wikipedia_views/scripts/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 import requests
  14 import argparse
  15 import json
  16 import csv
  17 import time
  18 import os.path
  19 import datetime
  20 #import feather
  21
  22
  23 def parse_args():
  24
  25     parser = argparse.ArgumentParser(description='Call the views API repeatedly.')
  26     parser.add_argument('-o', '--output_folder', help='Where to save output', default="../data/", type=str)
  27     parser.add_argument('-i', '--article_file', help='File listing article names', default="../resources/articles.txt", type=str)
  28     parser.add_argument('-d', '--query_date', help='Date if not yesterday, in YYYYMMDD format please.', type=str)
  29     args = parser.parse_args()
  30
  31     return(args)
  32
  33
  34 def main():
  35
  36     args = parse_args()
  37
  38     outputPath = args.output_folder
  39     articleFile = args.article_file
  40
  41     if (args.query_date):
  42         queryDate = args.query_date
  43     else:
  44         yesterday = datetime.datetime.today() - datetime.timedelta(days=1)
  45         queryDate = yesterday.strftime("%Y%m%d")
  46
  47     queryDate = queryDate + "00" #requires specifying hours
  48
  49
  50     articleList = []
  51     #1 Load up the list of article names
  52
  53     j_Out = f"{outputPath}dailyviews{queryDate}.json"
  54     t_Out = f"{outputPath}dailyviews{queryDate}.tsv"
  55
  56     with open(articleFile, 'r') as infile:
  57         next(infile) #skip header
  58         articleList = list(infile)
  59
  60     j = []
  61
  62     #2 Repeatedly call the API with that list of names
  63
  64     for a in articleList:
  65         a = a.strip("\"\n") #destringify
  66         url= f"https://wikimedia.org/api/rest_v1/metrics/pageviews/per-article/en.wikipedia/all-access/all-agents/{a}/daily/{queryDate}/{queryDate}"
  67
  68         response = requests.get(url)
  69         if response.ok:
  70             jd = json.loads(response.content)
  71             j.append(jd["items"][0])
  72             time.sleep(.1)
  73         else:
  74             print(f"Not ok response: {response.status_code} from {url}")
  75
  76     #3 Save results as a JSON and TSV
  77
  78     #all data in j now, make json file
  79     with open(j_Out, 'w') as j_outfile:
  80         json.dump(j, j_outfile, indent=2)
  81
  82     with open(t_Out, 'w') as t_outfile:
  83         dw = csv.DictWriter(t_outfile, sorted(j[0].keys()), delimiter='\t')
  84         dw.writeheader()
  85         dw.writerows(j)
  86
  87
  88     # f_Out = outputPath + "dailyviews" + queryDate + ".feather"
  89     # read the json back in and make a feather file?
  90
  91
  92 if __name__ == "__main__":
  93
  94     main()