看板 Soft_Job 關於我們 聯絡資訊
hi 各位好 我覺得這個問題應該難不倒大家 但我發現我不太知道怎麼下手 我目前在統計中國cov感染的數據 比方說安徽省的官方統計數據可在這邊找到 http://wjw.ah.gov.cn/news_details_54250.html 這是1月30日的 我有把從1/22-今天的html都下載到一個資料夾下 共40幾個html檔案 我希望能寫個script將 不同日期的新增確診病例 自動產生csv 報表 類似這樣 一月22 一月23 一月24 ...................三月五日 合肥 xx 蚌阜 yy 阜陽 zz 六安 aa 銅陵 bb 池州 黃山 .. . . 我是想過用linux bash 去寫一個script 不過有點卡住 或是用panda應該也可以 能否請各位指點一些方向呢?? 感謝!! -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 155.69.170.63 (新加坡) ※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1583384723.A.CFB.html ※ 編輯: peter308 (155.69.170.63 新加坡), 03/05/2020 13:11:04 ※ 編輯: peter308 (155.69.170.63 新加坡), 03/05/2020 13:12:24
jhnny97: 估狗 generate csv file in <你熟悉的程式語言> 03/05 13:12
enthos: https://www.udemy.com/course/codegym-python/ +openpyxl 03/05 13:19
swallowcc: 用爬蟲 parse dom呢? 03/05 13:23
kyoe: read file然後分析然後save csv 03/05 13:23
swallowcc: 啊原來是這個樣子的資料, 那就抓字串分析了 03/05 13:25
vi000246: 資料來源只有新聞嗎? 這樣只能手動整理了 03/05 13:29
neo5277: selenium 03/05 13:34
q90036: 使用這些數據之前應該要先問這些中國給出的數字可信度有多 03/05 14:15
q90036: 少 ... 03/05 14:15
rodion: 不是很建議這種超級不具格式的資料.. 先不論正確與否啦... 03/05 14:37
rodion: 真要做,可能也等所以資料都塵埃落定不再變動 才開始寫對應 03/05 14:40
rodion: 的parser... 03/05 14:40
domototice: 用Excel阿 貼到excel 在存檔 存成CSV 03/05 17:32
newsbielt703: PapaParse 03/05 17:39
domototice: 蒙恬 掃描筆???orz 03/05 19:28
superpandal: 你可以用C寫 這樣應該會更快一點 咚 03/05 22:00
gasbomb: 這個連表格都沒有 很難用程式處理吧 03/06 11:49
gary75952: 這個怎麼做都可以吧就字串處理mapping在塞到csv裡. 03/06 14:29
gary75952: 例如regex 擷取,前後的四個數字。 ex:(合肥50例 03/06 14:29
gary75952: ),(豪洲20例) 之類的 03/06 14:29
mathrew: 沒有特定格式就抓關鍵字 03/06 15:29
peter308: 感謝各位提供的資訊。 03/07 11:43