1.引言

最近江蘇南京、湖南張家界陸續(xù)爆發(fā)疫情，目前已波及8省22市，全國(guó)共有2個(gè)高風(fēng)險(xiǎn)地區(qū)，52個(gè)中風(fēng)險(xiǎn)地區(qū)。身在南京，作為兢兢業(yè)業(yè)的打工人，默默地成為了“蘇打綠”。為了關(guān)注疫情狀況，今天我們用python來爬一爬疫情的實(shí)時(shí)數(shù)據(jù)。

2.獲取目標(biāo)網(wǎng)站

為了使用python來獲取疫情數(shù)據(jù)，我們需要找一個(gè)疫情實(shí)時(shí)追蹤數(shù)據(jù)發(fā)布網(wǎng)站，國(guó)內(nèi)比較有名的是騰訊新聞、網(wǎng)易新聞等，這些網(wǎng)站疫情內(nèi)容都大同小異，主要包括國(guó)內(nèi)疫情、海外疫情，每日新增確診趨勢(shì)，疫苗接種情況等，這里我們選用騰訊新聞疫情發(fā)布頁(yè)來進(jìn)行數(shù)據(jù)爬取分析。

網(wǎng)站分析：

• 使用chrome瀏覽器 打開疫情發(fā)布頁(yè)網(wǎng)址 ，如上圖所示
• 我們按F12 進(jìn)入開發(fā)者模式，按 ctrl+R 刷新頁(yè)面
• 在Network下找到 getOnsInfo?name=disease_h5列，獲得爬取目標(biāo)網(wǎng)址

3.爬取目標(biāo)網(wǎng)站

我們寫爬蟲爬取網(wǎng)站數(shù)據(jù)，需要安裝request庫(kù)，安裝命令如下：

pip3 install requests

只需要三行代碼就可以獲取該網(wǎng)頁(yè)內(nèi)容，代碼如下：

url = 'https://view.inews.qq.com/g2/getOnsInfo?name=disease_h5'
req = requests.get(url=url)
content = json.loads(req.text)

打印爬去結(jié)果如下：

4.解析爬取內(nèi)容

上述網(wǎng)站內(nèi)容我們雖然爬取成功，接下來我們需要對(duì)爬取的結(jié)果進(jìn)行解析，從中找出我們感興趣的部分。

4.1. 解析全國(guó)今日總況

相應(yīng)的解析代碼如下：

def get_all_china(content):
 tmp_data = content["data"]
 area_data = json.loads(tmp_data)["areaTree"]
 country = area_data[0]
 country_list = []
 name = country["name"]
 today_confirm = country["today"]["confirm"]
 now_confirm = country["total"]["nowConfirm"]
 total_confirm = country["total"]["confirm"]
 total_heal = country["total"]["heal"]
 country_list.append([name, today_confirm, now_confirm, total_confirm, total_heal])
 return country_list

打印結(jié)果如下：

輸出太丑了，這里使用PrettyTable庫(kù)對(duì)輸出進(jìn)行美化，代碼如下：

def format_list_prettytable(title,province_list):
 table = PrettyTable(title)
 for province in province_list:
  table.add_row(province)
 table.border = True
 return table

結(jié)果如下：

4.2. 解析全國(guó)各省份疫情情況

依次類推，可解析全國(guó)各省市疫情情況，代碼如下：

def get_all_province(content):
 tmp_data = content["data"]
 area_data = json.loads(tmp_data)["areaTree"]
 data = area_data[0]['children']
 province_list = []
 for province in data:
  name = province["name"]
  today_confirm = province["today"]["confirm"]
  now_confirm = province["total"]["nowConfirm"]
  total_confirm = province["total"]["confirm"]
  total_heal = province["total"]["heal"]
  province_list.append([name, today_confirm, now_confirm, total_confirm, total_heal])
 return province_list

結(jié)果如下：

4.3. 解析江蘇各地級(jí)市疫情情況

最后，我們獲取江蘇省各地級(jí)市的疫情數(shù)據(jù),代碼如下：

def parse_jiangsu_province(content,key_province):
 tmp_data = content["data"]
 area_data = json.loads(tmp_data)["areaTree"]
 data = area_data[0]['children']
 city_list = []
 for province in data:
  name = province["name"]
  if name == key_province:
children_list = province["children"]
for children in children_list:
 city = children["name"]
 today_new = children["today"]["confirm"]
 now_confirm = children["total"]["nowConfirm"]
 total_confirm = children["total"]["confirm"]
 total_heal = children["total"]["heal"]
 city_list.append([city, today_new, now_confirm, total_confirm, total_heal])
 return city_list

結(jié)果如下：

5.結(jié)果可視化

使用matplotlib對(duì)上述爬去的江蘇各地級(jí)市疫情分布可視化，得到結(jié)果如下：

今日新增可視化結(jié)果如下：

現(xiàn)有確診可視化結(jié)果如下：

從上述圖表可以看出，今日疫情已擴(kuò)散至揚(yáng)州，揚(yáng)州今日新增感染人數(shù)最多，需引起重視。

6. 代碼

完整代碼

https://github.com/sgzqc/wechat/tree/main/20210731

7. 參考

鏈接一

到此這篇關(guān)于Python獲取江蘇疫情實(shí)時(shí)數(shù)據(jù)及爬蟲分析的文章就介紹到這了,更多相關(guān)Python江蘇疫情內(nèi)容請(qǐng)搜索本站以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持本站！

美國(guó)服務(wù)器租用

版權(quán)聲明：本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有，歡迎引用、轉(zhuǎn)載，請(qǐng)保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站，禁止在非maisonbaluchon.cn所屬的服務(wù)器上建立鏡像，否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來，僅供學(xué)習(xí)參考，不代表本站立場(chǎng)，如有內(nèi)容涉嫌侵權(quán)，請(qǐng)聯(lián)系alex-e#qq.com處理。