今天来和小伙伴们介绍点不一样的~ 哈哈  ?

如下图~

看到这图你想到什么了呢~

其实只是我无聊，找个地方练练爬虫 哈哈，然后对数据进行可视化操作，就有了这么一个3d图表

而且还是有点小收获的，让我来简单介绍下先吧！

爬取的目标

如图所示，此次爬取的目标是 后端排行榜 ，没错 就是这么些数据，然后对作者对应的赞，等级,进行可视化操作

API获取

然后呢，按下浏览器的 F12 就可以从控制台中找到对应的 API 了

从上图红框中我们可以发现，这里使用的是 Http2.0 ，和之前爬公众号的一样，要导入这个包 from hyper.contrib import HTTP20Adapter

Http2.0

Http2.0 有几个新特点：

• 新的二进制格式
• 多路复用（MultiPlexing）
• header压缩
• 服务端推送（server push）

Http2.0 中头部压缩的原理：(谷歌技术专家大佬分享的图片)

简单来说呢,就是客户端和服务端都会维护一个静态表格，然后在传输信息时，就可以直接传递这个 header 对应的索引给到对方，不用像之前那样传输 header:get ，可以减少传输大小

有了APi后，我们就是对获取到的数据进行清洗就好了~

pyecharts

清洗完数据后呢，我们要对数据进行可视化操作

这里就不得不提下这个 pyecharts 了，其实它是 封装了这个 echarts 图表库，类似 vue 封装的 v-charts ，所以很多参数不明白的话，得去 echarts 官方文档查看，还可以在线调试?

? pyecharts 官方文档：https://pyecharts.org/#/zh-cn/intro

? echarts 官方文档：https://echarts.apache.org/examples/zh/index.html

真的很好看?

代码

代码在官网就有，直接将上面的 demo 抄过来，进行简单的改造就可以啦

代码也比较简单，这里就简单说下核心步骤啦?，最后将数据填到上面 demo 的相应位置就可以了

# 填充数据，获取最大的赞
def parse_user_and_got_max_count(users, userNames, b3d_data):
    max_digg_count = 0
    for user in users:
        user_name = dict(user).get('user_name')
        userNames.append(user_name)

        user_index = len(userNames) - 1
        got_digg_count = dict(user).get('got_digg_count')

        # got_view_count = dict(user).get('got_view_count')

        level = dict(user).get('level')

        b3d_data.append([level - 1, user_index, got_digg_count])
        if got_digg_count > max_digg_count:
            max_digg_count = got_digg_count
    return max_digg_count

运行结果如下，打开生成的 html 页面即可。

效果

最后再来看一下这个效果叭~?  感觉挺炫的

最后

好了，我要减肥去了 绝望啊（没想到有一天我也得为发福焦虑 /(ㄒoㄒ)/~~）