一鍵分析你的上網(wǎng)行為, 看看你平時上網(wǎng)都在干嘛?
簡介
想看看你最近一年都在干嘛？看看你平時上網(wǎng)是在摸魚還是認(rèn)真工作腥寇？想寫年度匯報總結(jié)侍匙，但是苦于沒有數(shù)據(jù)氮惯？現(xiàn)在，它來了想暗。
這是一個能讓你了解自己的瀏覽歷史的Chrome瀏覽歷史記錄分析程序妇汗，當(dāng)然了，他僅適用于Chrome瀏覽器或者以Chrome為內(nèi)核的瀏覽器说莫。
在該頁面中你將可以查看有關(guān)自己在過去的時間里所訪問瀏覽的域名杨箭、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。
<br />
<br />
部分截圖
<br />
<br />
代碼思路
1. 目錄結(jié)構(gòu)
首先储狭，我們先看一下整體目錄結(jié)構(gòu)
Code
├─ app_callback.py 回調(diào)函數(shù)互婿，實現(xiàn)后臺功能
├─ 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
├─ 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輕量級框架進(jìn)行部署辽狈。app_callback.py主要用于回調(diào)慈参，可以理解為實現(xiàn)后臺功能。app_configuration.py
顧名思義刮萌，對web服務(wù)器的一些配置操作驮配。app_layout..py
web前端頁面配置，包含html, css元素着茸。app_plot.py
這個主要是為實現(xiàn)一些web前端的圖表數(shù)據(jù)壮锻。app.py
web服務(wù)器的啟動。assets
靜態(tài)資源目錄涮阔，用于存儲一些我們所需要的靜態(tài)資源數(shù)據(jù)猜绣。history_data.py
通過連接sqlite數(shù)據(jù)庫，并解析Chrome歷史記錄文件敬特。requirement.txt
運行本程序所需要的依賴庫掰邢。
<br />
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。我們一一分析伟阔。
# 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
# 注意尸变，History是一個文件，沒有后綴名减俏。它不是一個目錄。
conn = sqlite3.connect(history_db)
cursor = conn.cursor()
# 使用sqlite查看軟件碱工，可清晰看到表visits的字段url=表urls的字段id
# 連接表urls和visits娃承，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)奏夫，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)行查詢語句历筝，返回查詢結(jié)構(gòu)酗昼，最終關(guān)閉數(shù)據(jù)庫連接。
# 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個元素進(jìn)行排序
# sort和sorted內(nèi)建函數(shù)會優(yōu)先排序第1個元素梳猪，然后再排序第2個元素麻削，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!')
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)春弥，獲取解析后的歷史記錄文件數(shù)據(jù)呛哟。并對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。至此匿沛，經(jīng)過排序的解析后的歷史記錄數(shù)據(jù)文件獲取成功扫责。
<br />
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)器的端口號逃呼，訪問權(quán)限鳖孤，靜態(tài)資源目錄等。
<br />
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目錄抡笼。
前端布局主要包括以下幾個元素：
- 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間排名組件
- 每日頁面訪問次數(shù)散點圖組件
- 某日不同時刻訪問次數(shù)散點圖組件
- 訪問次數(shù)最多的10個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中苏揣，這些組件的配置大多一樣，和平常的html, css配置一樣推姻，所以我們僅僅以配置頁面訪問次數(shù)排名組件為例子平匈。
# 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編寫的拾碌，但是只要具備前端經(jīng)驗的人吐葱，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了校翔。
在app_plot.py中弟跑，主要是以繪制圖表相關(guān)的。使用的是plotly庫防症，這是一個用于具有web交互的畫圖組件庫孟辑。
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)行繪制蔫敲。
# 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:
- 首先饲嗽，對解析完數(shù)據(jù)庫文件后返回的
history_data進(jìn)行遍歷，獲得url數(shù)據(jù)奈嘿，并調(diào)用url_simplification(url)對齊進(jìn)行簡化貌虾。接著，依次將簡化后的url存入字典中裙犹。 - 調(diào)用
get_top_k_from_dict(dict_data, k)尽狠，從字典dict_data中獲取前k個最大值的數(shù)據(jù)衔憨。 - 接著，開始繪制柱狀圖了袄膏。使用
go.Bar()繪制柱狀圖践图，其中，x和y代表的是屬性和屬性對應(yīng)的數(shù)值沉馆，為list格式码党。xaxis和yaxis`分別設(shè)置相應(yīng)坐標(biāo)軸的標(biāo)題 - 返回一個
figure對象，以便于傳輸給前端斥黑。
而assets目錄下包含的數(shù)據(jù)為image和css揖盘，都是用于前端布局。
<br />
5. 后臺部署
與后臺部署有關(guān)的文件為app_callback.py文件心赶。這個文件使用回調(diào)的方式對前端頁面布局進(jìn)行更新扣讼。
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))缨叫，輸出是什么(回調(diào)輸出的數(shù)據(jù))椭符，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)耻姥，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)生改變時销钝，會觸發(fā)這個回調(diào)。而該回調(diào)經(jīng)過update(value, store_memory_history_data)的結(jié)果會輸出到id為graph_website_count_rank的value琐簇，通俗來講蒸健，就是改變它的值。 - 對于
def update(value, store_memory_history_data)的解析婉商。首先是判斷輸入數(shù)據(jù)store_memory_history_data是否不為空對象似忧，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()丈秩，返回一個figure對象盯捌，并將這個對象返回到前端。至此蘑秽，前端頁面的布局就會顯示出頁面訪問頻率排名的圖表了饺著。
還有一個需要說的就是關(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肠牲，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)錯誤, 時間:{}'.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是否不為空幼衰，接著將客戶端上傳的文件進(jìn)行base64解碼。并且缀雳，為客戶端上傳的文件添加后綴渡嚣，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。寫入完畢后严拒，使用sqlite讀取本地磁盤文件扬绪，若讀取正確，則返回解析后的數(shù)據(jù)裤唠，否則返回
None
<br />
<br />
如何運行
在線演示程序:http://39.106.118.77:8090(普通服務(wù)器，勿測壓)
運行本程序十分簡單莹痢，只需要按照以下命令即可運行：
# 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
# 開始運行
python app.py
# 運行成功后种蘸，通過瀏覽器打開http://localhost:8090
<br />
<br />
接下來，就是我們數(shù)據(jù)提取最核心的部分了竞膳，即從Chrome歷史記錄文件中提取出我們想要的數(shù)據(jù)航瞭。由于Chrome歷史記錄文件是一個sqlite數(shù)據(jù)庫，所以我們需要使用數(shù)據(jù)庫語法提取出我們想要的內(nèi)容坦辟。
# 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個元素進(jìn)行排序
# sort和sorted內(nèi)建函數(shù)會優(yōu)先排序第1個元素刊侯，然后再排序第2個元素，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!')
return 'error'
這里我們列出每個字段代表的意思：
| 字段名 | 含義 |
|---|---|
| urls.id | url的編號 |
| urls.url | url的地址 |
| urls.title | url的標(biāo)題 |
| urls.last_visit_time | url的最后訪問時間 |
| urls.visit_count | url的訪問次數(shù) |
| urls.visit_time | url的訪問時間 |
| urls.from_visit | 從哪里訪問到這個url |
| urls.transition | url的跳轉(zhuǎn) |
| urls.visit_duration | url的停留時間 |
<br />
<br />
6. 如何獲取Chrome歷史記錄文件
- 首先锉走，打開瀏覽器滨彻，輸入
chrome://version/，其中挪蹭，個人資料路徑即為存放歷史文件所在的目錄亭饵。
image.png
- 跳轉(zhuǎn)到
個人資料路徑，比如/Users/xxx/Library/Application Support/Google/Chrome/Default梁厉，找到一個叫History的文件辜羊，這個文件即為歷史記錄文件。
image.png
<br />
<br />
<br />
補充
完整版源代碼存放在github上词顾，有需要的可以下載
項目持續(xù)更新八秃，歡迎您star本項目
<br />
<br />
