使用Python采集web质量数据到Excel表

你的名字 2023-10-11 13:11 31阅读 0赞

众所周知，Python有很对第三方模块，只要熟练应用这些模块即可完成各种任务，在开始采集数据之前需要存在一个目标站点，然后使用Python脚本进行质量数据采集。探测web质量需要用到Python的pycurl模块，它可以获取HTTP请求的状态码，DNS解析时间、建立连接时间、传输结束总时间，下载数据包大小，HTTP头部大小、平均下载速度等参数。从这些参数中可以了解web的服务质量如何，然后进行优化等操作。将获取的数据写到Excel表格中，这里使用的是Python的xlsxwrite模块，实现的思路是将获取的数据保存到一个文件里面，然后再去创建一个Excel表，将数据写入到表格中然后绘制图表，以此类推，文件里的数据会追加，之后创建的Excel表会被完全覆盖，当然创建Excel表格的模块会很多，这里不再细说。

> Python脚本编写前的准备：
> 
>  *  [下载][Link 1]pycurl模块，直接双击安装即可。
>  *  xlsxwriter使用pip命令安装，此处需要注意环境变量是否配置。

1、由于pycurl是下载下来直接安装的，这里就不写了，比较简单。  
2、安装xlsxwriter模块（需可连接Internet）  
![使用Python采集web质量数据到Excel表][Python_web_Excel]

**3、采集数据的脚本如下：**

# _._ coding:utf-8 _._
    import os,sys
    import pycurl
    import xlsxwriter
    
    URL="www.baidu.com"            #探测目标的url，需要探测哪个目标，这里改哪个即可
    c = pycurl.Curl()                     #创建一个curl对象
    c.setopt(pycurl.URL, URL)             #定义请求的url常量
    c.setopt(pycurl.CONNECTTIMEOUT, 10)  #定义请求连接的等待时间
    c.setopt(pycurl.TIMEOUT, 10)          #定义请求超时时间 
    c.setopt(pycurl.NOPROGRESS, 1)       #屏蔽下载进度条
    c.setopt(pycurl.FORBID_REUSE, 1)      #完成交互后强制断开连接，不重用
    c.setopt(pycurl.MAXREDIRS, 1)         #指定HTTP重定向的最大数为1
    c.setopt(pycurl.DNS_CACHE_TIMEOUT, 30)
    #创建一个文件对象，以’wb’方式打开，用来存储返回的http头部及页面内容
    indexfile = open(os.path.dirname(os.path.realpath(__file__))+"/content.txt","wb")
    c.setopt(pycurl.WRITEHEADER, indexfile)  #将返回的http头部定向到indexfile文件
    c.setopt(pycurl.WRITEDATA, indexfile)    #将返回的html内容定向到indexfile文件
    c.perform()
    
    NAMELOOKUP_TIME = c.getinfo(c.NAMELOOKUP_TIME)  #获取DNS解析时间
    CONNECT_TIME = c.getinfo(c.CONNECT_TIME)   #获取建立连接时间
    TOTAL_TIME = c.getinfo(c.TOTAL_TIME)        #获取传输的总时间
    HTTP_CODE = c.getinfo(c.HTTP_CODE)     #获取HTTP状态码
    SIZE_DOWNLOAD = c.getinfo(c.SIZE_DOWNLOAD)   #获取下载数据包大小
    HEADER_SIZE = c.getinfo(c.HEADER_SIZE)    #获取HTTP头部大小
    SPEED_DOWNLOAD=c.getinfo(c.SPEED_DOWNLOAD)   #获取平均下载速度
    
    print u"HTTP状态码: %s" %(HTTP_CODE)  #输出状态码
    print u"DNS解析时间: %.2f ms" %(NAMELOOKUP_TIME*1000)  #输出DNS解析时间
    print u"建立连接时间: %.2f ms" %(CONNECT_TIME*1000)  #输出建立连接时间
    print u"传输结束总时间: %.2f ms" %(TOTAL_TIME*1000)   #输出传输结束总时间
    print u"下载数据包大小: %d bytes/s" %(SIZE_DOWNLOAD)  #输出下载数据包大小
    print u"HTTP头部大小: %d byte" %(HEADER_SIZE)   #输出HTTP头部大小
    print u"平均下载速度: %d bytes/s" %(SPEED_DOWNLOAD)  #输出平均下载速度
    indexfile.close()          #关闭文件
    c.close()                #关闭curl对象
    
    f = file('chart.txt','a')     #打开一个chart.txt文件，以追加的方式
    f.write(str(HTTP_CODE)+','+str(NAMELOOKUP_TIME*1000)+','+str(CONNECT_TIME*1000)+','+str(TOTAL_TIME*1000)+','+str(SIZE_DOWNLOAD/1024)+','+str(HEADER_SIZE)+','+str(SPEED_DOWNLOAD/1024)+'\n')               #将上面输出的结果写入到chart.txt文件
    f.close()                #关闭chart.txt文件
    
    workbook = xlsxwriter.Workbook('chart.xlsx')   #创建一个chart.xlsx的excel文件      
    worksheet = workbook.add_worksheet()      #创建一个工作表对象，默认为Sheet1
    chart = workbook.add_chart({'type': 'column'})  #创建一个图表对象
    
    title = [URL , u' HTTP状态码',u' DNS解析时间',u' 建立连接时间',u' 传输结束时间',u' 下载数据包大小',u' HTTP头部大小',u' 平均下载速度']   #定义数据表头列表
    
    format=workbook.add_format()    #定义format格式对象
    format.set_border(1)      #定义format对象单元格边框加粗(1像素)的格式
    
    format_title=workbook.add_format()   #定义format_title格式对象
    format_title.set_border(1)   #定义format_title对象单元格边框加粗(1像素)的格式
    format_title.set_bg_color('#00FF00')  #定义format_title对象单元格背景颜色为’#cccccc’
    
    format_title.set_align('center')   #定义format_title对象单元格居中对齐的格式
    format_title.set_bold()         #定义format_title对象单元格内容加粗的格式
    
    worksheet.write_row(0, 0,title,format_title)    #将title的内容写入到第一行
    
    f = open('chart.txt','r')          #以只读的方式打开chart.txt文件
    line = 1                   #定义变量line等于1
    for i in f:                  #开启for循环读文件
        head = [line]           #定义变量head等于line
        lineList = i.split(',')       #将字符串转化为列表形式
        lineList = map(lambda i2:int(float(i2.replace("\n", ''))), lineList)  #将列表中的最后\n删除,将小数点后面的数字删除,将浮点型转换成整型
        lineList = head + lineList                                  #两个列表相加
        worksheet.write_row(line, 0, lineList, format)              #将数据写入到execl表格中
        line += 1
    
    average = [u'平均值', '=AVERAGE(B2:B' + str((line - 1)) +')', '=AVERAGE(C2:C' + str((line - 1)) +')', '=AVERAGE(D2:D' + str((line - 1)) +')', '=AVERAGE(E2:E' + str((line - 1)) +')', '=AVERAGE(F2:F' + str((line - 1)) +')', '=AVERAGE(G2:G' + str((line - 1)) +')', '=AVERAGE(H2:H' + str((line - 1)) +')']           #求每一列的平均值
    worksheet.write_row(line, 0, average, format)    #在最后一行数据下面写入平均值
    f.close()            #关闭文件
    
    def chart_series(cur_row, line):     #定义一个函数
        chart.add_series({
            'categories': '=Sheet1!$B$1:$H$1',    #将要输出的参数作为图表数据标签（X轴）
            'values':     '=Sheet1!$B$'+cur_row+':$H$'+cur_row,   #获取B列到H列的数据        
            'line':       {'color': 'black'},           #线条颜色定义为black
            'name':    '=Sheet1!$A'+ cur_row,                  #引用业务名称为图例项
        })
    
    for row in range(2, line + 1):  #从第二行开始到最后一次取文本中的行的数据系列函数调用
        chart_series(str(row), line)
    
    chart.set_size({'width':876,'height':287})    #定义图表的宽度及高度
    
    worksheet.insert_chart(line + 2, 0, chart)    #在最后一行数据下面的两行处插入图表
    workbook.close()                     #关闭execl文档

4、运行脚本后，会在脚本所在的目录下产生三个文件，两个是txt文本文件，一个是Excel文件，执行脚本后，会显示如下信息：  
![使用Python采集web质量数据到Excel表][Python_web_Excel 1]

5、当前目录下产生的文件如下：  
![使用Python采集web质量数据到Excel表][Python_web_Excel 2]

其中，两个txt格式的文件都是为了给Excel做铺垫的，所以可以选择性忽略即可，主要是看Excel中的数据。Excel中的数据如下（以下是执行6次脚本后的显示结果，也就是说探测了6次）：

![使用Python采集web质量数据到Excel表][Python_web_Excel 3]

———————— 本文至此结束，感谢阅读 ————————

[Link 1]: https://pan.baidu.com/s/1UlcWrLgIHCb8IAGu9nWMjw
[Python_web_Excel]: https://s1.51cto.com/images/blog/201909/23/282d95c293129e117d2b9ec27e676c93.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=
[Python_web_Excel 1]: https://s1.51cto.com/images/blog/201909/23/735be2e3aaed1cb356df7623e7976c15.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=
[Python_web_Excel 2]: https://s1.51cto.com/images/blog/201909/23/240c91d673322ba35d842a76d34cef5a.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=
[Python_web_Excel 3]: https://s1.51cto.com/images/blog/201909/23/a29f5711b36e91edb13aa78132193a6d.png?x-oss-process=image/watermark,size_16,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_90,type_ZmFuZ3poZW5naGVpdGk=