数据可视化(五)基于网络爬虫制作可视化图表

摘要

  • 基于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化情况
  • 案例:中国科学院院士分布
  • 数据可视化技术方案:基于 SVG (D3、Raphael)、基于 Canvas(Echarts)

基于网络爬虫的可视化图表

我们身处大数据时代,几乎在所有工作例如商业技术、金融、科研教育等行业,以及日常生活中都可能需要涉及数据分析活动。横向来看数据分析的知识体系贯穿数据获取、数据存储、数据分析、数据挖掘、数据可视化等各大部分;按数据来源分,即可以是自己收集的数据,也可以采购数据或者基于公开数据集。

基于公开数据进行分析的话,必须提到的就是网络爬虫(web crawler),也被称作网络蜘蛛(spider)、自动索引程序(automatic indexer),搜索引擎(Google,百度等)就是大众日常生活中接触到的最典型、最强大的爬虫。

公开数据包括政府(统计局、央行、银监会、证监会等)、企业、社会组织和互联网上的个人发布信息等。在浩如烟海的互联网内容中,有价值信息犹如‘待字闺中’深藏的美女,等待有心人去挖掘。例如:

  • 案例:最近十年全国彩票销售变化情况 在线演示
  • 案例:中国科学院院士分布(出生地与籍贯)在线演示
  • 案例:美国航空入境旅客(出发地)变化情况 在线演示

中科院院士分布情况|201801

全国彩票销售情况

为了实现上述图表,相关技术方案的要点如下:

  • 开发语言:
    基于 Golang 实现爬虫基本功能,主要考虑 Go 语言 自身对于网络方面的强大支持,语言级 Goroutines 提供并发高性能支持。
  • HTML选择器: goquery jQuery-style HTML manipulation in Go
  • 数据存储: csv,PostgreSQL
  • 数据可视化:ECharts

基于网络爬虫制作可视化图表

案例

数据来源页面:

数据来源-专题
数据来源-内容
数据来源-翻页

数据来源页面-源代码
数据来源页面-源代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
//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)
}
}

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
//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月份全国彩票销售情况,385.55
2017年10月份全国彩票销售情况,376.53
2017年9月份全国彩票销售情况,369.28
2017年8月份全国彩票销售情况,350.67
2017年7月份全国彩票销售情况,337.55
2017年6月份全国彩票销售情况,338.42

可视化图表:以 ECharts 为例

常见的图表库,本文案例使用 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。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
//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
}]
};

最佳实践

  • 默认调色板(palette)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
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
    图表定型之后,可以通过模板固化配置,根据需要动态生成目标文件(html,js,svg等等),详见基于 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

扩展阅读:开源工具与案例

在线词云

golang-based library

可视化图表案例

可视化图表技术方案

扩展阅读:数据可视化

参考文献

欢迎扫码关注微信公众号获取最新动态,读者交流 QQ 群:338272982 。