【最新最全】2024巴黎奥运会奖牌数据获取，获奖分析与展现

最新推荐文章于 2024-08-14 16:31:31 发布

文儿哥

最新推荐文章于 2024-08-14 16:31:31 发布

阅读量2.4k

点赞数 40

分类专栏： Python 文章标签：开发语言 python 数据结构

本文链接：https://blog.csdn.net/Colin_8868/article/details/141054052

版权

Python 专栏收录该内容

1 篇文章

订阅专栏

1 获取的数据展示

奖牌明细数据

基于明细数据统计过滤中国金牌数据

统计金牌榜

2 实现原理

网上查询了一圈，要么是付费接口，要么是残缺文章，一气之下自己开发实现，现将核心原理和代码发出来，方便需要的朋友。

原理
通过python爬取遍历爬取百度奖牌榜，xpath解析网页数据，并将获取的数据清洗入库到mysql。后面就可以随心统计展示了。

数据网页截图

3核心代码实现

3.1获取金牌榜与获取国家ID数据列表

数据示例：
{‘get_time’: ‘2024-08-09 09:28:04’, ‘countryAbbr’: ‘ZAM’, ‘countryName’: ‘赞比亚’, ‘delegationId’: ‘151’, ‘gold’: 0, ‘silver’: 0, ‘total’: 1, ‘rank’: 80}
数据说明：其中delegationId 为国家id号，gold 金牌数，silver 银牌，total 奖牌总数，rank 奖牌排名。

代码实现

def get_current_medalList():
    # 爬取的百度接口URL
    url = 'https://tiyu.baidu.com/al/major/home?page=home&match=2024%E5%B9%B4%E5%B7%B4%E9%BB%8E%E5%A5%A5%E8%BF%90%E4%BC%9A&tab=%E5%A5%96%E7%89%8C%E6%A6%9C'

    # 调用GET接口
    response = requests.get(url)

    # 调用POST接口
    # response = requests.post(url, data=data)

    html = etree.HTML(response.text)
    script_json = html.xpath('//script[@type="application/json"]')

    # 金牌数
    format_medalList = []

    for per in script_json[0:1]:
        json_str = json.loads(per.text)
        medalList = json_str['data']['data']['tabsList'][1]['data']['medalList'][0]
        # 获取时间
        current_time = json_str['data']['common']['requestStart']
        dt = datetime.datetime.fromtimestamp(current_time / 1000)
        new_dt = dt.strftime('%Y-%m-%d %H:%M:%S')

        # 当前获取奖牌数
        for list in medalList:
            format_list = {
                'get_time': new_dt,
                'countryAbbr': list['countryAbbr'],
                'countryName': list['countryName'],
                'delegationId': list['delegationId'],
                'gold': list['gold'],
                'silver': list['silver'],
                'total': list['total'],
                'rank': list['rank']
            }
            print(format_list)
            format_medalList.append(format_list)
            # medalList-seasonList
            # "本届奖牌榜",
            # "2020东京",
            # "2016里约热内卢",
            # "2012伦敦",
            # "2008北京",
            # "2004雅典",
            # "2000悉尼",
            # "1996亚特兰大",
            # "1992巴塞罗那"

    return format_medalList

3.2 获取单个国家（例如：中国 id 为 29）奖牌数据明细列表

数据示例：
{‘id’: ‘1a9a2bfdb9a015662622c4e674ca3d65’, ‘get_time’: ‘08月08日’, ‘country’: ‘中国’, ‘medal’: ‘第28金’, ‘medalType’: ‘gold’, ‘playerName’: ‘罗诗芳’, ‘smallMatch’: ‘女子59公斤级’, ‘time’: ‘23:05’, ‘bigMatch’: ‘举重’}
数据说明: get_time 获奖日期，time 获奖时间，country 国家名字，playerName 运动员名称

代码实现

def get_history_medalList(delegationId):
    # 接口URL
    url = 'https://tiyu.baidu.com/al/major/delegation?page=delegation&match=2024%E5%B9%B4%E5%B7%B4%E9%BB%8E%E5%A5%A5%E8%BF%90%E4%BC%9A&tab=%E8%8E%B7%E5%A5%96%E5%90%8D%E5%8D%95&id=' + delegationId

    # 调用GET接口
    response = requests.get(url)

    # 调用POST接口
    # response = requests.post(url, data=data)

    html = etree.HTML(response.text)
    script_json = html.xpath('//script[@type="application/json"]')

    output_data = []

    for per in script_json[0:1]:
        json_str = json.loads(per.text)
        # 0 赛程 1 获奖名单 2 运动员
        tabData = json_str['data']['data']['tabsList'][1]['data'][0]['tabData']

        # print(tabData)

        # 当前获取奖牌数
        for perdata in tabData:
            date_str = perdata['date']
            for data in perdata['dateList']:
                format_data = {
                    "id": hashlib.md5(str(date_str + data["country"] + data["playerName"]).encode('utf-8')).hexdigest(),
                    "get_time": date_str,
                    "country": data["country"],
                    "medal": data["medal"],
                    "medalType": data["medalType"],
                    "playerName": data["playerName"],
                    "smallMatch": data["smallMatch"],
                    "time": data["time"],
                    "bigMatch": data["bigMatch"]
                }
                print(format_data)
                output_data.append(format_data)

        return output_data

放回的html数据相对比较复杂，结构嵌套层数较多。程序代码中已经实现了解析过程，可忽略解析过程，直接摘取果实享用。

3.3 奖牌数据明细写入关系型数据库，mysql

基于明细数据创建mysql表单
明细数据示例：{‘id’: ‘1a9a2bfdb9a015662622c4e674ca3d65’, ‘get_time’: ‘08月08日’, ‘country’: ‘中国’, ‘medal’: ‘第28金’, ‘medalType’: ‘gold’, ‘playerName’: ‘罗诗芳’, ‘smallMatch’: ‘女子59公斤级’, ‘time’: ‘23:05’, ‘bigMatch’: ‘举重’}

mysql DDL参考：

-- colin.paris_2024 definition

CREATE TABLE `paris_2024` (
  `id` varchar(100) NOT NULL,
  `get_time` varchar(100) DEFAULT NULL,
  `country` varchar(100) DEFAULT NULL,
  `medal` varchar(100) DEFAULT NULL,
  `medalType` varchar(100) DEFAULT NULL,
  `playerName` varchar(100) DEFAULT NULL,
  `smallMatch` varchar(100) DEFAULT NULL,
  `time` varchar(100) DEFAULT NULL,
  `bigMatch` varchar(100) DEFAULT NULL,
  PRIMARY KEY (`id`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

代码实现

def import_mysql(data_list):

    host = 'your ip addr'
    port = 3306
    dbName = 'databasesName'
    user = 'user'
    password = 'yourPassword'
    db = pymysql.connect(host=host, port=port, user=user, passwd=password, db=dbName, charset='utf8')
    # 创建一个游标对象，通过游标对象来进行数据的增删改查。
    cursor = db.cursor()
    num = 0

    for data in data_list:
        id = data['id']
        get_time = data['get_time']
        country = data['country']
        medal = data['medal']
        medalType = data['medalType']
        playerName = data['playerName']
        smallMatch = data['smallMatch']
        time_data = data['time']
        bigMatch = data['bigMatch']

        # 构造insert into 语句，使用到了format 占位符
        sql = "replace INTO colin.paris_2024(id, get_time, country, medal, medalType, playerName, smallMatch, `time`, bigMatch)VALUES('{}', '{}', '{}', '{}', '{}', '{}', '{}', '{}', '{}')".format(id, get_time, country, medal, medalType, playerName, smallMatch, time_data, bigMatch)
        # print("当前时间戳===", sql)
        cursor.execute(sql)
        num=num+1
        #提交事务
    db.commit()
    cursor.close()
    db.close()
    print("输入条数",num)

4 各个代码块调用main

需要python包

import json
import requests
from lxml import etree
import datetime
import hashlib
import pymysql

main 函数

import json
import requests
from lxml import etree
import datetime
import hashlib
import pymysql

def  3.1 核心函数（copy到此）
def  3.2 核心函数（copy到此）
def  3.3 核心函数（copy到此）

if __name__ == '__main__':
    # 获取当天数据，包含delegationId
    format_medalList = get_current_medalList()
    all_data=[]

    # 遍历获取历史数据
    for medalList in format_medalList:
        delegationId = medalList['delegationId']

        # print(delegationId)
        # 遍历国家 获奖信息

        output_data = get_history_medalList(delegationId)
        all_data.extend(output_data)

    # 写入数据库
    import_mysql(all_data)

    print("写入完成")