实时爬取疫情动态变化并进行可视化展示

（一）实时爬取疫情的动态变化

上次的中国的疫情可视化来自已有的数据库表里的数据，不是最新的，因此这次我们要做的就是实时的爬取疫情信息

我实现爬取的网页是：丁香医生里的数据。

三步走：

第一步：获取网页

通过requests的headers伪装网页访问，获取网页代码

//ncov.dxy.cn/ncovh5/view/pneumonia?from=timeline&isappinstalled=0'  #请求地址
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'}#创建头部信息
response =  requests.get(url,headers = headers)  #发送网络请求
#print(response.content.decode('utf-8'))#以字节流形式打印网页源码
content = response.content.decode('utf-8')

第二步：提取我们想要的数据

发现在该网页里的script里id="getAreaStat"里面有我们想要的数据，然后我们通过BeautifulSoup对其进行爬取，爬取到后转化为字符串，通过字符转截取到我们想到的数据，将他们转化成json格式，然后建立两个列表，一个保存省份，另一个保存城市数据。

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 = []

数据的存储

#算出数据库已有的条数+今天省份的条数，才是城市的开始id
con=len(messages_json)+lenth
#一共有lenth条信息，现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：存储数据到MySql

首先在表中查询当前表中一共有多少条数据，然后再进行插入，这样不会出现id重复。这样每天都会更新数据库里的信息并且还会保存昨天的信息

这样在进行可视化时数据量将会更多，更加具有可比性。

总的代码：

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'  #请求地址
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'}#创建头部信息
response =  requests.get(url,headers = headers)  #发送网络请求
#print(response.content.decode('utf-8'))#以字节流形式打印网页源码
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	开始时间	结束时间	中断时间	净时间	活动	备注
3/10	15：35	16：00	0	25	安装Pycharm，配置环境	喝水
3/10	16：10	17：00	0	50	分析网页数据，学习爬虫知识
3/10	17：05	18：20	15	60	学习连接数据库，将数据分析并导入到MySql里	喝水，上厕所
3/10	18：30	18：45	0	15	将数据库里的数据与之间的web联系，构成实时可视化数据显示

缺陷记录日志

日期	编号	类型	引入阶段	排除阶段	修复阶段	修复缺陷
3/10	1	逻辑问题	编码	运行	10分钟
	描述：导入到数据库表里的id号码重复
3/10	2	逻辑问题	编码	运行	5min
	描述：建立数据库与web可视化时，数据全部导入进去，导致柱状图容不下显示出错

总共用时：150分钟，代码量80行左右