bin/fetch_daily_views.py

   1 #!/usr/bin/env python3
   2
   3 ###############################################################################
   4 #
   5 # This script assumes the presence of the COVID-19 repo.
   6 #
   7 # It (1) reads in the article list and then (2) calls the Wikimedia API to
   8 # fetch view information for each article. Output is to (3) JSON and TSV.
   9 #
  10 ###############################################################################
  11
  12
  13 #1 Load up the list of article names
  14
  15 #2 Repeatedly call the API with that list of names
  16
  17 #3 Save results as a TSV
  18
  19 import requests
  20 import argparse
  21 import json
  22 import csv
  23 import time
  24 import os.path
  25 import datetime
  26 #import feather
  27
  28
  29
  30 def parse_args():
  31
  32     parser = argparse.ArgumentParser(description='Call the views API repeatedly.')
  33     parser.add_argument('-o', '--output_folder', help='Where to save output', default="../data/", type=str)
  34     parser.add_argument('-i', '--article_file', help='File listing article names', default="../resources/articles.txt", type=str)
  35     parser.add_argument('-d', '--query_date', help='Date if not yesterday, in YYYYMMDD format please.', type=str)
  36     args = parser.parse_args()
  37
  38     return(args)
  39
  40
  41 def main():
  42
  43     args = parse_args()
  44
  45     outputPath = args.output_folder
  46     articleFile = args.article_file
  47
  48     if (args.query_date):
  49         queryDate = args.query_date
  50     else:
  51         yesterday = datetime.datetime.today() - datetime.timedelta(days=1)
  52         queryDate = yesterday.strftime("%Y%m%d")
  53
  54     queryDate = queryDate + "00" #requires specifying hours
  55
  56
  57     articleList = []
  58     with open(articleFile, 'r') as infileHandle:
  59         #theInfile = csv.reader(infileHandle, quotechar='"')
  60         theInfile = csv.reader(infileHandle)
  61         next(theInfile) #skip header
  62         for currentLine in theInfile:
  63             articleList.append(currentLine)
  64
  65     j_Out = outputPath + "dailyviews" + queryDate + ".json"
  66     t_Out = outputPath + "dailyviews" + queryDate + ".tsv"
  67
  68     j = []
  69
  70     i = 0 #iterator to deal with end of file
  71
  72     for a in articleList:
  73         a = a[0] #destringify
  74         i = i+1
  75         url= "https://wikimedia.org/api/rest_v1/metrics/pageviews/per-article/en.wikipedia/all-access/all-agents/"
  76         url= url + a + "/daily/" + queryDate + "/" + queryDate #for now, single date at a time
  77         response = requests.get(url)
  78         if response.ok:
  79             jd = json.loads(response.content)
  80             j.append(jd["items"][0])
  81             time.sleep(.1)
  82
  83
  84     #all data in j now, make json file
  85     with open(j_Out, 'w') as j_outfile:
  86         json.dump(j, j_outfile, indent=2)
  87
  88     with open(t_Out, 'w') as t_outfile:
  89         dw = csv.DictWriter(t_outfile, sorted(j[0].keys()), delimiter='\t')
  90         dw.writeheader()
  91         dw.writerows(j)
  92
  93
  94     f_Out = outputPath + "dailyviews" + queryDate + ".feather"
  95     #read the json back in and make a feather file?
  96
  97
  98 if __name__ == "__main__":
  99
 100     main()