這篇文章主要介紹了如何使用python分析你的上網(wǎng)行為，具有一定借鑒價(jià)值，感興趣的朋友可以參考下，希望大家閱讀完這篇文章之后大有收獲，下面讓小編帶著大家一起了解一下。
簡介
這是一個(gè)能讓你了解自己的瀏覽歷史的Chrome瀏覽歷史記錄分析程序，當(dāng)然了，他僅適用于Chrome瀏覽器或者以Chrome為內(nèi)核的瀏覽器。
在該頁面中你將可以查看有關(guān)自己在過去的時(shí)間里所訪問瀏覽的域名、URL以及忙碌天數(shù)的前十排名以及相關(guān)的數(shù)據(jù)圖表。
部分截圖
代碼思路
1. 目錄結(jié)構(gòu)
首先，我們先看一下整體目錄結(jié)構(gòu)
Code ├─ app_callback.py 回調(diào)函數(shù)，實(shí)現(xiàn)后臺(tái)功能 ├─ app_configuration.py web服務(wù)器配置 ├─ app_layout.py web前端頁面配置 ├─ app_plot.py web圖表繪制 ├─ app.py web服務(wù)器的啟動(dòng) ├─ assets web所需的一些靜態(tài)資源文件 │ ├─ css web前端元素布局文件 │ │ ├─ custum-styles_phyloapp.css │ │ └─ stylesheet.css │ ├─ image web前端logo圖標(biāo) │ │ ├─ GitHub-Mark-Light.png │ └─ static web前端幫助頁面 │ │ ├─ help.html │ │ └─ help.md ├─ history_data.py 解析chrome歷史記錄文件 └─ requirement.txt 程序所需依賴庫
app_callback.py
該程序基于python，使用dash web輕量級(jí)框架進(jìn)行部署。app_callback.py主要用于回調(diào)，可以理解為實(shí)現(xiàn)后臺(tái)功能。
app_configuration.py
顧名思義，對(duì)web服務(wù)器的一些配置操作。
app_layout..py
web前端頁面配置，包含html, css元素。
app_plot.py
這個(gè)主要是為實(shí)現(xiàn)一些web前端的圖表數(shù)據(jù)。
app.py
web服務(wù)器的啟動(dòng)。
assets
靜態(tài)資源目錄，用于存儲(chǔ)一些我們所需要的靜態(tài)資源數(shù)據(jù)。
history_data.py
通過連接sqlite數(shù)據(jù)庫，并解析Chrome歷史記錄文件。
requirement.txt
運(yùn)行本程序所需要的依賴庫。
2. 解析歷史記錄文件數(shù)據(jù)
與解析歷史記錄文件數(shù)據(jù)有關(guān)的文件為history_data.py文件。我們一一分析。
# 查詢數(shù)據(jù)庫內(nèi)容 def query_sqlite_db(history_db, query): # 查詢sqlite數(shù)據(jù)庫 # 注意，History是一個(gè)文件，沒有后綴名。它不是一個(gè)目錄。 conn = sqlite3.connect(history_db) cursor = conn.cursor() # 使用sqlite查看軟件，可清晰看到表visits的字段url=表urls的字段id # 連接表urls和visits，并獲取指定數(shù)據(jù) select_statement = query # 執(zhí)行數(shù)據(jù)庫查詢語句 cursor.execute(select_statement) # 獲取數(shù)據(jù)，數(shù)據(jù)格式為元組(tuple) results = cursor.fetchall() # 關(guān)閉 cursor.close() conn.close() return results
該函數(shù)的代碼流程為:
連接sqlite數(shù)據(jù)庫，執(zhí)行查詢語句，返回查詢結(jié)構(gòu)，最終關(guān)閉數(shù)據(jù)庫連接。
重慶分公司
重慶分公司
# 獲取排序后的歷史數(shù)據(jù)
def get_history_data(history_file_path):
try:
# 獲取數(shù)據(jù)庫內(nèi)容
# 數(shù)據(jù)格式為元組(tuple)
select_statement = "SELECT urls.id, urls.url, urls.title, urls.last_visit_time, urls.visit_count, visits.visit_time, visits.from_visit, visits.transition, visits.visit_duration FROM urls, visits WHERE urls.id = visits.url;"
result = query_sqlite_db(history_file_path, select_statement)
# 將結(jié)果按第1個(gè)元素進(jìn)行排序
# sort和sorted內(nèi)建函數(shù)會(huì)優(yōu)先排序第1個(gè)元素，然后再排序第2個(gè)元素，依此類推
result_sort = sorted(result, key=lambda x: (x[0], x[1], x[2], x[3], x[4], x[5], x[6], x[7], x[8]))
# 返回排序后的數(shù)據(jù)
return result_sort
except:
# print('讀取出錯(cuò)!')
return 'error'該函數(shù)的代碼流程為:
設(shè)置數(shù)據(jù)庫查詢語句select_statement，調(diào)用query_sqlite_db()函數(shù)，獲取解析后的歷史記錄文件數(shù)據(jù)。并對(duì)返回后的歷史記錄數(shù)據(jù)文件按照不同元素規(guī)則進(jìn)行排序。至此，經(jīng)過排序的解析后的歷史記錄數(shù)據(jù)文件獲取成功。
3. web服務(wù)器基本配置
與web服務(wù)器基本配置有關(guān)的文件為app_configuration.py和app.py文件。包括設(shè)置web服務(wù)器的端口號(hào)，訪問權(quán)限，靜態(tài)資源目錄等。
4. 前端頁面部署
與前端部署有關(guān)的文件為app_layout.py和app_plot.py以及assets目錄。
前端布局主要包括以下幾個(gè)元素：
上傳歷史記錄文件組件
繪制頁面訪問次數(shù)組件
繪制頁面訪問停留總時(shí)間排名組件
每日頁面訪問次數(shù)散點(diǎn)圖組件
某日不同時(shí)刻訪問次數(shù)散點(diǎn)圖組件
訪問次數(shù)最多的10個(gè)URL組件
搜索關(guān)鍵詞排名組件
搜索引擎使用情況組件
在app_layout.py中，這些組件的配置大多一樣，和平常的html, css配置一樣，所以我們僅僅以配置頁面訪問次數(shù)排名組件為例子。
# 頁面訪問次數(shù)排名
html.Div(
style={'margin-bottom':'150px'},
children=[
html.Div(
style={'border-top-style':'solid','border-bottom-style':'solid'},
className='row',
children=[
html.Span(
children='頁面訪問次數(shù)排名, ',
style={'font-weight': 'bold', 'color':'red'}
),
html.Span(
children='顯示個(gè)數(shù):',
),
dcc.Input(
id='input_website_count_rank',
type='text',
value=10,
style={'margin-top':'10px', 'margin-bottom':'10px'}
),
]
),
html.Div(
style={'position': 'relative', 'margin': '0 auto', 'width': '100%', 'padding-bottom': '50%', },
children=[
dcc.Loading(
children=[
dcc.Graph(
id='graph_website_count_rank',
style={'position': 'absolute', 'width': '100%', 'height': '100%', 'top': '0',
'left': '0', 'bottom': '0', 'right': '0'},
config={'displayModeBar': False},
),
],
type='dot',
style={'position': 'absolute', 'top': '50%', 'left': '50%', 'transform': 'translate(-50%,-50%)'}
),
],
)
]
)可以看到，雖然是python編寫的，但是只要具備前端經(jīng)驗(yàn)的人，都可以輕而易舉地在此基礎(chǔ)上新增或者刪除一些元素，所以我們就不詳細(xì)講如何使用html和css了。
在app_plot.py中，主要是以繪制圖表相關(guān)的。使用的是plotly庫，這是一個(gè)用于具有web交互的畫圖組件庫。
這里以繪制頁面訪問頻率排名 柱狀圖為例子，講講如何使用plotly庫進(jìn)行繪制。
# 繪制 頁面訪問頻率排名 柱狀圖
def plot_bar_website_count_rank(value, history_data):
# 頻率字典
dict_data = {}
# 對(duì)歷史記錄文件進(jìn)行遍歷
for data in history_data:
url = data[1]
# 簡化url
key = url_simplification(url)
if (key in dict_data.keys()):
dict_data[key] += 1
else:
dict_data[key] = 0
# 篩選出前k個(gè)頻率最高的數(shù)據(jù)
k = convert_to_number(value)
top_10_dict = get_top_k_from_dict(dict_data, k)
figure = go.Figure(
data=[
go.Bar(
x=[i for i in top_10_dict.keys()],
y=[i for i in top_10_dict.values()],
name='bar',
marker=go.bar.Marker(
color='rgb(55, 83, 109)'
)
)
],
layout=go.Layout(
showlegend=False,
margin=go.layout.Margin(l=40, r=0, t=40, b=30),
paper_bgcolor='rgba(0,0,0,0)',
plot_bgcolor='rgba(0,0,0,0)',
xaxis=dict(title='網(wǎng)站'),
yaxis=dict(title='次數(shù)')
)
)
return figure該函數(shù)的代碼流程為:
首先，對(duì)解析完數(shù)據(jù)庫文件后返回的history_data進(jìn)行遍歷，獲得url數(shù)據(jù)，并調(diào)用url_simplification(url)對(duì)齊進(jìn)行簡化。接著，依次將簡化后的url存入字典中。
調(diào)用get_top_k_from_dict(dict_data, k)，從字典dict_data中獲取前k個(gè)大值的數(shù)據(jù)。
接著，開始繪制柱狀圖了。使用go.Bar()繪制柱狀圖，其中，x和y代表的是屬性和屬性對(duì)應(yīng)的數(shù)值，為list格式。xaxis和yaxis`分別設(shè)置相應(yīng)坐標(biāo)軸的標(biāo)題
返回一個(gè)figure對(duì)象，以便于傳輸給前端。
而assets目錄下包含的數(shù)據(jù)為image和css，都是用于前端布局。
5. 后臺(tái)部署
與后臺(tái)部署有關(guān)的文件為app_callback.py文件。這個(gè)文件使用回調(diào)的方式對(duì)前端頁面布局進(jìn)行更新。
首先，我們看看關(guān)于頁面訪問頻率排名的回調(diào)函數(shù)：
# 頁面訪問頻率排名
@app.callback(
dash.dependencies.Output('graph_website_count_rank', 'figure'),
[
dash.dependencies.Input('input_website_count_rank', 'value'),
dash.dependencies.Input('store_memory_history_data', 'data')
]
)
def update(value, store_memory_history_data):
# 正確獲取到歷史記錄文件
if store_memory_history_data:
history_data = store_memory_history_data['history_data']
figure = plot_bar_website_count_rank(value, history_data)
return figure
else:
# 取消更新頁面數(shù)據(jù)
raise dash.exceptions.PreventUpdate("cancel the callback")該函數(shù)的代碼流程為:
首先確定好輸入是什么(觸發(fā)回調(diào)的數(shù)據(jù))，輸出是什么(回調(diào)輸出的數(shù)據(jù))，需要帶上什么數(shù)據(jù)。dash.dependencies.Input指的是觸發(fā)回調(diào)的數(shù)據(jù)，而dash.dependencies.Input('input_website_count_rank', 'value')表示當(dāng)id為input_website_count_rank的組件的value發(fā)生改變時(shí)，會(huì)觸發(fā)這個(gè)回調(diào)。而該回調(diào)經(jīng)過update(value, store_memory_history_data)的結(jié)果會(huì)輸出到id為graph_website_count_rank的value，通俗來講，就是改變它的值。
對(duì)于def update(value, store_memory_history_data)的解析。首先是判斷輸入數(shù)據(jù)store_memory_history_data是否不為空對(duì)象，接著讀取歷史記錄文件history_data，接著調(diào)用剛才所說的app_plot.py文件中的plot_bar_website_count_rank()，返回一個(gè)figure對(duì)象，并將這個(gè)對(duì)象返回到前端。至此，前端頁面的布局就會(huì)顯示出頁面訪問頻率排名的圖表了。
還有一個(gè)需要說的就是關(guān)于上次文件的過程，這里我們先貼出代碼：
# 上傳文件回調(diào)
@app.callback(
dash.dependencies.Output('store_memory_history_data', 'data'),
[
dash.dependencies.Input('dcc_upload_file', 'contents')
]
)
def update(contents):
if contents is not None:
# 接收base64編碼的數(shù)據(jù)
content_type, content_string = contents.split(',')
# 將客戶端上傳的文件進(jìn)行base64解碼
decoded = base64.b64decode(content_string)
# 為客戶端上傳的文件添加后綴，防止文件重復(fù)覆蓋
# 以下方式確保文件名不重復(fù)
suffix = [str(random.randint(0,100)) for i in range(10)]
suffix = "".join(suffix)
suffix = suffix + str(int(time.time()))
# 最終的文件名
file_name = 'History_' + suffix
# print(file_name)
# 創(chuàng)建存放文件的目錄
if (not (exists('data'))):
makedirs('data')
# 欲寫入的文件路徑
path = 'data' + '/' + file_name
# 寫入本地磁盤文件
with open(file=path, mode='wb+') as f:
f.write(decoded)
# 使用sqlite讀取本地磁盤文件
# 獲取歷史記錄數(shù)據(jù)
history_data = get_history_data(path)
# 獲取搜索關(guān)鍵詞數(shù)據(jù)
search_word = get_search_word(path)
# 判斷讀取到的數(shù)據(jù)是否正確
if (history_data != 'error'):
# 找到
date_time = time.strftime('%Y-%m-%d %H:%M:%S', time.localtime(time.time()))
print('新接收到一條客戶端的數(shù)據(jù), 數(shù)據(jù)正確, 時(shí)間:{}'.format(date_time))
store_data = {'history_data': history_data, 'search_word': search_word}
return store_data
else:
# 沒找到
date_time = time.strftime('%Y-%m-%d %H:%M:%S', time.localtime(time.time()))
print('新接收到一條客戶端的數(shù)據(jù), 數(shù)據(jù)錯(cuò)誤, 時(shí)間:{}'.format(date_time))
return None
return None該函數(shù)的代碼流程為:
首先判斷用戶上傳的數(shù)據(jù)contents是否不為空，接著將客戶端上傳的文件進(jìn)行base64解碼。并且，為客戶端上傳的文件添加后綴，防止文件重復(fù)覆蓋，最終將客戶端上傳的文件寫入本地磁盤文件。
寫入完畢后，使用sqlite讀取本地磁盤文件，若讀取正確，則返回解析后的數(shù)據(jù)，否則返回None
如何運(yùn)行
在線演示程序:http://39.106.118.77:8090(普通服務(wù)器，勿測壓)
運(yùn)行本程序十分簡單，只需要按照以下命令即可運(yùn)行：
# 跳轉(zhuǎn)到當(dāng)前目錄 cd 目錄名 # 先卸載依賴庫 pip uninstall -y -r requirement.txt # 再重新安裝依賴庫 pip install -r requirement.txt # 開始運(yùn)行 python app.py # 運(yùn)行成功后，通過瀏覽器打開http://localhost:8090
感謝你能夠認(rèn)真閱讀完這篇文章，希望小編分享的“如何使用python分析你的上網(wǎng)行為”這篇文章對(duì)大家有幫助，同時(shí)也希望大家多多支持創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計(jì)公司，關(guān)注創(chuàng)新互聯(lián)成都網(wǎng)站設(shè)計(jì)公司行業(yè)資訊頻道，更多相關(guān)知識(shí)等著你來學(xué)習(xí)!
另外有需要云服務(wù)器可以了解下創(chuàng)新互聯(lián)scvps.cn，海內(nèi)外云服務(wù)器15元起步，三天無理由+7*72小時(shí)售后在線，公司持有idc許可證，提供“云服務(wù)器、裸金屬服務(wù)器、網(wǎng)站設(shè)計(jì)器、香港服務(wù)器、美國服務(wù)器、虛擬主機(jī)、免備案服務(wù)器”等云主機(jī)租用服務(wù)以及企業(yè)上云的綜合解決方案，具有“安全穩(wěn)定、簡單易用、服務(wù)可用性高、性價(jià)比高”等特點(diǎn)與優(yōu)勢，專為企業(yè)上云打造定制，能夠滿足用戶豐富、多元化的應(yīng)用場景需求。
