在deepseek中輸入提示詞：

你是一個(gè)Python編程專家，現(xiàn)在要完成一個(gè)編寫基于qwen-turbo模型API和dashscope庫的程序腳本，具體步驟如下：

打開文件夾：F:\AI自媒體內(nèi)容\待翻譯；

獲取里面所有TXT文檔；

讀取TXT文檔內(nèi)容；

將每個(gè)TXT文檔的內(nèi)容作為輸入，并在調(diào)用API時(shí)附加提示語“翻譯成中文”，API Key為：XXX，model為qwen-turbo；

接收API返回的結(jié)果，并將其保存到在同一文件夾中，文件標(biāo)題名為原txt文件標(biāo)題名加上“翻譯”，文檔格式為txt文檔；

注意：

每一步都要打印相關(guān)的信息；

根據(jù)API的限流和請(qǐng)求要求，合理安排任務(wù)的發(fā)送頻率，避免觸發(fā)API的速率限制；

要有錯(cuò)誤處理和調(diào)試信息，這有助于找出問題所在；

請(qǐng)求的輸入長度范圍應(yīng)當(dāng)在[1, 6000]之間，如果超長，需要對(duì)TXT內(nèi)容分拆成多份，使單個(gè)輸入內(nèi)容不超過6000個(gè)字符，然后再一個(gè)個(gè)發(fā)送至API，接收API返回的結(jié)果，將之前分拆的內(nèi)容按順序整合在一起。；

在讀取文件時(shí)跳過那些以"翻譯.txt"結(jié)尾的文件，避免遞歸地處理同一個(gè)文件夾下的所有文件，包括已經(jīng)生成的翻譯文件；

在文件的開始處添加以下導(dǎo)入語句：from http import HTTPStatus；

在將某個(gè)部分的結(jié)果拼接到翻譯結(jié)果列表時(shí)，可能會(huì)出現(xiàn)預(yù)期的字符串類型與實(shí)際的類型不匹配，確保在拼接翻譯結(jié)果列表時(shí)，列表中的每個(gè)元素都是字符串類型；

API 返回是JSON 對(duì)象，其中包含了文本內(nèi)容，需要對(duì) JSON 對(duì)象進(jìn)行解析，以提取出 text 字段中的文本內(nèi)容。

qwen-turbo模型API的使用方法，請(qǐng)參照下面這個(gè)例子：

from http import HTTPStatus

import dashscope

def sample_sync_call():

prompt_text = '用蘿卜、土豆、茄子做飯，給我個(gè)菜譜。'

resp = dashscope.Generation.call(

model='qwen-turbo',

prompt=prompt_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生成的源代碼：

from http import HTTPStatus

import os

import dashscope

import json

# 設(shè)置API Key

dashscope.api_key = 'XXX'

def translate_text(text):

prompt_text = f"翻譯成中文: {text}"

resp = dashscope.Generation.call(

model='qwen-turbo',

prompt=prompt_text

)

if resp.status_code == HTTPStatus.OK:

return resp.output['text']

else:

print(f"Error: {resp.code} - {resp.message}")

return None

def process_file(file_path):

with open(file_path, 'r', encoding='utf-8') as file:

content = file.read()

if len(content) > 6000:

# Split content into chunks

chunks = [content[i:i+6000] 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(f"Failed 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] + '翻譯.txt'

with open(translated_file_path, 'w', encoding='utf-8') as translated_file:

translated_file.write(translated_content)

print(f"Translated file saved: {translated_file_path}")

else:

print(f"Failed to translate file: {file_path}")

def main():

folder_path = 'F:\\AI自媒體內(nèi)容\\待翻譯'

for filename in os.listdir(folder_path):

if filename.endswith('.txt') and not filename.endswith('翻譯.txt'):

file_path = os.path.join(folder_path, filename)

print(f"Processing file: {file_path}")

process_file(file_path)

if __name__ == "__main__":

main()