前言

chatGPT最近火出圈了，怎么薅一个文字模型给你打工呢？
这个UP给了个思路：哔哩哔哩
emmm有点尴尬，可能是热度比较高，b站的视频作者自己下架了。

总结一下：

• 薅的对象百度文库创作中心：地址
  
• 除了每个文档一块三左右的收入还有每个月发多少篇的奖励。
• chatGPT干这个不就是信手拈来了？？？

实现

B站的作者代码没开源的，但是这玩意没啥难度啊…打了一年半的工写个这个不是信手拈来？
粗略的看了下b站的视频，他的技术栈应该是用pychatGPT模拟浏览器发request请求然后拿openAI的回复。所以核心就是用pychatGPT呗？找了下老外开源的代码：https://github.com/rawandahmad698/PyChatGPT
12月17号粗略跑了一下发现已经被ban了并且作者也绕过不了openai的cf了：

所以呢，b站阿婆主的方法已经没用了，那也问题不大，自己写一个就是了。

我实现的技术栈：

• selenium自动化浏览器控制
• beautifulsoup解析html
• pypandoc文本输出docx

你没看错，就是爬虫的技术栈，request被ban了咱就傻瓜式的直接浏览器控制就是了。

第一步：获取任务

为了全自动，获取任务当然也要自动了，这个比较简单解析下百度文库的网页源码就可以获取任务了：

可以看到任务都在doc-row里面，所以核心的检索代码用beautifulsoup搜一下就好了：

doc_rows = soup.findAll('div', {"class": "doc-row"})

然后搜子标签里面的span，并且属性是doc-title就可以获取题目了，同理价格。

然后dump到本地的csv就好了：

第二步：遍历任务让chatgpt回答

这里比较麻烦的就是绕过openai的cf，既然很难我们就不饶过了，直接浏览器控制，selenium！！！yyds！！！
看看openai的源码：

问题和答案都在框起来的源码里了，这样不就ssssso easy了，用selenium获取到网页的源码后，在用bs4库像步骤一一样解析就好了：
核心代码：

answer = str(soup.findAll('div', {"class": "min-h-[20px] flex flex-col items-start gap-4 whitespace-pre-wrap"})[-1])

为啥取最后一个？当然是最后一个肯定是最近的回答了。
这里还有些难点：

• 怎么判断openai生成文本结束了呢？
• 因为openai的限制一次只能输出400个字，怎么接着让他输出呢？
• html的源码有好多

  这样的符号怎么导出到doc呢？直接导出的话这样肯定没法看。

问题一：判断生成结束，解决方案

在输出答案的时候这个地方是省略号，所以可以判断html是否有这个省略号来判断openai是否输出完成。

问题二：怎么接着让他输出呢？解决方案

这个其实很简单，判断下答案是否够比如说800字？不够我们就再给他发一条"接着说"他就会接着输出了

问题三：html的源码有好多符号怎么导出到doc呢？直接导出的话这样肯定没法看。解决方案

可以直接获取回答的结果对应的html源码如下：

<div class="min-h-[20px] flex flex-col items-start gap-4 whitespace-pre-wrap"><div class="markdown prose break-words dark:prose-invert light"><p>本领动作是指身体的各个部位可以灵活运用的动作。这些动作有利于增强身体的力量、柔韧性和协调能力，有助于促进身体的健康发展。</p><p>一些常见的本领动作包括：</p><ul><li>俯卧撑：身体俯卧在地上，双手放在地面，腹部收紧，使身体抬起。俯卧撑能增强胸部、手臂和腹部的力量。</li><li>仰卧起坐：身体仰卧在地上，双手放在身体侧面，腹部收紧，使身体从仰卧状态坐起。仰卧起坐能增强腹部、背部和大腿的力量。</li><li>引体向上：站立或悬挂状态下，双手紧握横杠或其他抓握物，腹部收紧，使身体向上拉。引体向上能增强背部、手臂和腹部的力量。</li><li>开合跳：双脚并拢，腹部收紧，使身体向上跳起，再把双脚张开，再跳起。开合跳能增强腹部、大腿和膝盖的力量。</li><li>深蹲：双脚张开，身体向下坐，使膝盖与脚踝成90度角。深蹲能增强大腿、膝盖和腰部的力量。</li></ul><p>这些本领动作都可以</p></div></div><div class="min-h-[20px] flex flex-col items-start gap-4 whitespace-pre-wrap"><div class="markdown prose break-words dark:prose-invert light"><p>自由组合，搭配出不同的本领训练项目。例如，可以先做几个俯卧撑，再做几个仰卧起坐，再做几个引体向上，接着做几个开合跳，最后做几个深蹲。这样的训练项目不仅能锻炼身体的各个部位，还能促进心肺功能的提升。</p><p>在做本领动作时，需要注意身体的姿势和呼吸。姿势要正确，呼吸要规律。如果觉得有些动作难度较大，可以适当减少动作次数或使用辅助工具，逐渐增加难度。</p><p>做本领动作不仅能增强身体的力量和柔韧性，还能提升身心状态，对身体健康有很大的益处。建议每周至少做3次本领动作训练，每次训练时间在30分钟左右。</p></div></div>

加一下支持中文和标题：

<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<h1>本领动作</h1>

看看效果：

网页解析的效果不错了，然后用pypandoc将html源码转doc即可核心代码：

pypandoc.convert_file("xx.html", "docx", outputfile="xx.doc")

看看doc的效果：

very very good！！！

最后

最后用文库的批量提交就可以提交了，下午跑了三个小时弄了40篇试试水：

看看能不能过审核。

TODO1

有些文库的任务质量非常差：

比如上图，这是什么没有逻辑的鬼东西，这种可以在dump下来的任务csv中标注下标签，给这个打个坏，在之后人工审核出来之后可以把过审的标注成好 ，并且没过审的也标注成坏，这样随便跑个轻量的nlp模型就能过滤大量没有意义的任务了。

TODO2

躺平就想着全全自动，现在在上传文库这块还是依赖手工，可以用python模型鼠标点击，固定屏幕的话可以像按键精灵一样写个脚本自动上传了，不过可能就是要处理的特殊情况会多一些，写起来倒是没啥难度。