使用Python采集web质量数据到Excel表

2019-09-23 16:56:13 阅读：272 来源： 互联网

标签：web HTTP format Python title Excel chart str line

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

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

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

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

———————— 本文至此结束，感谢阅读 ————————

标签：web,HTTP,format,Python,title,Excel,chart,str,line
来源： https://blog.51cto.com/14154700/2440383

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9

使用Python采集web质量数据到Excel表