萌生思路
写了csdn博客已有半年之久了，虽然一直当做笔记记录自己的技术成长，但是发现有一个博客的访问量，这点还是挺吸引人的，于是打算做一个数据统计，看看究竟是哪些日子的数据量增长的较快。。
有了思路好说呀，接下来就是实现了。。
爬取自己博客访问量
环境
- Python3.6
- Windows10
- 第三方库(下面)
用到的第三方库
- requests : 访问博客用的专用，特别好用的库
- BeautifulSoup : 解析返回的html节点用的库
此模块的思路
有了上面的两个库就好说了，先用requests去请求对应的博客网址，在用BeautifulSoup解析html节点，用bs里的方法进行匹配html节点，抓出想要的数据，最后记录每天的访问量和日期，输出到txt文档中。
而用浏览器自带的F12找对应的访问量的节点很好找。如下图:
代码实现
这里不多说，代码上有注释，很详细了
#coding = utf-8
import requests
from bs4 import BeautifulSoup as bs
import re
import time
# 访问我的博客
def spider(url, headers):
r = requests.get(url=url, headers=headers)
html = r.text
# 解析html代码
soup = bs(html, 'lxml')
ul = soup.find(name='ul', attrs={'id': 'blog_rank'})
# 获取ul下的第一个li节点,正则表达式需要字符串，所以转化一下
li = str(ul.find_next('li'))
numbers = re.findall(r'span>(.+?)次</', li)
# print(numbers)
# 获取当前年月日
date = time.strftime("%Y-%m-%d", time.localtime())
# 拼接日期
numbers.append(date)
text_save(numbers, 'visitorNumber.txt')
print('成功执行!')
# 文件存储
def text_save(content, filename, mode='a'):
# Try to save a list variable in txt file.
file = open(filename, mode)
for i in range(len(content)):
# 如果索引为最后一位，去掉空格且拼上换行符，否则剩下的后面拼接逗号
if i == len(content) - 1:
number = (content[i]) + '\n'
else:
number = str(content[i]) + ','
file.write(number)
file.close()
if __name__ == '__main__':
url = "http://blog.csdn.net/s740556472/article"
headers = {
'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
'Accept-Encoding': 'gzip, deflate, sdch',
'Accept-Language': 'zh-CN,zh;q=0.8,en;q=0.6',
'Cache-Control': 'max-age=0',
'Connection': 'keep-alive',
'Host': 'blog.csdn.net',
'Upgrade-Insecure-Requests': '1',
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36'
}
spider(url, headers)
然后代码执行后如下图：
打开看看生成的格式：
这样此模块就算完成了代码上的，但是我觉得每天手动去执行好麻烦，于是想到了可以用windows自带的定时器（也就是任务计划）去执行脚本。
windows每天定时执行脚本
这里说的定时器就是Windows下的任务计划，当时遇到的坑正好总结一下，因为Windows10的定时器去执行脚本当时试了好多遍，都是没有成功，后来通过自己的观察发现是定时器调用路径的坑。。废话不多说了，直接上图了。
- Windows键+R 调出此窗口，输入compmgmt.msc （调用的是计算机管理）
2.点击下面的框，创建一个基本任务
3.开始配置任务
4.任务计划的问题
重点：至此配置完成了执行计划，但是！！！！！如果你发现你定时之后Windows并没有执行你的脚本，那么一定是你的批处理文件写的有问题，也就是.bat的问题。
刚开始LZ也是一脸懵逼， 为什么就执行不了呢！后来决定用在.bat中添加pause;试试，让cmd执行完停止在这里看看。如下图：
这里有个test.bat是用来任务计划测试用的Windows脚本，还有一个是helloworld的脚本。
test.bat如下图所示：
python3 helloWorld.py
#这行代码可以让Windows调用
#cmd的窗口暂停住，不会自动消失
pause; 
当到时间自动执行后，发现：
Windows调用的时候，默认cmd路径是在system32下，所以。。。
我们需要将我们的批处理文件改动一下。最终我执行抓取博客的.bat文件如下：
先cd到脚本的路径下，再去执行既可成功运行：
至此，第一个模块全部完成。
读取txt数据生成访问量与日期图
这里就坐等了两个月的数据，每天都会自己执行一下，然后继续上代码
代码实现
代码不详讲，有注释。
#coding=utf-8
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import datetime
import decimal
#根据数据动态画图
def drawBydata():
#读取输出的txt文档
(recordDate,y) = readData('visitorNumber.txt')
#获取记录的日期列表范围(0,)
x = range(len(recordDate))
# plt.figure() 开始画图,r:红色
#http://www.360doc.com/content/15/0113/23/16740871_440559122.shtml
plt.plot(x,y,'ro-')
#rotation,x轴字体旋转的角度
plt.xticks(x, recordDate,rotation=70)
plt.margins(0.08)
plt.subplots_adjust(bottom=0.15)
#设置x轴的名字
plt.xlabel("Date")
plt.ylabel("Visitors")
#图的标题
plt.title("My blog visit analysis")
plt.show()
print('执行成功！')
#读取数据
def readData(fileName):
#以只读文件打开
inFile = open(fileName,'r')
#定义第一列数据为博客访问量
visitors = []
#第二列数据为日期
recordDate = []
#遍历文件每一行
for line in inFile:
#逗号分隔
trainingSet = line.split(',')
#将第一列和第二列数据拼入对应的列表中
visitors.append(trainingSet[0])
recordDate.append(trainingSet[1])
inFile.close()
return (recordDate,visitors)
if __name__ == '__main__':
drawBydata()
执行后的效果图
如下图，有木有很清晰呢- -哈哈哈！
开源地址
分享到github上啦，有感兴趣的同学尽可玩耍：
https://github.com/unlimitbladeworks/spider_csdn.git2017-11-29 更新
无语。。。。。。。。。。。今天看到csdn上的访问量居然消失了。。。很是尴尬，格局也变了，这篇就当是纪念原来的csdn皮肤用的吧。。。。。