian cố định, nên đây là đo xem nó có chạy hay không, không đo nó chịu tải ra sao
Đoạn cuối của bản ghi
Những dòng cuối của phiên terminal đã quyết định kết luận này, đúng như khi được ghi lại.
-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.
Xem lại toàn bộ phiên, mọi lệnh từ máy sạch tới thời điểm này.
Cách test
Một agent, một container, không có người giúp. Agent cài dự án theo đúng cách tài liệu của dự án hướng dẫn, chạy nó, và sửa những gì bị hỏng. Mọi thứ bên dưới được ghi lại đúng như đã diễn ra: phiên terminal, log và commit chính xác. Toàn bộ phương pháp.
Điểm mạnh và giới hạn
Dữ kiện đo được, không phải ý kiến. Cách viết nội dung.
Những gì suôn sẻ
- Đạt trạng thái chạy được trên máy sạch, có ghi lại phiên làm việc.
- Cài đặt trong 1,5 phút, nhanh hơn trung vị của 24 dự án tương đương mà Argusic đã đo.
- Tự khắc phục cả 3 lỗi mà không cần người can thiệp, cho thấy các lỗi được ghi trong tài liệu đủ rõ để giải quyết.
- Chạy được không cần GPU, nên không cần GPU để khởi động.
- Giấy phép MIT, theo thông tin từ nơi lưu trữ dự án.
Những gì không suôn sẻ, hoặc chưa biết
- Mới đo một lần. Một lần thử cho thấy nó có thể chạy, chưa cho thấy nó chạy ổn định.
Trong 25 dự án crawler mà Argusic đã cài đặt và bấm giờ, newspaper đứng thứ 5 về tốc độ đạt trạng thái chạy được, và 19 trên 25 dự án đạt được trạng thái đó.
Phù hợp để dùng cho
- Thử trên laptop hoặc máy chủ nhỏ: nó đạt trạng thái chạy được mà không cần GPU.
- Đánh giá nhanh: nó đã chạy 1,5 phút sau khi clone.
Cũng đã test, cùng lĩnh vực
Mỗi dự án ở đây đều được Argusic cài đặt và chạy trên máy sạch. Không có dự án nào chưa test xuất hiện ở đây.
Lịch sử chạy
Chủ đề (từ GitHub)
Nhúng badge
Markdown cho README của dự án. Badge link về trang này; điều khoản ở trang điều khoản.
[](https://argusic.com/subject/newspaper)Câu hỏi
- newspaper có chạy được không?
- Có. newspaper chạy được. Argusic đã cài đặt và khởi chạy nó trên một máy sạch trong 2 phút, gặp 3 lỗi trên đường đi, và ghi lại phiên làm việc.
- Argusic đã test newspaper như thế nào?
- Trên một máy mới, dùng một lần, mọi lệnh đều được ghi lại và repo được ghim ở commit f8e3cb63c87f. Có một lần thử được ghi lại, và toàn bộ phương pháp nằm ở trang phương pháp.
- Test newspaper tốn bao nhiêu?
- Lần chạy đưa ra kết luận này tốn 0,02 USD: chi phí máy và model thật, không phải giá niêm yết theo triệu token. Con số được ghi trên trang của lần chạy đó.
- Cài đặt newspaper mất bao lâu?
- 1,5 phút trong lần chạy quyết định kết luận này, từ máy sạch đến trạng thái chạy được. Đó là một lần thử đo được, không phải số trung bình.
- newspaper có cần GPU không?
- Không cần để khởi động. Argusic đã đạt trạng thái chạy được trên một máy không có GPU.
- Cài đặt newspaper thì gặp lỗi gì?
- 3 lỗi xảy ra trong lần chạy được ghi lại, và 3 lỗi đã được sửa mà không cần người giúp. Từng lỗi, cùng thời gian nó tốn, được liệt kê trên trang này.
- newspaper so với các lựa chọn khác thế nào?
- Trong 25 dự án crawler mà Argusic đã cài đặt và bấm giờ, newspaper đứng thứ 5 về tốc độ đạt trạng thái chạy được, và 19 trên 25 dự án đạt được trạng thái đó.
- Bằng chứng cho newspaper ở đâu?
- Lần chạy được ghi lại nằm trên trang này, mỗi lần link tới log đầy đủ và terminal recording, được lưu kèm dấu vân tay sha256 để không thể bị sửa lén.