實時爬取疫情動態變化並進行可視化展示

（一）實時爬取疫情的動態變化

上次的中國的疫情可視化來自已有的數據庫表里的數據，不是最新的，因此這次我們要做的就是實時的爬取疫情信息

我實現爬取的網頁是：丁香醫生里的數據。

三步走：

第一步：獲取網頁

通過requests的headers偽裝網頁訪問，獲取網頁代碼

 

//ncov.dxy.cn/ncovh5/view/pneumonia?from=timeline&isappinstalled=0'  #請求地址
headers = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'}#創建頭部信息
response =  requests.get(url,headers = headers)  #發送網絡請求
#print(response.content.decode('utf-8'))#以字節流形式打印網頁源碼
content = response.content.decode('utf-8')

 

第二步：提取我們想要的數據

發現在該網頁里的script里id="getAreaStat"里面有我們想要的數據，然后我們通過BeautifulSoup對其進行爬取，爬取到后轉化為字符串，通過字符轉截取到我們想到的數據，將他們轉化成json格式，然后建立兩個列表，一個保存省份，另一個保存城市數據。

soup = BeautifulSoup(content, 'html.parser')
listA = soup.find_all(name='script',attrs={"id":"getAreaStat"})

account = str(listA)

messages = account[52:-21]
messages_json = json.loads(messages)

valuesList = []
cityList = []

數據的存儲

#算出數據庫已有的條數+今天省份的條數，才是城市的開始id
con=len(messages_json)+lenth
#一共有lenth條信息，現在要往上加今天的信息
k=lenth
for i in range(len(messages_json)):

    k=k+1
    value = (k,time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time())),messages_json[i].get('provinceShortName'),None,messages_json[i].get('confirmedCount'),messages_json[i].get('suspectedCount'),messages_json[i].get('curedCount'),messages_json[i].get('deadCount'),messages_json[i].get('locationId'))
    valuesList.append(value)
    cityValue = messages_json[i].get('cities')

    for j in range(len(cityValue)):
        con=con+1
        cityValueList = (con,time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time())),messages_json[i].get('provinceShortName'),cityValue[j].get('cityName'),cityValue[j].get('confirmedCount'),cityValue[j].get('suspectedCount'),cityValue[j].get('curedCount'),cityValue[j].get('deadCount'),cityValue[j].get('locationId'))
        cityList.append(cityValueList)
       
value_tuple = tuple(valuesList)
cityTuple = tuple(cityList)

第三步：存儲數據到MySql

首先在表中查詢當前表中一共有多少條數據，然后再進行插入，這樣不會出現id重復。這樣每天都會更新數據庫里的信息並且還會保存昨天的信息

這樣在進行可視化時數據量將會更多，更加具有可比性。

總的代碼：

from os import path
import requests
from bs4 import BeautifulSoup
import json
import pymysql
import numpy as np
import time

url = 'https://ncov.dxy.cn/ncovh5/view/pneumonia?from=timeline&isappinstalled=0'  #請求地址
headers = {'user-agent':'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.131 Safari/537.36'}#創建頭部信息
response =  requests.get(url,headers = headers)  #發送網絡請求
#print(response.content.decode('utf-8'))#以字節流形式打印網頁源碼
content = response.content.decode('utf-8')

soup = BeautifulSoup(content, 'html.parser')
listA = soup.find_all(name='script',attrs={"id":"getAreaStat"})

account = str(listA)

messages = account[52:-21]
messages_json = json.loads(messages)

valuesList = []

 

日期	開始時間	結束時間	中斷時間	凈時間	活動	備注
3/10	15：35	16：00	0	25	安裝Pycharm，配置環境	喝水
3/10	16：10	17：00	0	50	分析網頁數據，學習爬蟲知識
3/10	17：05	18：20	15	60	學習連接數據庫，將數據分析並導入到MySql里	喝水，上廁所
3/10	18：30	18：45	0	15	將數據庫里的數據與之間的web聯系，構成實時可視化數據顯示

 

 

 

 

 

 

 

缺陷記錄日志

日期	編號	類型	引入階段	排除階段	修復階段	修復缺陷
3/10	1	邏輯問題	編碼	運行	10分鍾
	描述：導入到數據庫表里的id號碼重復
3/10	2	邏輯問題	編碼	運行	5min
	描述：建立數據庫與web可視化時，數據全部導入進去，導致柱狀圖容不下顯示出錯

 

 

 

 

 

總共用時：150分鍾，代碼量80行左右