Pystyykö vaikka Pythonilla tekemään skriptin, joka hakee sivulta tietoa, montako koronavirustapausta on aktiivisena Suomessa kun skripti ajetaan? Saako sivun lähdekoodista sen selville vai pitääkö käyttää kuvantunnistusta?
Kuinka Pythonilla haetaan dataa nettisivulta?
Anonyymi
81668
0Äänestä
Muut lukivat myös
Ketjusta on poistettu 6 sääntöjenvastaista viestiä.
Odottaa vastausta
Näihin keskusteluihin ei ole vielä vastattu. Ole ensimmäinen.
Vastaukset 8
Vanhimmat
Eikö ole helpompi katsoa asia omin silmin YLE:n tai THL:n sivulta?
Sitäpaitsi tuollaista tietoa kuin "montako koronavirustapausta on aktiivisena Suomessa" ei ole olemassakaan, asiaa ei tiedetä.
Tiedetään vain sairaanhoitopiireissä tehtyjen testien perusteella, että montako positiivista testitulosta on saatu. Kaikkia koronaviruksen oireita valittavia potilaita ei testata enää.
BeatufilSoapilla voi scrapata sivun. https://www.freecodecamp.org/news/how-to-scrape-websites-with-python-and-beautifulsoup-5946935d93fe/
Kokeilin urllibillä sivua https://thl.fi/fi/web/infektiotaudit-ja-rokotukset/ajankohtaista/ajankohtaista-koronaviruksesta-covid-19 . Sain ilmoituksen
urllib.error.HTTPError: HTTP Error 403: Forbidden
Pystyy.
Katsot ensin selaimella kehittäjätilassa, missä formaatissa data on.
Hae vaikka youtuubista "web scraping".
Kunhan vähän jaksaa kaivaa, lähes varmasti pärjää ilman kuvantunnistusta.
Et mitenkään helposti saa mitään tietoa oikeastaan yhtikäs mistään. Vaatisi valtavan ohjelmiston ja paljon kokemusta.
Kokeile kerätä tietoa lukemalla suomalaisia ja ulkolaisia verkkolehtiä. Valitse aihe ihan vapaasti. Sen tieto-osan suodattaminen on äärimmäisen vaikeaa myös ihmiselle.
Jos jotakin tiettyä tietoa haet, niin hyvin helposti saa. ;)
Ei vaadi "valtavaa ohjelmistoa", muutama rivi Python koodia riittää.
Suurin työ on reverse engineerata, eli takaisinmallintaa ja etsiä, mistä se oikea tieto löytyy. Parhaimmillaan web sivu itsekkin hakee sen REST, tms. rajapinnasta, Ajax kutsulla, websocketilla, tms. ja voit napata suoraan url:n tuohon tiedonhaku kutsuun. Silloin homma voi mennä hyvinkin helpoksi. Toisaalta näissä se takaisinmallinnus on suurempi huomattavasti työ kuin staattisessa sivussa.
Kokemusta karttuu tekemällä, ei päivittelemällä "ei mitenkään" . . . . ;)
Tässä on yksi esimerkki, miten python xpath hakee dataa webisivulta:
https://3583bytesready.net/2016/08/17/scraping-data-python-xpath/
Tämä hakee ja sorttaa judon olympiamitalistit mitalimäärän mukaan
wikipedia-sivulta.
Bash riittänee, sillä on helppo hakea ni ei tarvi ohjelmoida ;-)
Minä olen yrittänyt jonkin aikaa tehdä skriptiä, joka hakee ensi viikon lottonumerot veikkauksen sivustolta, mutta nyt skripti hakee vain harvoin osan oikeista numeroista ja siinäkin on huomattavaa hajontaa ja yleensä ei hae yhtäkään numeroa.