文章目录

一．准备工作
二．思路
- 1.整体思路
- 2.爬虫思路
- 3.爬虫实现
三．效果展示
- 1.数据库
- 2.IP地址分类分析-饼图
- 3.IP地址分布可视化-地图
- 4.IP地址分布分析-饼图
- 5.IP地址分布可视化-条形图
- 6.IP地址运营商占比分析-饼图
- 7.IP地址运营商占比可视化-条形图
四．源代码
- 1.get_ip_infos.py（IP地址信息爬虫）
- 2.analysis_ip_infos.py（IP地址数据可视化分析）
五．总结

本次先使用Python撰写爬虫，将爬取的数据存入数据库最后使用pyecharts进行图表的绘制，可视化地展示58677个IP地址，包括IP地址分类，IP地址归属地分布，IP地址运营商分布。

一．准备工作

整体操作是基于Python，我的环境：

Python3.8
JetBrains PyCharm 2018.2.2 x64
pyecharts 1.9.0

二．思路

1.整体思路

在这里插入图片描述

2.爬虫思路

在这里插入图片描述

这里说一句，数据抽取完了其实直接存入数据库即可，我这里是先存入txt文本文件，再读取文本文件写入了excel中，最后手动导入了MySQL数据库，有些多此一举了。

3.爬虫实现

1.查找接口
在百度上搜索IP，百度会给我们提供一个IP138的查询接口
在这里插入图片描述
在输入框输入IP，打开F12开发者工具，点击查询按钮。

发现点完查询按钮后，浏览器向服务器发送了一个GET请求，服务器返回了一串jQuery字符串，其中data[0]中的location字段为我们需要的IP地址归属地、运营商信息使用空格分隔，请求接口为：

https://sp1.baidu.com/8aQDcjqpAAV3otqbppnN2DJv/api.php?query=8.8.8.8&co=&resource_id=5809&t=1636340450159&ie=utf8&oe=gbk&cb=op_aladdin_callback&format=json&tn=baidu&cb=jQuery1102030225422148935555_1636339389380&_=1636339389385

2.分析接口
对接口参数进行分析，具体操作步骤是：每次删除一组参数，然后放到浏览器去访问，看服务器能否返回需要的数据。

路径：https://sp1.baidu.com/8aQDcjqpAAV3otqbppnN2DJv/api.php
参数：
query: 8.8.8.8 （要查询的IP地址，必传）
co: （不知什么参数，可以不传）
resource_id: 5809 （资源ID，必传）
t: 1636341598109 （时间戳，可以不传）
ie: utf8 （输入编码，可以不传）
oe: gbk （输出编码，可以不传）
cb: op_aladdin_callback （好像是回调参数，可以不传）
format: json （返回值格式，可以不传）
tn: baidu （提交搜索请求来源，可以不传）
cb: jQuery1102030225422148935555_1636339389380 （返回值类型，可以不传）
_: 1636339389386 （也是时间戳，可以不传）

3.确定接口
经过第二步的操作，得到一个可用的接口，返回值类型为json字符串：

https://sp1.baidu.com/8aQDcjqpAAV3otqbppnN2DJv/api.php?query=8.8.8.8&co=&resource_id=5809

放到浏览器访问，能够得到下图中的结果：
在这里插入图片描述

(工具JSON-handle)

三．效果展示

1.数据库

1.1数据表
数据表存储了IP、IP归属地、IP运营商信息。
在这里插入图片描述

1.2数据量
一共存储了58677个IP地址信息（去重后）。
在这里插入图片描述

2.IP地址分类分析-饼图

在这里插入图片描述
这里将所有IP地址进行划分，分出来ABCDE类地址，划分规则如下图。可以看到A类地址占很大比例。

3.IP地址分布可视化-地图

在这里插入图片描述
将IP地址归属地信息可视化地标注在地图上（对归属地在国外的IP不做分析展示），山东的IP地址较多，共有12805个，其次是广东、香港、北京。

4.IP地址分布分析-饼图

什么，刚才的地图你没看出来广东、香港和北京占比也很大？那么请看下图。
在这里插入图片描述

5.IP地址分布可视化-条形图

在这里插入图片描述
条形统计图可以清楚地表明各种数量的多少。

6.IP地址运营商占比分析-饼图

在这里插入图片描述
统计所有IP地址归属的运营商。通过上面的饼图，能看到教育网占比最大，其次是电信、阿里云。

7.IP地址运营商占比可视化-条形图

在这里插入图片描述
条形统计图是用条形的长短来代表数量的大小，本文用于分析、展示IP运营商数量。

四．源代码

1.get_ip_infos.py（IP地址信息爬虫）

#coding:utf-8
import requests
import json
import time
import reimport xlwt"""
resource_id 参数很重要
"""class IP_ana:def read_txt(self,txt_file)->list:"""读取文件中的IP地址，去掉末尾的换行符:param txt_file::return:"""with open(txt_file,'r',encoding="utf-8")as f:data=[ip.strip() for ip in f.readlines()]return datadef fmt_ip(self,ip)->str:"""对IP地址进行格式化，去掉其中的端口号:param ip: 待处理的IP地址:return: IPv4格式的IP地址"""regx="(([01]{0,1}\d{0,1}\d|2[0-4]\d|25[0-5])\.){3}([01]{0,1}\d{0,1}\d|2[0-4]\d|25[0-5])"if ":" in ip:aim_ip=ip.split(":")[0]else:aim_ip=ipif re.match(regx,aim_ip):return aim_ipelse:return Falsedef do_request(self,ip)->str:"""对接口进行访问:param ip: url必须参数:return: 网页源代码"""try:full_url=f"https://sp1.baidu.com/8aQDcjqpAAV3otqbppnN2DJv/api.php?query={ip}&co=&resource_id=5809"headers={"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36"}r=requests.get(full_url,headers=headers)if r.status_code==200:html=r.text.encode('utf-8').decode('unicode_escape')# print(html)return htmlexcept:return Falsedef get_ip_attribute(self,html)->dict:"""获取IP归属地:param html::return:"""try:item={}_json=json.loads(html)data=_json.get("data")item['location'],item['ISP']=data[0].get("location").split(" ")return itemexcept:return Falsedef save_result(self,data)->None:"""存储爬取结果:param data::return:"""with open(aim_txt,'a',encoding='utf-8')as f:f.write(data+'\n')def write_to_excel(self,all_data)->None:"""写入excel:param all_data::return:"""workbook = xlwt.Workbook()worksheet = workbook.add_sheet('sheet', cell_overwrite_ok=True)headers = ['IP', '归属地', 'ISP', ]worksheet.write(0, 0, headers[0])worksheet.write(0, 1, headers[1])worksheet.write(0, 2, headers[2])for index, data in enumerate(all_data):worksheet.write(index + 1, 0, data[0])worksheet.write(index + 1, 1, data[1])worksheet.write(index + 1, 2, data[2])workbook.save(excel_path)if __name__ == '__main__':a=IP_ana()all_ips=a.read_txt("test_ip.txt")aim_txt="./2021-11-2_test_result.txt"excel_path = "./combine_result.xls"for ip in all_ips:ip_fmt=a.fmt_ip(ip)if ip_fmt:ip_infos=a.do_request(ip_fmt)if ip_infos:item=a.get_ip_attribute(ip_infos)if item:data=ip_fmt+":\t"+item['location']+"\t"+item["ISP"]print(data)a.save_result(data)else:print(ip_fmt + ":\t" + "解析失败！")else:print((ip_fmt + ":\t" + "获取信息失败！"))else:print((ip + ":\t" + "不是标准IPv4格式！"))#读取txt，写入excelip_data=a.read_txt(aim_txt)excel_data_list=[]for ip_data_ in ip_data:ip_data_list=[ip_data_.strip().split("\t")]excel_data_list.append(ip_data_list)a.write_to_excel(excel_data_list)

2.analysis_ip_infos.py（IP地址数据可视化分析）

import pymysql
from pyecharts.charts import Map, Bar
from pyecharts.charts import Pie
from pyecharts import options as opts
from pyecharts.globals import ThemeType"""
地图：
饼图：
地图：
"""def get_data_from_mysql():"""从数据库获取数据:return:"""try:conn=pymysql.connect(host='127.0.0.1',port=3306,user='root',password='root',db='ip_count',charset='utf8')cursor=conn.cursor()sql="select * from ip_count"cursor.execute(sql)data=cursor.fetchall()return dataexcept pymysql.Error:print("数据库操作出现错误！")finally:cursor.close()conn.close()def sort_ip(data):sort_result={}sort_result["A类"]=0sort_result["B类"]=0sort_result["C类"]=0sort_result["D类"]=0sort_result["E类"]=0for ip in data:fisrt_num=ip.split('.')[0]if 0<=int(fisrt_num)<=127:sort_result["A类"]+=1elif  128<=int(fisrt_num)<=191:sort_result["B类"]+=1elif  192<=int(fisrt_num)<=223:sort_result["C类"]+=1elif  224<=int(fisrt_num)<=239:sort_result["D类"]+=1elif  240<=int(fisrt_num)<=247:sort_result["E类"]+=1else:print(ip)return sort_resultdef sort_provinces(data):"""对省份信息进行分类排序:param data::return:"""sort_result_item={}Province_34 = ['北京', '上海', '海南', '贵州', '湖北', '重庆', '江苏', '安徽', '澳门特别行政区', '四川', '江西', '浙江', '青海', '河南','天津', '台湾', '湖南', '陕西', '黑龙江', '广东', '香港', '河北', '辽宁', '福建', '广西', '西藏', '内蒙古', '新疆', '云南','甘肃', '宁夏', '山西', '山东', '吉林']provinces=[line[1] for line in data]for line in provinces:if line !=None:for p in Province_34:if p in line:if p in sort_result_item.keys():sort_result_item[p]+=1else:sort_result_item[p]=0sort_result=sorted(sort_result_item.items(),key=lambda x:x[1],reverse=True)return sort_resultdef sort_ISP_data(data):"""对ISP信息进行分类统计排序:param data::return:"""data=[line[2] for line in data if line[2]!=None]item={}for isp in data:if isp in item.keys():item[isp]+=1else:item[isp] = 0item_sorted=sorted(item.items(),key=lambda x:x[1],reverse=True)return item_sorteddef draw_map(data):"""将分类好的省份信息绘制成地图:param data::return:"""area1=[d[0] for d in data]area2=[d[1] for d in data]aim_num=max(area2)num_max_pos = len(str(aim_num)) - 2mid_num = divmod(aim_num, int("1" + "0" * num_max_pos))res_num = str(mid_num[0] + 1) + "0" * (num_max_pos)map =\Map(init_opts=opts.InitOpts(width="1000px", height="600px"))\.add("",[list(z) for z in zip(area1, area2)], 'china')\.set_global_opts(title_opts=opts.TitleOpts(title="IP地址分布可视化-地图"),visualmap_opts = opts.VisualMapOpts(max_=res_num, split_number=8, is_piecewise=True,precision=0))map.render("./IP地址分布可视化-地图.html")def draw_line(data,type_):"""将ISP和省份信息绘制成条形图:param data::param type_::return:"""bar = (Bar(init_opts=opts.InitOpts(theme=ThemeType.LIGHT)) #使用主题.add_xaxis([data[0] for data in data]).add_yaxis("占比",[data[1] for data in data]).set_global_opts(title_opts=opts.TitleOpts(title=f"IP地址{type_}可视化-条形图.html"),datazoom_opts=opts.DataZoomOpts(),))bar.render(f"IP地址{type_}可视化-条形图.html")def draw_pie(data,type_):"""将ISP和省份信息绘制成饼图:param data::return:"""c = (Pie().add(f"IP地址{type_}可视化", data,color = "green",rosetype = "radius").set_colors(["lightblue", "orange", "yellow", "blue", "pink", "green", "purple", "black"]).set_global_opts(title_opts=opts.TitleOpts(title=f"IP地址{type_}可视化-饼图"),legend_opts=opts.LegendOpts(orient="vertical", #图例垂直放置pos_top="15%",# 图例位置调整pos_left="2%"),).set_series_opts(label_opts=opts.LabelOpts(formatter="{b} : {c} ({d}%)")).render(f"IP地址{type_}分析-饼图.html"))if __name__ == '__main__':data=get_data_from_mysql()ip_data=[line[0] for line in  data]sort_ip_type_data=[(k,v) for k,v in sort_ip(ip_data).items()]draw_pie(sort_ip_type_data,"分类")ip_sort_res=sort_provinces(data)draw_map(ip_sort_res)draw_pie(ip_sort_res[:8],"分布")draw_line(ip_sort_res[:8],"分布")isp_sort_res=sort_ISP_data(data)draw_pie(isp_sort_res[:8],"运营商占比")draw_line(isp_sort_res[:8],"运营商占比")

五．总结

本次使用Python的pyecharts绘制了饼图、条形图、地图，可视化地将IP地址归属地分布、运营商分布展示出来，代码量不大，pyecharts中都给封装好了，调用其中的接口函数就能够轻易实现，希望大家也动手做起来。如果喜欢这些Echarts图可以到蓝奏云下载。思路、代码方面有什么不足欢迎各位大佬指正、批评！觉得还可以的能点个赞嘛。
在这里插入图片描述