一、通过requests库爬取数据并保存为csv文件

原创

不温卜火 2022-04-21 10:32:16 博主文章分类：COVID-19分析 ©著作权

文章标签 python json 数据 firefox 文章分类 代码人生

©著作权归作者所有：来自51CTO博客作者不温卜火的原创作品，请联系作者获取转载授权，否则将追究法律责任

此系列第一篇呀

一、选择数据源

网址：https://wp.m.163.com/163/page/news/virus_report/index.html?nw=1&anw=1

好了知道上面的我们就可以准备开始了。

首先我们先导入包和设置代理头

import requests
import pandas as pd
import time 
pd.set_option('max_rows',500)
headers = {  'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:73.0) Gecko/20100101 Firefox/73.0'}
url = 'https://c.m.163.com/ug/api/wuhan/app/data/list-total'   # 定义要访问的地址 
r = requests.get(url, headers=headers)  # 使用requests发起请求

这个时候我们请求以下：

一、通过requests库爬取数据并保存为csv文件_python

由上图我们可以看到返回后的内容是一个几十万长度的字符串，由于字符串格式不方便进行分析，并且在网页预览中发现数据为类似字典的json格式，所以我们将其转为json格式。

import json
data_json = json.loads(r.text)
data_json.keys()

一、通过requests库爬取数据并保存为csv文件_firefox_02

我们可以看出在data中存放着我们需要的数据，因此我们取出数据。

data = data_json['data']
data.keys()

一、通过requests库爬取数据并保存为csv文件_json_03

数据中总共有四个键，每个键存储着不同的内容：

接下来我们开始获取实时数据。

三、整体代码实现

# =============================================
# --*-- coding: utf-8 --*--
# @Time    : 2020-03-27
# @Author  : 不温卜火
 
# @FileName: Real-time epidemic.py
# @Software: PyCharm
# =============================================
import requests
import pandas as pd
import json
import time

pd.set_option('max_rows',500)

headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:73.0) Gecko/20100101 Firefox/73.0'}

url = 'https://c.m.163.com/ug/api/wuhan/app/data/list-total'   # 定义要访问的地址
r = requests.get(url, headers=headers)  # 使用requests发起请求

data_json = json.loads(r.text)
data = data_json['data']
data_province = data['areaTree'][2]['children']
areaTree = data['areaTree']

class spider_yiqing(object):


    # 将提取数据的方法封装成函数
    def get_data(data, info_list):
        info = pd.DataFrame(data)[info_list]  # 主要信息

        today_data = pd.DataFrame([i['today'] for i in data])  # 提取today的数据
        today_data.columns = ['today_' + i for i in today_data.columns]

        total_data = pd.DataFrame([i['total'] for i in data])
        total_data.columns = ['total_' + i for i in total_data.columns]

        return pd.concat([info, total_data, today_data], axis=1)

    

    def save_data(data,name):
        file_name = name+'_'+time.strftime('%Y_%m_%d',time.localtime(time.time()))+'.csv'
        data.to_csv(file_name,index=None,encoding='utf_8_sig')
        print(file_name+'保存成功！')

    if __name__ == '__main__':
        today_province = get_data(data_province, ['id', 'lastUpdateTime', 'name'])
        today_world = get_data(areaTree, ['id', 'lastUpdateTime', 'name'])
        save_data(today_province, 'today_province')
        save_data(today_world, 'today_world')