初试python爬取网页数据

　　任务要求：寻找记录当日全国疫情数据的网站，爬取其中的数据存入数据库，最后像之前数据可视化一样用图表显示数据。

　　参考博客：https://www.cnblogs.com/dd110343/p/12461824.html

　　在讲解之前先附上老师要求的表格统计图：

这是我在完成该作业时记录的过程，写得很简略。留作业当天晚上我选择使用Java+Jsoup尝试爬取，但是所选择的网站，当我用Chrome浏览器读取它的HTML代码时，发现其数据是使用jQuery写在<script>里的，由于我不会使用Java+Jsoup将<script>中关于数据的内容单独摘取出来，且舍友已经通过python写出了爬取功能，我就打算用python再试试。python爬取网站的能力很强，代码也十分简单：

import requests
from bs4 import BeautifulSoup
import re
import pymysql
import json
import datetime
#记录执行次数
num=0
#向数据库写入数据
def insertdata(data,n):
    conn=pymysql.connect("localhost","root","Inazuma","paqu",charset='utf8')
    cur=conn.cursor()
    sql="INSERT INTO yiqing(Date,Province,City,Confirmed,Cured,Dead) VALUES(%s,%s,%s,%s,%s,%s)"
    try:
        cur.execute(sql,data)
        conn.commit()
        print(n)
    except:
        conn.rollback()
        print("ERROR")
    conn.close()
#所要爬取的网站的地址
url = 'https://raw.githubusercontent.com/BlankerL/DXY-2019-nCoV-Data/master/json/DXYArea.json'
#调用requests.get()方法
response = requests.get(url)
#转换为文本
version = response.text
#提取其中的json数据
jsonData = json.loads(version)
#根据数据进行筛选写入
for i in range(len(jsonData['results'])):
    if(jsonData['results'][i]['countryName']=='中国'):
        province = jsonData['results'][i]['provinceName']
        for j in range(len(jsonData['results'][i]['cities'])):
            confirmed=jsonData['results'][i]['cities'][j]['confirmedCount']
            cured=jsonData['results'][i]['cities'][j]['curedCount']
            dead=jsonData['results'][i]['cities'][j]['deadCount']
            city=jsonData['results'][i]['cities'][j]['cityName']
            #使用python中datetime的方法提取时间（yyyy-mm-dd）
            date=datetime.date.today()
            #提取数据完成，执行操作，num+1
            num=num+1
            #调用入库方法
            insertdata((date,province,city,confirmed,cured,dead),num)

我一开始选择爬取的网站是这个：https://wp.m.163.com/163/page/news/virus_report/index.html?_nw_=1&_anw_=1，但针对其中某<div>控件里<ul>中用于存储数据的的<li>元素数据无法提取出来，针对其<div>的上一级爬取没有问题，整个HTML爬取也能正常显示，但是内部爬取就返回为空。这个BUG我从当天中午一直弄到下午5点左右（3月11号），但还是没有解决，最后在浏览其他资料时偶然看到了上面我给的博客，我发现他爬取的网站是一个纯json数据的文本，提取json数据很简单，最后完成了该任务。当然，我之前爬取网站出现的BUG不可能不管，还在学习中。下面给出在爬取数据后的运行情况以及其可视化显示：

python:

Navicat for MySQL（这里显示部分数据，总计426条（见上图））:

 

 

可视化（代码跟上次一样，只是更改了读取的数据库，查询的SQL语句以及HTML中动态插入表格部分的部分代码）：‘