如何从python中的高图表中刮取数据？

Question

我试图在python中为一个用来查找医学院统计数据的网站编写一个带有selenium的web刮刀。https://mec.aamc.org/msar-ui/#/medSchoolDetails/102提供了一个示例。我已经成功地抓取了大部分的数据，但是一些数据，比如“录取人口统计”(您应该可以在没有订阅的情况下查看的)，是在高图表条形图中。事实证明，这是非常困难的，因为我以前只从静态网站上刮过数据。

我最初尝试通过CSS选择器查找每个栏上的文本，但每次访问站点时，选择器开头的几个字符都会更改，所以我不能这样做。我试着通过CSS选择器寻找一个元素，用通配符代替那些字母，但是我发现的每一件事的解释都太高了，我无法理解。我还试着搜索如何从一般的高级图表中抓取数据，但我还是不明白我读到了什么。

任何帮助，你们可以提供(或解释，如果这是不可能的)，将非常感谢。谢谢!

Answer 1

因此，“最简单”的方法如下：

要素：

(//*[@class='highcharts-plot-background'])[1]

包含名为“高度”的属性。这个高度是310。这个元素的高度似乎代表Y轴0-100.所以310代表100。

然后是酒吧。这似乎有点复杂。除了颜色之外，我找不到任何唯一的标识符，颜色不是唯一的。

基本上，在标题记录下有一个有两个蓝色图表的图表。

所以你在寻找这样的东西：

(//*[@class='highcharts-plot-background'])[1]/..//*[@class='highcharts-point highcharts-color-0 ']

将有两个元素，所以先选择第一个，然后选择第二个

这是两个蓝色的酒吧在第一个。因此，您需要确定哪个是第一个，哪个是第二个。然后，您可以从每个属性中获得属性高度。

然后，通过将第二个高度除以第一个高度，就可以很容易地计算出这个值。在这个例子中，186除以310，总计0.6 - so 60。

希望能帮上忙！我让它这样运作:)