[Python知识库]通过Python辅助浏览器实现网络数据获取

数据获取方案

在浏览数据中数据会自动发起请求（可通过Python模拟鼠标滚动实现自动化）

import pyautogui # pip install pyautogui
import time
import progressbar
widgets=['进度：',progressbar.Timer(),']',progressbar.Percentage(),progressbar.Bar(), '(',progressbar.ETA(),')']
bar=progressbar.ProgressBar(widgets=widgets)
for i in bar(range(2*12*60)):
    pyautogui.scroll(-1000)
    time.sleep(2)

将请求返回的数据另存为文件

数据解析

• 读取另存的数据

file=open('data/pharmsnap.zhihuiya.com.har',encoding='UTF-8')
text=file.read()
file.close()

• 正则匹配提取数据

import re
pattern=re.compile('"text":.+offset.+limit.+total.+items.+',re.M)
data=pattern.findall(text)

• 预览数据提取结果

数据处理?

?

功能封装?

def To_DataFrame(item):
    # 提取内容
    xhr=item.replace('\\"','"').replace('true','True').replace('false','False')[8:]
    dic=eval(xhr[1:-1])
    offset=dic['offset']
    limit=dic['limit']
    total=dic['total']
    items=dic['items']
    df=pd.DataFrame(items)
    df['offset']=offset
    df['limit']=limit
    df['total']=total
    return df

• 循环处理正则的全部数据结果

df=pd.DataFrame()
for item in data:
    df = pd.concat([df,To_DataFrame(item)])

?

保存数据?

df.to_excel('./data/pharmsnap.xlsx')

?