網絡爬蟲：
網絡爬蟲（又稱為網頁蜘蛛，網絡機器人，在FOAF社區中間，更經常的稱為網頁追逐者），是一種按照一定的規則，自動地抓取萬維網信息的程序或者腳本。另外一些不常使用的名字還有螞蟻、自動索引、模擬程序或者蠕蟲。
以上是網絡爬蟲的百度，下面開始介紹使用Python進行網絡爬蟲來獲取數據。
本次內容參考自：
https://www.jianshu.com/p/1e47c3a59646
https://www.bilibili.com/medialist/play/ml317727151
用來獲取新冠肺炎的實時數據。
使用的工具PyCharm
新建Python文件，命名為get_data
使用爬蟲最常用的request模塊
第一部分：
獲取網頁信息：
import requests url = "https://voice.baidu.com/act/newpneumonia/newpneumonia" response = requests.get(url)
第二部分：
可以觀察數據的特點：
數據包含在script標簽里，使用xpath來獲取數據。
導入一個模塊 from lxml import etree
生成一個html對象並且進行解析
可以得到一個類型為list的內容，使用第一項就可以得到全部內容
接下來首先獲取component的內容，這時使用json模塊，將字符串類型轉變為字典(Python的數據結構）
為了獲取國內的數據，需要在component中找到caseList
接下來上代碼：
from lxml import etree
import json
# 生成HTML對象
html = etree.HTML(response.text)
result = html.xpath('//script[@type="application/json"]/text()')
result = result[0]
# json.load()方法可以將字符串轉化為python數據類型
result = json.loads(result)
result_in = result['component'][0]['caseList']
第三部分：
將國內的數據存儲到excel表格中：
使用openyxl模塊，import openpyxl
首先創建一個工作簿，在工作簿下創建一個工作表
接下來給工作表命名和給工作表賦予屬性
代碼如下：
import openpyxl
#創建工作簿
wb = openpyxl.Workbook()
#創建工作表
ws = wb.active
ws.title = "國內疫情"
ws.append(['省份', '累計確診', '死亡', '治愈', '現有確診', '累計確診增量', '死亡增量', '治愈增量', '現有確診增量'])
'''
area --> 大多為省份
city --> 城市
confirmed --> 累計
crued --> 值域
relativeTime -->
confirmedRelative --> 累計的增量
curedRelative --> 值域的增量
curConfirm --> 現有確鎮
curConfirmRelative --> 現有確鎮的增量
'''
for each in result_in:
temp_list = [each['area'], each['confirmed'], each['died'], each['crued'], each['curConfirm'],
each['confirmedRelative'], each['diedRelative'], each['curedRelative'],
each['curConfirmRelative']]
for i in range(len(temp_list)):
if temp_list[i] == '':
temp_list[i] = '0'
ws.append(temp_list)
wb.save('./data.xlsx')
第四部分：
將國外數據存儲到excel中：
在component的globalList中得到國外的數據
然后創建excel表格中的sheet即可，分別表示不同的大洲
代碼如下：
data_out = result['component'][0]['globalList']
for each in data_out:
sheet_title = each['area']
# 創建一個新的工作表
ws_out = wb.create_sheet(sheet_title)
ws_out.append(['國家', '累計確診', '死亡', '治愈', '現有確診', '累計確診增量'])
for country in each['subList']:
list_temp = [country['country'], country['confirmed'], country['died'], country['crued'],
country['curConfirm'], country['confirmedRelative']]
for i in range(len(list_temp)):
if list_temp[i] == '':
list_temp[i] = '0'
ws_out.append(list_temp)
wb.save('./data.xlsx')
整體代碼如下：
import requests
from lxml import etree
import json
import openpyxl
url = "https://voice.baidu.com/act/newpneumonia/newpneumonia"
response = requests.get(url)
#print(response.text)
# 生成HTML對象
html = etree.HTML(response.text)
result = html.xpath('//script[@type="application/json"]/text()')
result = result[0]
# json.load()方法可以將字符串轉化為python數據類型
result = json.loads(result)
#創建工作簿
wb = openpyxl.Workbook()
#創建工作表
ws = wb.active
ws.title = "國內疫情"
ws.append(['省份', '累計確診', '死亡', '治愈', '現有確診', '累計確診增量', '死亡增量', '治愈增量', '現有確診增量'])
result_in = result['component'][0]['caseList']
data_out = result['component'][0]['globalList']
'''
area --> 大多為省份
city --> 城市
confirmed --> 累計
crued --> 值域
relativeTime -->
confirmedRelative --> 累計的增量
curedRelative --> 值域的增量
curConfirm --> 現有確鎮
curConfirmRelative --> 現有確鎮的增量
'''
for each in result_in:
temp_list = [each['area'], each['confirmed'], each['died'], each['crued'], each['curConfirm'],
each['confirmedRelative'], each['diedRelative'], each['curedRelative'],
each['curConfirmRelative']]
for i in range(len(temp_list)):
if temp_list[i] == '':
temp_list[i] = '0'
ws.append(temp_list)
# 獲取國外疫情數據
for each in data_out:
sheet_title = each['area']
# 創建一個新的工作表
ws_out = wb.create_sheet(sheet_title)
ws_out.append(['國家', '累計確診', '死亡', '治愈', '現有確診', '累計確診增量'])
for country in each['subList']:
list_temp = [country['country'], country['confirmed'], country['died'], country['crued'],
country['curConfirm'], country['confirmedRelative']]
for i in range(len(list_temp)):
if list_temp[i] == '':
list_temp[i] = '0'
ws_out.append(list_temp)
wb.save('./data.xlsx')
結果如下：
國內：
國外：
