python+selenium定時爬取丁香園的新型冠狀病毒數(shù)據(jù)并制作出類似的地圖（部署到云服務(wù)器）
前言
硬要說這篇文章怎么來的，那得先從那幾個吃野味的人開始說起…… 前天睡醒：假期還有幾天；昨天睡醒：假期還有十幾天；今天睡醒：假期還有一個月…… 每天過著幾乎和每個假期一樣的宅男生活，唯一不同的是玩手機(jī)已不再是看劇、看電影、打游戲了，而是每天都在關(guān)注著這次新冠肺炎疫情的新聞消息，真得希望這場戰(zhàn)“疫”快點結(jié)束，讓我們過上像以前一樣的生活。武漢加油！中國加油??！
本次爬取的網(wǎng)站是丁香園點擊跳轉(zhuǎn)，相信大家平時都是看這個的吧。
一、準(zhǔn)備
python3.7
- selenium：自動化測試框架，直接pip install selenium安裝即可
- pyecharts：以一切皆可配置而聞名的python封裝的js畫圖工具，其官方文檔寫的很詳細(xì)了點擊跳轉(zhuǎn)。
- 直接pip install pyecharts安裝即可，同時還需安裝以下地圖的包：
世界地圖：pip install echarts-countries-pypkg 中國地圖：pip install echarts-china-provinces-pypkg 中國城市地圖：pip install echarts-china-cities-pypkg
云服務(wù)器
二、爬取數(shù)據(jù)+畫圖
第一步、分析頁面
先用個requests模塊請求一下，看能不能拿到數(shù)據(jù)：
import requests
url='https://ncov.dxy.cn/ncovh5/view/pneumonia_peopleapp?from=timeline&isappinstalled=0'
headers={'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/79.0.3945.88 Safari/537.36'}
r=requests.get(url,headers=headers)
print(r.text)
發(fā)現(xiàn)數(shù)據(jù)是亂碼的并且注意到末尾處有如下字樣：
<noscript>You need to enable JavaScript to run this app.</noscript>
意思是需要執(zhí)行js代碼，百度了一下發(fā)現(xiàn)這個頁面應(yīng)該是用react.js來開發(fā)的。限于自身技術(shù)能力，這個時候，我就只能用selenium了，它是完全模擬瀏覽器的操作，也即能執(zhí)行js代碼。
并且我需要拿到的數(shù)據(jù)并不多，也就一個頁面而已，所以耗時也可以接受。
那么我要拿哪些數(shù)據(jù)呢，如下：
- 截至當(dāng)前時間的全國數(shù)據(jù)統(tǒng)計
- 病毒相關(guān)描述信息
- 全國各個省份及其城市的所有數(shù)據(jù)
- 全世界各個地區(qū)的數(shù)據(jù)
經(jīng)過查看，發(fā)現(xiàn)這幾處需要進(jìn)行點擊，才能獲取到更多數(shù)據(jù)信息：
第二步、編寫代碼
導(dǎo)入相關(guān)包：
from selenium import webdriver from selenium.webdriver.common.action_chains import ActionChains from selenium.webdriver.common.keys import Keys import parsel import time import json import os import datetime import pyecharts from pyecharts import options as opts
定義爬取數(shù)據(jù)、保存數(shù)據(jù)的函數(shù)：
def get_save_data():
'''
部署到云服務(wù)器上時，注意:要安裝pyvirtualdisplay模塊，
并且把下面的前5條注釋掉的代碼給去掉注釋，再運(yùn)行，不然會報錯。
'''
#from pyvirtualdisplay import Display
#display = Display(visible=0, size=(800, 600))
#display.start()
options=webdriver.ChromeOptions()
#options.add_argument('--disable-gpu')
#options.add_argument("--no-sandbox")
options.add_argument('--headless') #采用無頭模式進(jìn)行爬取
d=webdriver.Chrome(options=options)
d.get('https://ncov.dxy.cn/ncovh5/view/pneumonia_peopleapp?from=timeline&isappinstalled=0')
time.sleep(2)
ActionChains(d).move_to_element(d.find_element_by_xpath('//p[@class="mapTap___1k3MH"]')).perform()
time.sleep(2)
d.find_element_by_xpath('//span[@class="openIconView___3hcbn"]').click()
time.sleep(2)
for i in range(3):
mores=d.find_elements_by_xpath('//div[@class="areaBox___3jZkr"]')[1].find_elements_by_xpath('./div')[3:-1]
ActionChains(d).move_to_element(d.find_element_by_xpath('//div[@class="rumorTabWrap___2kiW4"]/p')).perform()
mores[i].click()
time.sleep(2)
response=parsel.Selector(d.page_source)
china=response.xpath('//div[@class="areaBox___3jZkr"]')[0]
world=response.xpath('//div[@class="areaBox___3jZkr"]')[1]
# 下面是病毒相關(guān)描述信息的獲取與處理
content=response.xpath('//div[@class="mapTop___2VZCl"]/div[1]//text()').getall()
s=''
for i,j in enumerate(content):
s=s+j
if (i+1)%2 == 0:
s=s+'\n'
if j in ['確診','疑似','重癥','死亡','治愈']:
s=s+'\n'
now=s.strip()
msg=response.xpath('//div[@class="mapTop___2VZCl"]/div//text()').getall()
s=''
for i in msg:
if i not in now:
s=s+i+'\n'
msg=s.strip()
content=msg+'\n\n'+now
# 下面是全國數(shù)據(jù)的獲取
china_data=[]
for div_list in china.xpath('./div')[2:-1]:
flag=0
city_list=[]
for div in div_list.xpath('./div'):
if flag == 0:
if div.xpath('./p[1]/text()').get() is not None:
item={}
item['省份']=div.xpath('./p[1]/text()').get()
item['確診']=div.xpath('./p[2]/text()').get() if div.xpath('./p[2]/text()').get() is not None else '0'
item['死亡']=div.xpath('./p[3]/text()').get() if div.xpath('./p[3]/text()').get() is not None else '0'
item['治愈']=div.xpath('./p[4]/text()').get() if div.xpath('./p[4]/text()').get() is not None else '0'
flag=1
else:
if div.xpath('./p[1]/span/text()').get() is not None:
temp={}
temp['城市']=div.xpath('./p[1]/span/text()').get()
temp['確診']=div.xpath('./p[2]/text()').get() if div.xpath('./p[2]/text()').get() is not None else '0'
temp['死亡']=div.xpath('./p[3]/text()').get() if div.xpath('./p[3]/text()').get() is not None else '0'
temp['治愈']=div.xpath('./p[4]/text()').get() if div.xpath('./p[4]/text()').get() is not None else '0'
city_list.append(temp)
item.update({'city_list':city_list})
china_data.append(item)
# 下面是全球數(shù)據(jù)的獲取
world_data=[]
for div_list in world.xpath('./div')[2:-1]:
flag=0
country_list=[]
for div in div_list.xpath('./div'):
if flag == 0:
if div.xpath('./p[1]/text()').get() is not None:
item={}
item['地區(qū)']=div.xpath('./p[1]/text()').get()
item['確診']=div.xpath('./p[2]/text()').get() if div.xpath('./p[2]/text()').get() is not None else '0'
item['死亡']=div.xpath('./p[3]/text()').get() if div.xpath('./p[3]/text()').get() is not None else '0'
item['治愈']=div.xpath('./p[4]/text()').get() if div.xpath('./p[4]/text()').get() is not None else '0'
flag=1
else:
if div.xpath('./p[1]/span/text()').get() is not None:
temp={}
temp['國家']=div.xpath('./p[1]/span/text()').get()
temp['確診']=div.xpath('./p[2]/text()').get() if div.xpath('./p[2]/text()').get() is not None else '0'
temp['死亡']=div.xpath('./p[3]/text()').get() if div.xpath('./p[3]/text()').get() is not None else '0'
temp['治愈']=div.xpath('./p[4]/text()').get() if div.xpath('./p[4]/text()').get() is not None else '0'
country_list.append(temp)
item.update({'country_list':country_list})
world_data.append(item)
d.quit()
# 下面是保存數(shù)據(jù)的操作
if not os.path.exists('./json'):
os.makedirs('./json')
if not os.path.exists('./txt'):
os.makedirs('./txt')
now_time=datetime.datetime.now().strftime("%Y-%m-%d") #獲取當(dāng)前日期
index=list(range(len(china_data)))
data=dict(zip(index,china_data))
json_str = json.dumps(data, indent=4,ensure_ascii=False)
with open(f'./json/{now_time}.json', 'w', encoding='utf-8') as f:
f.write(json_str)
index=list(range(len(world_data)))
data=dict(zip(index,world_data))
json_str = json.dumps(data, indent=4,ensure_ascii=False)
with open(f'{now_time}.json', 'w', encoding='utf-8') as f:
f.write(json_str)
with open(f'./txt/{now_time}.txt', 'w', encoding='utf-8') as f:
f.write(content)
定義畫地圖的函數(shù)，輸出是一個html文件：
def get_html():
# 首先是加載爬取到的數(shù)據(jù)
json_files=os.listdir('./json')
json_data=[]
date=[]
for i in json_files:
with open(f'./json/{i}','r',encoding='utf-8') as f:
date.append(i.split('.')[0])
temp=json.load(f)
json_data.append(list(temp.values()))
txt_files=os.listdir('./txt')
content_list=[]
for i in txt_files:
with open(f'./txt/{i}','r',encoding='utf-8') as f:
content_list.append(f.read())
# 下面開始畫圖
t=pyecharts.charts.Timeline(init_opts=opts.InitOpts(width='1400px',height='1400px',page_title='武漢加油！中國加油??！'))
for s,(i,data) in enumerate(zip(date,json_data)):
value=[] # 儲存確診人數(shù)
attr=[] # 儲存城市名字
for each in data:
attr.append(each['省份'])
value.append(int(each['確診']))
map0 = (
pyecharts.charts.Map()
.add(
series_name='該省份確診數(shù)',data_pair=list(zip(attr,value)),maptype='china',is_map_symbol_show=True,zoom=1.1
)
.set_global_opts(title_opts=opts.TitleOpts(title="武漢加油！中國加油?。?, # 標(biāo)題
subtitle=content_list[s], # 副標(biāo)題
title_textstyle_opts=opts.TextStyleOpts(color='red',font_size=30), # 標(biāo)題文字
subtitle_textstyle_opts=opts.TextStyleOpts(color='black',font_size=20),item_gap=20), # 副標(biāo)題文字
visualmap_opts=opts.VisualMapOpts(pieces=[{"max": 9, "min": 1,'label':'1-9','color':'#FFEBCD'},
{"max": 99, "min": 10,'label':'10-99','color':'#F5DEB3'},
{"max": 499, "min": 100,'label':'100-499','color':'#F4A460'},
{"max": 999, "min": 500,'label':'500-999','color':'#FA8072'},
{"max": 9999,"min": 1000,'label':'1000-9999','color':'#ee2c0f'},
{"min": 10000,'label':'≥10000','color':'#5B5B5B'}],
is_piecewise=True,item_width=45,item_height=30,textstyle_opts=opts.TextStyleOpts(font_size=20))
)
)
t.add(map0, "{}".format(i))
# 將這幅圖保存為html文件
t.render('武漢加油！中國加油！！.html')
程序入口：
if __name__ == '__main__': get_save_data() get_html()
第三步、結(jié)果展示
運(yùn)行該程序之后，會在當(dāng)前目錄下生成一個武漢加油！中國加油！！.html的文件，打開之后如下：
ps：因為只能上傳圖片，所以我就將html轉(zhuǎn)為圖片了，html是動態(tài)的，有時間軸可以拖動，由于昨天才剛開始爬數(shù)據(jù)，所以只有兩天的數(shù)據(jù)。下面附上轉(zhuǎn)圖片的代碼：
ps：又因為這個Timeline時間線輪播多圖，配置不了背景顏色，發(fā)現(xiàn)生成的圖片放大看變成黑色背景的，于是研究了一下源碼，自己修改了一下js那塊的代碼，然后就生成可以設(shè)置背景顏色的圖片了
from selenium import webdriver
import base64
import os
options=webdriver.ChromeOptions()
options.add_argument('--headless') #采用無頭模式進(jìn)行爬取
d=webdriver.Chrome(options=options)
url='file://'+os.path.abspath('武漢加油！中國加油！！.html')
d.get(url)
def decode_base64(data: str) -> bytes:
"""Decode base64, padding being optional.
:param data: Base64 data as an ASCII byte string
:returns: The decoded byte string.
"""
missing_padding = len(data) % 4
if missing_padding != 0:
data += "=" * (4 - missing_padding)
return base64.decodebytes(data.encode("utf-8"))
def save_as_png(image_data: bytes, output_name: str):
with open(output_name, "wb") as f:
f.write(image_data)
js = """
var ele = document.querySelector('div[_echarts_instance_]');
var mychart = echarts.getInstanceByDom(ele);
return mychart.getDataURL({
type: 'png',
pixelRatio: 2,
backgroundColor:'#FFFFFF',
excludeComponents: ['toolbox']
});
"""
content=d.execute_script(js)
content_array = content.split(",")
image_data = decode_base64(content_array[1])
save_as_png(image_data, '武漢加油！中國加油?。?png')
d.quit()
三、部署到云服務(wù)器
1.定時運(yùn)行獲取數(shù)據(jù)
首先將爬取數(shù)據(jù)的函數(shù)，即get_save_data()單獨放到一個py文件中（我命名為：2019-nCoV.py）。然后修改定時任務(wù)/etc/crontab文件，如下：
2.通過微信獲取地圖（html文件）
把畫地圖的函數(shù)，即get_html()添加到個人微信機(jī)器人當(dāng)中，然后設(shè)置特定判斷條件，在手機(jī)微信上向文件傳輸助手發(fā)送設(shè)定好的指令，執(zhí)行g(shù)et_html()函數(shù)，然后把執(zhí)行函數(shù)后生成的html文件發(fā)給文件傳輸助手，從而獲取到當(dāng)前的疫情地圖。
個人微信機(jī)器人的代碼我就不再展示了，可以看我之前的文章：python實現(xiàn)微信自動回復(fù)機(jī)器人
特定判斷的語句如下：
if '2019' == msg['Text']:
get_html()
itchat.send('@fil@%s'%'武漢加油！中國加油??！.html',toUserName='filehelper')
同時，也可以把剛剛的獲取數(shù)據(jù)的函數(shù)一起添加進(jìn)去的，然后同樣通過發(fā)送特定指令運(yùn)行函數(shù)，而獲取數(shù)據(jù)，我這里不加進(jìn)去呢，是因為我要設(shè)置個定時任務(wù)，定時獲取就行了；并且我也可以通過給文件傳輸助手發(fā)送shell命令，執(zhí)行py文件。
把下面的代碼加進(jìn)個人微信機(jī)器人py文件里就行了。
import subprocess def cmd(command): output=subprocess.getoutput(command) return output
并給出我的特定判斷語句：
if 'cmd' in msg['Text']: output=cmd(msg['Text'][3:]) if output != '': itchat.send(output, toUserName='filehelper')
四、運(yùn)行展示
如上圖所示：我先是執(zhí)行了爬取數(shù)據(jù)的函數(shù)，即我調(diào)用了云服務(wù)器上的定時爬取數(shù)據(jù)的py文件，然后再輸入指令獲取當(dāng)前的疫情地圖，打開后像上面的疫情地圖一樣。
寫在最后
世界的疫情地圖我沒有畫，是因為pyecharts的世界地圖各個地區(qū)是用英文命名的，跟獲取到的地區(qū)匹配不上，其實可以加個中文轉(zhuǎn)英文給它，那就可以了，我懶的弄了，有興趣的朋友可以試一試哦
一開始，我只是在那些爬蟲微信群上看到：今天這誰在爬丁香園的數(shù)據(jù)，過幾天又看到那誰又在爬丁香園的數(shù)據(jù)，而且還提出各種問題來討論。我實在是看不下去了，于是就有了這一篇文章（反正在家閑著也是閑著）
然后呢，今天學(xué)校發(fā)通知說校外的大四學(xué)生也可以申請vpn，然后在家就可以查看和下載知網(wǎng)的文獻(xiàn)了。準(zhǔn)備畢業(yè)的我突然驚了，我的論文還未開始寫呢！看來是時候了……
其實我是想回學(xué)校再寫的，但是這次的新冠肺炎疫情來勢兇猛，真的希望快點好起來啊~
武漢加油！中國加油?。?/p>
總結(jié)
以上所述是小編給大家介紹的python+selenium定時爬取丁香園的新冠病毒每天的數(shù)據(jù)并制作出類似的地圖（部署到云服務(wù)器），希望對大家有所幫助！
相關(guān)文章
這篇文章主要介紹了python生成中文隨機(jī)驗證碼示例,需要的朋友可以參考下2014-04-04
這篇文章主要介紹了如何使用Python生成Hilbert矩陣，文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-09-09
python實現(xiàn)釘釘機(jī)器人自動打卡天天早下班
這篇文章主要為大家介紹了python實現(xiàn)釘釘機(jī)器人自動打卡天天下早班實例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-06-06
本篇文章主要介紹如何用Python設(shè)計一個經(jīng)典小游戲：猜大小。具有很好的參考價值。下面跟著小編一起來看下吧2017-05-05
本篇文章主要介紹了Python中Django 后臺自定義表單控件，其實 django 已經(jīng)為我們提供了一些可用的表單控件，比如：多選框、單選按鈕等，有興趣的開業(yè)了解一下。2017-03-03
這篇文章主要為大家詳細(xì)介紹了python的條件語句和循環(huán)語句，使用數(shù)據(jù)庫，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-02-02
這篇文章主要介紹了Python異常與錯誤處理，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)吧2022-12-12
這篇文章主要介紹了Form表單及django的form表單的補(bǔ)充,文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下2019-07-07
Python3.4 splinter(模擬填寫表單)使用方法
今天小編就為大家分享一篇Python3.4 splinter(模擬填寫表單)使用方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-10-10
python使用for循環(huán)和海龜繪圖實現(xiàn)漂亮螺旋線
這篇文章主要為大家介紹了python使用for循環(huán)和海龜繪圖實現(xiàn)漂亮螺旋線實現(xiàn)示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-06-06