最近在準備碩論，需要大量交通事故相關的新聞資料。
原本的計劃是自己寫 Python 腳本，但寫到一半突然在想 ——「叫 GPT 幫我開網頁搜尋會不會比較快？」

GPT 已經支援即時搜尋功能，如果能直接丟一句話，讓它幫我找到最新的新聞，說不定比我自己寫程式還快。
所以就藉這次實際測試看看，哪個比較有優勢。

GPT 抓資料

第一次嘗試時，我直接對 GPT 下指令：
「幫我找跟XXXXXX相關交通事故的新聞，整理成表格，欄位包含：標題、日期、來源、城市、摘要。」

GPT 很快就回給我 5 則新聞，甚至還附上了簡短摘要。當下我覺得：「真的超級方便」

但接下來遇到幾個問題：

• 有些新聞只能抓到標題，內文被 paywall 擋住了。
• 不同次的輸出格式不一致，有時候缺了「日期」或「城市」。
• 想要抓更多（例如一次 100 則以上）就很慢，而且容易重複。

所以 GPT 大約適合用來「先試試看」，或是份量不大的時候，如果要蒐集一份大量的資料，可能要多很多耐心。

Python 腳本

後來我還是回到 Python，寫了一個小爬蟲。
只要設好關鍵字（例如「台中+車禍」「高齡駕駛+事故」），程式就能一口氣抓下幾百篇新聞，再整理成 CSV。

這樣的好處是：

• 欄位完全一致，方便後續丟進資料庫分析。
• 可以持續跑，隔幾天再執行就能補上最新資料。
• 可以針對不同新聞網站調整策略，例如有些用 RSS，有些要用 Selenium 模擬點擊。

但缺點也很明顯：

• 第一次寫很花時間，尤其是網站反爬機制一堆，還要處理亂碼。
• 寫起來跟叫 GPT 搜尋可能時間沒有省多少。

GPT vs Python：對照表

在研究流程中的搭配

我的結論是：兩者不是互斥，而是可以互補。

• 先用 GPT 搜尋 → 測試關鍵字、快速找到新聞來源，確認「這個主題夠不夠」。
• 再用 Python 腳本 → 批量抓取、整理成乾淨的資料表，方便後續使用。

舉例：
我先請 GPT 幫我找「XX車禍熱點」，它會丟給我幾則新聞，甚至有些提到「某某路段事故頻繁」。
這時我就知道可以把「某某路段」當成我的爬蟲關鍵字，讓 Python 自動去抓更多相關新聞。

這樣一來，GPT 先「偵查」，而 Python 則是「主力」，可以避免掉python跑很久，但卻因為關鍵字不對而抓不太到資料。

小結

• GPT 很適合快速探索，低成本測試新聞來源。
• Python 則是建立大規模資料庫的必備工具。
• 真正高效的方式，是 AI + 程式雙管齊下：先用 GPT 篩選題材，再用 Python 自動化收集。

這樣做不僅能節省時間，還能確保資料品質，對碩論研究來說，等於把「資料蒐集」這個痛點拆解成了兩個小步驟，更輕鬆也更穩定。