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 a (3) JSON, TSV, and
   9 # Feather file.
  10 #
  11 #
  12 ###############################################################################
  13
  14
  15 #1 Load up the list of article names
  16
  17 #2 Repeatedly call the API with that list of names
  18
  19 #3 Save results as a TSV
  20
  21 import requests
  22 import argparse
  23 import json
  24 import csv
  25 import time
  26 import os.path
  27 import datetime
  28
  29
  30
  31 def parse_args():
  32
  33     parser = argparse.ArgumentParser(description='Call the views API repeatedly.')
  34     parser.add_argument('-o', '--output_folder', help='Where to save output', default="../data/", type=str)
  35     parser.add_argument('-i', '--article_file', help='File listing article names', default="../resources/articles.txt", type=str)
  36     parser.add_argument('-d', '--query_date', help='Date if not yesterday, in YYYYMMDD format please.', type=str)
  37     args = parser.parse_args()
  38
  39     return(args)
  40
  41
  42 def main():
  43
  44     args = parse_args()
  45
  46     outputPath = args.output_folder
  47     articleFile = args.article_file
  48
  49     if (args.query_date):
  50         queryDate = args.query_date
  51     else:
  52         yesterday = datetime.datetime.today() - datetime.timedelta(days=1)
  53         queryDate = yesterday.strftime("%Y%m%d")
  54
  55     queryDate = queryDate + "00" #requires specifying hours
  56
  57
  58     articleList = []
  59     with open(articleFile, 'r') as infileHandle:
  60         #theInfile = csv.reader(infileHandle, quotechar='"')
  61         theInfile = csv.reader(infileHandle)
  62         next(theInfile) #skip header
  63         for currentLine in theInfile:
  64             articleList.append(currentLine)
  65
  66     j_Out = outputPath + "dailyviews" + queryDate + ".json"
  67     with open(j_Out, 'w') as outfile:
  68         outfile.write("[")
  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
  78
  79         response = requests.get(url)
  80         if response.ok:
  81
  82             #do json entry
  83             j=json.loads(response.content)
  84             with open(j_Out, 'a') as j_outfile:
  85                 json.dump(j, j_outfile)
  86                 if i < len(articleList):
  87                     j_outfile.write(",\n")
  88                 else: #at end of file
  89                     j_outfile.write("\n")
  90
  91             #do tsv entry
  92             #with open(outputPath + "dailyviews" + queryDate + ".tsv", 'a') as t_outfile:
  93             #    dw = csv.DictWriter(t_outfile, sorted(j[0].keys()), delimiter='\t')
  94             #    if i==1:
  95             #        dw.writeheader()
  96             #    dw.writerows(j)
  97
  98             time.sleep(.1)
  99
 100     with open(j_Out, 'a') as j_outfile:
 101         j_outfile.write("]")
 102
 103     #read the json back in and make a feather file?
 104
 105
 106
 107 if __name__ == "__main__":
 108
 109     main()