最后
🍅 硬核资料:关注即可领取PPT模板、简历模板、行业经典书籍PDF。
🍅 技术互助:技术群大佬指点迷津,你的问题可能不是问题,求资源在群里喊一声。
🍅 面试题库:由技术群里的小伙伴们共同投稿,热乎的大厂面试真题,持续更新中。
🍅 知识体系:含编程语言、算法、大数据生态圈组件(Mysql、Hive、Spark、Flink)、数据仓库、Python、前端等等。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
使用python+playwright从国家统计局获取天津市(示例)所有行政区划数据
前置条件:
1.获取数据的网站:
2.编辑器:
3.第三方库下载:
pip install playwight
playwright install
pip pandas
实现步骤:
1.region_1.py:待运行的python文件
# 导入
from playwright.sync_api import Playwright, sync_playwright
import pandas as pd
from urllib.parse import urljoin
import os
BASE_URL_1 = 'https://www.stats.gov.cn/sj/tjbz/tjyqhdmhcxhfdm/2023/12/1201.html'
BASE_URL_2 = 'https://www.stats.gov.cn/sj/tjbz/tjyqhdmhcxhfdm/2023/12/01/120101.html'
url_list = [BASE_URL_1]
count = [0,0,0]
result = pd.DataFrame()
# 抓取网页内容
def scrape_page(page, url):
page.goto(url)
page.wait_for_load_state('networkidle')
# 获取解析内容
def parse_index(page):
# 获取网页内容请求
elements = page.query_selector_all('tr td:nth-child(2) a')
if page.query_selector('table.towntable'):
BASE_URL = BASE_URL_2
else:
BASE_URL = BASE_URL_1
# 获取元素信息
for element in elements:
part_of_url = element.get_attribute('href')
detail_url = urljoin(BASE_URL, part_of_url)
url_list.append(detail_url)
parse_detail(page)
def parse_detail(page):
global result
global count
data = page.query_selector_all('.villagetable tbody tr, .countytable tbody tr, .towntable tbody tr')
for i in range(1,len(data)):
acode = data[i].query_selector('td:nth-child(1)').text_content()
region = data[i].query_selector('td:nth-child(3)').text_content() if data[i].get_attribute('class') == 'villagetr' else data[i].query_selector('td:nth-child(2)').text_content()
#社区
if data[i].get_attribute('class') == 'villagetr':
facode = acode[:9]
count[2] += 1
#街道
elif data[i].get_attribute('class') == 'towntr':
acode = acode[:9]
facode = acode[:6]
count[1] += 1
#区县
else:
acode = acode[:6]
facode = acode[:4]
count[0] += 1
busi_data = [{
'acode': acode,
'region': region,
'facode':facode
}]
df = pd.DataFrame(busi_data)
result = pd.concat([result, df], axis=0, ignore_index=True)
url_list.pop(0)
def run (playwright: Playwright) -> None:
print("---------------行政区划获取中(来源:国家统计局)-------------------")
browser = playwright.chromium.launch(headless=False)
content = browser.new_context()
page = content.new_page()
while len(url_list):
scrape_page(page, url_list[0])
parse_index(page)
# 将脚本所在路径作为excel输出路径
output_path = os.getcwd() + os.sep + "output_region_1.xlsx"
# 将结果写入到output_path 所在的excel中
result.to_excel(output_path, index=False)
print('共统计出 %d 条数据:' %len(result))
print('———————————————————————————')
print(' 区(县) | %d 个 ' %count[0])
print(' 街道(乡/镇) | %d 个 ' %count[1])
print(' 社区(村) | %d 个 ' %count[2])
print('———————————————————————————')
print("---------------------------获取完成------------------------------")
content.close()
browser.close()
with sync_playwright() as playwright:
run(playwright)
2.运行region_1.py
最后
Python崛起并且风靡,因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低,但它的晋级路线很多,通过它你能进入机器学习、数据挖掘、大数据,CS等更加高级的领域。Python可以做网络应用,可以做科学计算,数据分析,可以做网络爬虫,可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多,你需要学好基础,再选择明确的方向。这里给大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!
👉Python所有方向的学习路线👈
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
👉Python必备开发工具👈
工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。
👉Python全套学习视频👈
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。
👉实战案例👈
学python就与学数学一样,是不能只看书不做题的,直接看步骤和答案会让人误以为自己全都掌握了,但是碰到生题的时候还是会一筹莫展。
因此在学习python的过程中一定要记得多动手写代码,教程只需要看一两遍即可。
👉大厂面试真题👈
我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!