---
title: "03-func_gen_bygpt"
created: 2026-04-02
tags:
  - 项目
aliases:
  - func_gen_bygpt
---
# func_gen_bygpt.py

### `func_gen_bygpt.py` — 兜底生成器（大公司版）

与 [[02-func_gen_bygpt|auto_gen 的 func_gen_bygpt]] 同源：解析为空时把 HTML 样本发给大模型，自动生成新的解析函数文件。

## 代码

```python
import os
from utils import project_path, ner_logger
from api.openai4o_api import call_gpt

# 大模型生成HTML解析函数的提示词模板
# 要求生成 extract_table_from_html 函数，解析HTML列表并输出指定字段的JSON
prompt = '''
写一个python函数(extract_table_from_html),入参2个（1.htmlcontext  2.tempfile）
分析下面的html，转换成列表，写入json文件，
规则：
1. 只要函数即可，不要示例：
2. 输出JSON格式
3. 列表字段（公告名称(announcement_name)、发布时间(publish_time)、链接(link)、所属部门或机构(hd_dept)、工作地点(hd_loc)、招聘人数(hd_job_num)、招聘人数(hd_job_num)、职位类别(hd_job_category)）
4. 如果提取不到对应字段，赋值为空字符串""
{html_context}
'''


# 根据传入的HTML内容调用大模型，自动生成解析函数并保存到文件
def gen_func_bygpt(_key, html_context): 
    # 生成自动代码的存储路径
    codefile = f"data/gen_func_code_{_key}_tmp.py"
    
    # 如果代码文件已存在，直接返回，避免重复调用大模型
    if os.path.exists(codefile):
        ner_logger.info(f"代码文件{codefile}文件存在，无需大模型生成，直接返回")
        return 

    # 将HTML内容填充到提示词模板中
    _prompt = prompt.replace("{html_context}", html_context) 
    ner_logger.info(f"正在调用大模型生成解析函数\n{_prompt}\n")
    
    # 调用GPT接口生成Python解析代码
    _ok, _python_code = call_gpt(_prompt)
    ner_logger.info("大模型生成解析函数结束")
    
    # 生成成功后将代码写入.py文件
    if _ok:  
        with open(codefile, 'w', encoding='utf-8') as f:
            f.write(_python_code)
```

---

**项目分区导航**：[[02-func_call|func_call]] ⬅️ | 03-func_gen_bygpt | ➡️ [[04-gen_00001|gen_00001]]