溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
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已不再是看劇、看電影、打游戲了，而是每天都在關注著這次新冠肺炎疫情的新聞消息，真得希望這場戰“疫”快點結束，讓我們過上像以前一樣的生活。武漢加油！中國加油！！
本次爬取的網站是丁香園點擊跳轉，相信大家平時都是看這個的吧。
python3.7
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
第一步、分析頁面
先用個requests模塊請求一下，看能不能拿到數據：
import requests
url='https://ncov.dxy.cn/ncovh6/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)
發現數據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>
意思是需要執行js代碼，百度了一下發現這個頁面應該是用react.js來開發的。限于自身技術能力，這個時候，我就只能用selenium了，它是完全模擬瀏覽器的操作，也即能執行js代碼。
并且我需要拿到的數據并不多，也就一個頁面而已，所以耗時也可以接受。
那么我要拿哪些數據呢，如下：
經過查看，發現這幾處需要進行點擊，才能獲取到更多數據信息：
第二步、編寫代碼
導入相關包：
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
定義爬取數據、保存數據的函數：
def get_save_data(): ''' 部署到云服務器上時，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') #采用無頭模式進行爬取 d=webdriver.Chrome(options=options) d.get('https://ncov.dxy.cn/ncovh6/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 # 下面是全國數據的獲取 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) # 下面是全球數據的獲取 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']=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() # 下面是保存數據的操作 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，輸出是一個html文件：
def get_html():
# 首先是加載爬取到的數據
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
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',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！！", # 標題
subtitle=content_list[s], # 副標題
title_textstyle_opts=opts.TextStyleOpts(color='red',font_size=30), # 標題文字
subtitle_textstyle_opts=opts.TextStyleOpts(color='black',font_size=20),item_gap=20), # 副標題文字
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、結果展示
運行該程序之后，會在當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轉為圖片了，html是動態的，有時間軸可以拖動，由于昨天才剛開始爬數據，所以只有兩天的數據。下面附上轉圖片的代碼：
ps：又因為這個Timeline時間線輪播多圖，配置不了背景顏色，發現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()
1.定時運行獲取數據
首先將爬取數據的函數，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/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，即get_html()添加到個人微信機器人當中，然后設置特定判斷條件，在手機微信上向文件傳輸助手發送設定好的指令，執行get_html()函數，然后把執行函數后生成的html文件發給文件傳輸助手，從而獲取到當前的疫情地圖。
個人微信機器人的代碼我就不再展示了，可以看我之前的文章：python實現微信自動回復機器人
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據的函數一起添加進去的，然后同樣通過發送特定指令運行函數，而獲取數據，我這里不加進去呢，是因為我要設置個定時任務，定時獲取就行了；并且我也可以通過給文件傳輸助手發送shell命令，執行py文件。
把下面的代碼加進個人微信機器人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')
如上圖所示：我先是執行了爬取數據的函數，即我調用了云服務器上的定時爬取數據的py文件，然后再輸入指令獲取當前的疫情地圖，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是用英文命名的，跟獲取到的地區匹配不上，其實可以加個中文轉英文給它，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據，過幾天又看到那誰又在爬丁香園的數據，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，今天學校發通知說校外的大四學生也可以申請vpn，然后在家就可以查看和下載知網的文獻了。準備畢業的我突然驚了，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！！
總結
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據并制作出類似的地圖（部署到云服務器），希望對大家有所幫助！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
