如何从GMAT Club网站抓取获取Decision Tracker的录取状态具体数据
抓取GMAT Club决策追踪器录取状态数据的实现方法
你当前调用的接口已经直接返回了决策追踪器实时更新板块的全量数据,无需额外解析HTML页面,直接从返回的JSON字段中提取对应维度即可,字段对应关系如下:
- 学校名称:取
item["school"]字段 - 项目类型:取
item["program"]字段 - 申请轮次:取
item["round"]字段 - 录取状态:取
item["status"]字段 - 申请者GPA:取
item["gpa"]字段 - GMAT分数:取
item["gmat"]字段 - GRE分数:取
item["gre"]字段 - 数据更新日期:取
item["date"]字段
可直接生成结构化数据的完整代码如下:
import requests import pandas as pd with requests.Session() as connection: connection.headers.update( { "referer": "https://gmatclub.com/forum/decision-tracker.html", "user-agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/89.0.4389.86 YaBrowser/21.3.0.740 Yowser/2.5 Safari/537.36", } ) # 初始化会话凭证 connection.get("https://gmatclub.com/forum/decision-tracker.html") # 请求接口获取实时更新数据 endpoint = connection.get("https://gmatclub.com/api/schools/v1/forum/app-tracker-latest-updates?limit=50&year=all").json() # 提取目标字段生成结构化结果 result_list = [] for item in endpoint["statistics"]: result_list.append({ "学校名称": item.get("school"), "项目类型": item.get("program"), "申请轮次": item.get("round"), "录取状态": item.get("status"), "GPA": item.get("gpa"), "GMAT分数": item.get("gmat"), "GRE分数": item.get("gre"), "更新日期": item.get("date") }) # 转换为DataFrame格式,可直接导出为CSV/Excel df = pd.DataFrame(result_list) # 打印预览数据 print(df) # 如需导出为CSV文件,取消注释下方代码即可 # df.to_csv("gmat俱乐部决策追踪数据.csv", index=False, encoding="utf_8_sig")
接口请求参数中的limit控制单次返回的数据条数,需要获取更多历史数据可自行调整该参数的数值。
内容的提问来源于stack exchange,提问作者Aytida
相关产品推荐
相关产品推荐

