多少可视化(五)基于网络爬虫制作可视化图表

  • 因网络爬虫的可视化图表:golang,goquery
  • 案例:最近十年全国彩票销售变情况
  • 案例:中国科学院院士分布
  • 数码可视化技术方案:基于 SVG (D3、Raphael)、基于 Canvas(Echarts)

咱俩身处老数目时,几乎以有着工作如商业技术、金融、科研教育等行业,以及日常生活中都可能用涉及数额解析运动。横向来拘禁数据解析的学问系统贯穿数据获得、数据存储、数据解析、数据挖掘、数据可视化等各大部分;按数据来源分,即好是祥和征集的数码,也得以购置数量要因公开数量集。

根据公开数量开展辨析的言语,必须提到的即是网络爬虫(web
crawler),也叫称之为网络蜘蛛(spider)、自动索引程序(automatic
indexer),搜索引擎(Google,百度等)就是群众日常生活受到接触到之卓绝典型、最精锐的爬虫。

光天化日数量包括政府(统计局、央行、银监会、证监会等)、企业、社会组织同互联网上的私有发布信息等。在多样的互联网内容中,有价信息若‘待字闺中’深藏的美人,等待有心人去开掘。例如:

  • 案例:最近十年全国彩票销售变情况
  • 案例:中国科学院院士分布(出生地和籍贯)

中科院院士分布状况|201801

全国彩票销售场面

以贯彻上述图表,相关技术方案的中心思想如下:

  • 支付语言:
    基于
    Golang
    实现爬虫基本功能,主要考虑 Go
    语言
    自身对于网方面的劲支撑,语言级 Goroutines 提供并发高性能支持。
  • HTML选择器: goquery jQuery-style HTML manipulation in Go
  • 数码存储:
    csv,PostgreSQL
  • 多少可视化:ECharts

因网络爬虫制作可视化图表

案例

数量来源页面:

  • 专栏:彩票管理
  • 2017年11月份全国彩票销售状况
  • 所有院士名单
  • 院士个人介绍

数来源-专题

数来源于-内容

数码来自-翻页

多少来自页面-源代码

数量来源页面-源代码

//caipiao_task.go

func Handle_GMOF_CaiPiao_Month_BatchTask() {
    data := read_csv_caipiao("./data/caipiao_list.csv", ",")
    if data != nil {
        for i := range data {
            go Handle_GMOF_CaiPiao_Month_Task(url)
        }
        <-time.After(60 * time.Second)
    }
}

func Handle_GMOF_CaiPiao_Month_Task(url string) {
    if url != "" {
        myspider := init_GMOF_CaiPiao_Month_HTMLSpider(url)
        ctx, _ := myspider.Setup(nil)
        myspider.Spin(ctx)
    }
}

//caipiao_spider.go
package main

import (
    "log"
    "regexp"
    "strings"

    "github.com/PuerkitoBio/goquery"
    "github.com/celrenheit/spider"
)

type GMOF_CaiPiao_Month_HTMLSpider struct {
    title string `json:"title"`
    url   string `json:"url"`
    desc  string `json:"desc"`
}

func init_GMOF_CaiPiao_Month_HTMLSpider(url string) *GMOF_CaiPiao_Month_HTMLSpider {
    spider := NewGMOF_CaiPiao_Month_HTMLSpider()
    spider.url = url
    return spider
}

func (w *GMOF_CaiPiao_Month_HTMLSpider) Setup(ctx *spider.Context) (*spider.Context, error) {
    return spider.NewHTTPContext("GET", w.url, nil)
}

func (w *GMOF_CaiPiao_Month_HTMLSpider) Spin(ctx *spider.Context) error {
    if _, err := ctx.DoRequest(); err != nil {
        return err
    }

    html, err := ctx.HTMLParser()
    if err != nil {
        return err
    }

    caipiao := NewGMOF_CaiPiao_Month()

    //<title></title>
    caipiao.Title = html.Find("title").Eq(0).Text()
    caipiao.Title = Convert2String(caipiao.Title, GB18030)
    //class="TRS_Editor"
    html.Find(".TRS_Editor").Each(func(i int, s *goquery.Selection) {
        content := s.Find("p").Text()
        caipiao.Content = content

        if content != "" {
            content = Convert2String(content, GB18030)
            rows := strings.Split(content, "。")

            for _, value := range rows {
                //fmt.Printf("======arr[%d]=\n [%s] \n", index, value)
                if strings.Index(value, "全国彩票") > 0 {
                    reg := regexp.MustCompile(`全国共销售彩票([\d]+.[\d]+)\S+`)
                    result := reg.FindStringSubmatch(value)
                    if len(result) > 0 {
                        caipiao.Total = result[1]
                    }
                }
            }
        }
    })

    //id="appendix"
    html.Find("#appendix").Each(func(i int, s *goquery.Selection) {
        href, _ := s.Find("a").Eq(0).Attr("href") //附件
        caipiao.Attachid = href
    })

    //===== export data
    save_csv("./data/caipiao_result.csv", caipiao)
    return err
}

2017年11月份全国彩票销售状况,385.55
2017年10月份全国彩票销售情况,376.53
2017年9月份全国彩票销售场面,369.28
2017年8月份全国彩票销售状况,350.67
2017年7月份全国彩票销售情况,337.55
2017年6月份全国彩票销售场面,338.42

可视化图表:以 ECharts 为条例

大规模的图表库,本文案例用 ECharts 作为图表组件

  • HighCharts:JavaScript
    编写,开源许可证允许个人用户和非商业用途。
  • Baidu
    ECharts:底层画图基于
    Canvas, BSD 许可证协议。
  • Kartograph:构建交互式地图轻量级类库。

//http://echarts.baidu.com/demo.html#line-gradient
data = [["2017年11月",385.55],["2017年10月",376.53],["2017年9月",369.28],["2017年8月",350.67],["2017年7月",337.55],["2017年6月",338.42],["2017年11月",385.55],["2017年10月",376.53],["2017年9月",369.28],["2017年8月",350.67],["2017年7月",337.55],["2017年6月",338.42],["2017年11月",385.55],["2017年10月",376.53],["2017年9月",369.28],["2017年8月",350.67],["2017年7月",337.55],["2017年6月",338.42],["2017年5月",376.95],["2017年4月",382.45],["2017年3月",379.33],["2017年2月",0],["2017年1月",291.61],["2016年12月",365.94],["2016年11月",344.82],["2016年10月",338.27],["2016年9月",320.71],["2016年8月",310.12],["2016年7月",324.03],["2016年6月",339.61],["2016年5月",346.19],["2016年4月",348.89],["2016年3月",356.88],["2016年2月",224.54],["2016年1月",326.41],["2015年12月",341.21],["2015年11月",306.30],["2015年10月",312.34],["2015年9月",290.78],["2015年8月",280.96],["2015年7月",270.47],["2015年6月",281.2371],["2015年5月",321.07],["2015年5月",321.07],["2015年4月",326.12],["2015年3月",308.12],["2015年2月",247.90],["2015年1月",392.33],["2014年12月",361.53],["2014年11月",341.18],["2014年10月",327.01],["2014年9月",322.52],["2014年8月",315.36],["2014年7月",372.09],["2014年6月",360.54],["2014年5月",307.94],["2014年4月",315.29],["2014年3月",328.74],["2014年2月",200.1],["2014年1月",271.49],["2013年12月",302.73],["2013年11月",274.16],["2013年10月",271.83],["2013年9月",257.62],["2013年8月",246.18],["2013年7月",243.65],["2013年6月",247.46],["2013年5月",273.41],["2013年4月",285.61],["2013年3月",273.37],["2013年2月",168.65],["2013年1月",248.59],["2012年12月",268.01],["2012年11月",237.06],["2012年10月",215.38],["2012年9月",205.12],["2012年8月",197.12],["2012年7月",201.98],["2012年6月",216.14],["2012年5月",236.16],["2012年4月",235.76],["2012年3月",235.79],["2012年2月",202.17],["2012年1月",164.54],["2011年12月",224.80],["2011年11月",210.08],["2011年10月",203.28],["2011年9月",196.44],["2011年8月",187.72],["2011年7月",182.05],["2011年6月",174.53],["2011年5月",187.28],["2011年3月",190.12],["2011年2月",112.92],["2011年1月",160.09],["2010年12月",171.89],["2010年11月",160.24],["2010年10月",149.95],["2010年9月",139.56],["2011年4月",186.50],["2010年8月",135.75],["2010年7月",132.74],["2010年6月",140.71],["2010年5月",144.38],["2010年4月",141.05],["2010年3月",132.52],["2010年2月",86.71],["2010年1月",126.99],["2009年12月",133.30],["2009年11月",117.05],["2009年10月",116.47],["2009年9月",111.73],["2009年8月",110.64],["2009年7月",107.87],["2009年6月",113.51],["2009年5月",121.59],["2009年4月",114.61],["2009年3月",114.49],["2009年2月",89.21],["2009年1月",74.33],["2008年12月",102.07],["2008年11月",94.09],["2008年10月",79.88],["2008年8月",84.66]];
var dateList = data.map(function (item) {
    return item[0];
});
var valueList = data.map(function (item) {
    return item[1];
});

option = {
    // Make gradient line here
    visualMap: [{
        show: false,
        type: 'continuous',
        seriesIndex: 0,
        min: 0,
        max: 400
    }, {
        show: false,
        type: 'continuous',
        seriesIndex: 1,
        dimension: 0,
        min: 0,
        max: dateList.length - 1
    }],
    title: [{
        left: 'center',
        text: 'Gradient along the y axis'
    }, {
        top: '55%',
        left: 'center',
        text: 'Gradient along the x axis'
    }],
    tooltip: {
        trigger: 'axis'
    },
    xAxis: [{
        data: dateList
    }, {
        data: dateList,
        gridIndex: 1
    }],
    yAxis: [{
        splitLine: {show: false}
    }, {
        splitLine: {show: false},
        gridIndex: 1
    }],
    grid: [{
        bottom: '60%'
    }, {
        top: '60%'
    }],
    series: [{
        type: 'line',
        showSymbol: false,
        data: valueList
    }, {
        type: 'line',
        showSymbol: false,
        data: valueList,
        xAxisIndex: 1,
        yAxisIndex: 1
    }]
};

至上实践

  • 默认调色板(palette)
    [图形及传失败…(image-835cce-1515641952307)]

Navy    — #001f3f
Blue    — #0074d9
Aqua    — #7fdbff
Teal    — #39cccc
Olive   — #3d9970
Green   — #2ecc40
Lime    — #01ff70
Yellow  — #ffdc00
Orange  — #ff851b
Red     — #ff4136
Maroon  — #85144b
Fuchsia — #f012be
Purple  — #b10dc9
Black   — #111111
Gray    — #aaaaaa
Silver  — #dddddd
White   — #ffffff
  • 优化图表JS生成模板
    图定型后,可以由此沙盘固化配置,根据需要动态变化目标文件(html,js,svg等等),详见据悉
    Markdown 的 HTML
    网页模板。

  • 优化采集器 Goroutines “线程池”
    例如:PostgreSQL Exception: Open too many files

  • 优化数据存储
    例如:常用的 GIS 坐标库

恢宏阅读:开源工具与案例

golang-based library

  • golang.org/net/http
  • github.com/celrenheit/spider
  • goquery: jQuery-style HTML manipulation in
    Go
  • github.com/henrylee2cn/pholcus_lib
  • Pholcus is a distributed, high concurrency and powerful web crawler
    software

可视化图表案例

  • 中国重要城市空气质量实况
  • 华夏经济十年时空漫游(2002-2011)

可视化图表技术方案

  • 基于 SVG : D3、Raphael

  • 基于 Canvas : Echarts

  • HighCharts
    域外开源产品,JavaScript
    编写,自带主题、动态交互方便,目前企业新版业务视图、地图应用、交互式流量图等是依据此库房实现。
    相差:缺少中文文档,开源许可证就同意个人用户和非商业用途,规模以存在法律风险。

  • Baidu
    ECharts
    极端早来百度各种事情系统报表需求,底层画图基于 Canvas
    。2013年开源,完全免费的BSD协议。
    特色:拖拽重算,第三正正式格式支持,中文社区支持
    实例:http://echarts.baidu.com/doc/example.html
    Github:
    https://github.com/ecomfe/echarts

  • Kartograph
    Kartograph
    是只构建交互式地图的简要、轻量级类库。它含两个仓库,一个所以Python写的,用于产生良好和压缩的SVG地图,另一个是js类库用于前端展示地图用。

  • lchart(go-based)

扩展阅读:数据可视化

  • 多少可视化(一)思维利器 OmniGraffle
    绘图指南
  • 数可视化(二)跑步应用Nike+ Running 和 Garmin Mobile
    评测
  • 多少可视化(三)基于 Graphviz
    实现程序化绘图
  • 数可视化(四)开源地理信息技术简史(Geographic Information
    System
  • 多少可视化(五)基于网络爬虫制作可视化图表
  • 数可视化(六)常见的数额可视化仪表盘(DashBoard)
  • 多少可视化(七)Graphite
    体系布局详解
网站地图xml地图