- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
有一个website有几个交互式图表,我想从中提取数据。我之前使用 selenium webdriver 在 python 中编写了几个网络抓取工具,但这似乎是一个不同的问题。我在 stackoverflow 上看过几个类似的问题。从这些看来,解决方案可能是直接从 json 文件下载数据。我查看了网站的源代码,发现了几个 json 文件,但经过检查,它们似乎不包含数据。
有人知道如何从这些图表中下载数据吗?我特别对这个条形图感兴趣:.//*[@id='network_download']
谢谢
编辑:我应该补充一点,当我使用 Firebug 检查网站时,我发现可以获取以下格式的数据。但这显然没有帮助,因为它不包含任何标签。
<circle fill="#8CB1AA" cx="713.4318516666667" cy="5.357142857142858" r="4.5" style="opacity: 0.983087;">
<circle fill="#8CB1AA" cx="694.1212663333334" cy="10.714285714285715" r="4.5" style="opacity: 0.983087;">
<circle fill="#CEA379" cx="626.4726493333333" cy="16.071428571428573" r="4.5" style="opacity: 0.983087;">
<circle fill="#B0B359" cx="613.88416" cy="21.42857142857143" r="4.5" style="opacity: 0.983087;">
<circle fill="#D1D49E" cx="602.917665" cy="26.785714285714285" r="4.5" style="opacity: 0.983087;">
<circle fill="#A5E0B5" cx="581.5437366666666" cy="32.142857142857146" r="4.5" style="opacity: 0.983087;">
最佳答案
像这样的 SVG 图表往往有点难以抓取。直到您实际用鼠标悬停在各个元素上时,才会显示您想要的数字。
获取您需要的数据
这对我有用:
from __future__ import print_function
from pprint import pprint as pp
from selenium import webdriver
from selenium.webdriver.common.action_chains import ActionChains
def main():
driver = webdriver.Chrome()
ac = ActionChains(driver)
try:
driver.get("https://opensignal.com/reports/2016/02/state-of-lte-q4-2015/")
dots_css = "div#network_download g g.dots_container circle"
dots_list = driver.find_elements_by_css_selector(dots_css)
print("Found {0} data points".format(len(dots_list)))
download_speeds = list()
for index, _ in enumerate(dots_list, 1):
# Because this is an SVG chart, and because we need to hover it,
# it is very likely that the elements will go stale as we do this. For
# that reason we need to require each dot element right before we click it
single_dot_css = dots_css + ":nth-child({0})".format(index)
dot = driver.find_element_by_css_selector(single_dot_css)
dot.click()
# Scrape the text from the popup
popup_css = "div#network_download div.tooltip"
popup_text = driver.find_element_by_css_selector(popup_css).text
pp(popup_text)
rank, comp_and_country, speed = popup_text.split("\n")
company, country = comp_and_country.split(" in ")
speed_dict = {
"rank": rank.split(" Globally")[0].strip("#"),
"company": company,
"country": country,
"speed": speed.split("Download speed: ")[1]
}
download_speeds.append(speed_dict)
# Hover away from the tool tip so it clears
hover_elem = driver.find_element_by_id("network_download")
ac.move_to_element(hover_elem).perform()
pp(download_speeds)
finally:
driver.quit()
if __name__ == "__main__":
main()
示例输出:
(.venv35) ➜ stackoverflow python svg_charts.py
Found 182 data points
'#1 Globally\nSingTel in Singapore\nDownload speed: 40 Mbps'
'#2 Globally\nStarHub in Singapore\nDownload speed: 39 Mbps'
'#3 Globally\nSaskTel in Canada\nDownload speed: 35 Mbps'
'#4 Globally\nOrange in Israel\nDownload speed: 35 Mbps'
'#5 Globally\nolleh in South Korea\nDownload speed: 34 Mbps'
'#6 Globally\nVodafone in Romania\nDownload speed: 33 Mbps'
'#7 Globally\nVodafone in New Zealand\nDownload speed: 32 Mbps'
'#8 Globally\nTDC in Denmark\nDownload speed: 31 Mbps'
'#9 Globally\nT-Mobile in Hungary\nDownload speed: 30 Mbps'
'#10 Globally\nT-Mobile in Netherlands\nDownload speed: 30 Mbps'
'#11 Globally\nM1 in Singapore\nDownload speed: 29 Mbps'
'#12 Globally\nTelstra in Australia\nDownload speed: 29 Mbps'
'#13 Globally\nTelenor in Hungary\nDownload speed: 29 Mbps'
<...>
[{'company': 'SingTel',
'country': 'Singapore',
'rank': '1',
'speed': '40 Mbps'},
{'company': 'StarHub',
'country': 'Singapore',
'rank': '2',
'speed': '39 Mbps'},
{'company': 'SaskTel', 'country': 'Canada', 'rank': '3', 'speed': '35 Mbps'}
...
]
应该注意的是,您在问题中引用的圆形元素中的值并不是特别有用,因为它们只是指定如何在 SVG 图表中绘制点。
关于python - 从交互式图表中抓取数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39571193/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!