283 lines
8.8 KiB
Python
283 lines
8.8 KiB
Python
import calendar
|
||
import collections
|
||
from datetime import datetime
|
||
import logging
|
||
import matplotlib
|
||
import numpy
|
||
from matplotlib import pyplot
|
||
import requests
|
||
from scipy import stats
|
||
import sys
|
||
import mwclient
|
||
|
||
|
||
# Chemin racine pour les API Wikimedia
|
||
wikimedia_base_path = 'https://wikimedia.org/api/rest_v1'
|
||
|
||
# Patron d’accès à l’API pageviews de Wikimedia
|
||
wikimedia_pageviews_path = '/' + '/'.join([
|
||
'metrics', 'pageviews', 'per-article', '{project}',
|
||
'{access}', '{agent}', '{article}', '{granularity}',
|
||
'{start}', '{end}'
|
||
])
|
||
|
||
# Format de dates utilisée pour l’API Wikimedia
|
||
wikimedia_date_format = '%Y%m%d'
|
||
|
||
# Date de première disponibilité des pageviews sur l’API Wikimedia
|
||
wikimedia_pageviews_start = datetime(2015, 7, 1)
|
||
|
||
# Objet pour afficher le journal d’exécution
|
||
logger = logging.getLogger('pageviews')
|
||
|
||
# Tableau contenant tous les jours de l’année de 1 à 365
|
||
year_all_days = numpy.arange(1, 366)
|
||
|
||
|
||
def year_date_distance(a, b):
|
||
"""
|
||
Calcule la distance entre deux jours de l’année.
|
||
|
||
:example: year_date_distance(10, 360) == 15
|
||
:example: year_date_distance(numpy.array([10, 182, 355]), 182)
|
||
== [172, 0, 173]
|
||
:param a: Première valeur (peut être un tableau numpy).
|
||
:param b: Seconde valeur (peut être un tableau numpy).
|
||
:return: Valeur de la distance.
|
||
"""
|
||
return numpy.stack((
|
||
numpy.mod(a - b, len(year_all_days)),
|
||
numpy.mod(b - a, len(year_all_days))
|
||
)).min(axis=0)
|
||
|
||
|
||
def year_smooth_gaussian(data, scale):
|
||
"""
|
||
Lisse un tableau de valeurs contenant une valeur par jour de l’année en
|
||
utilisant un noyau gaussien.
|
||
|
||
À la bordure de fin ou de début d’année, le lissage est fait avec l’autre
|
||
morceau de l’année.
|
||
|
||
:param data: Données à lisser.
|
||
:param scale: Variance du noyau gaussien.
|
||
:return: Données lissées.
|
||
"""
|
||
ref_pdf = stats.norm.pdf(year_date_distance(year_all_days, 1), scale=scale)
|
||
pdf_matrix = numpy.stack([
|
||
numpy.roll(ref_pdf, day - 1)
|
||
for day in year_all_days
|
||
])
|
||
return pdf_matrix.dot(data)
|
||
|
||
|
||
def wikimedia_page_views(site, article):
|
||
"""
|
||
Obtient le nombre de visites sur une page Wikipédia par jour.
|
||
|
||
:param site: Site Wikipédia ciblé.
|
||
:param article: Article ciblé dans le site.
|
||
:return: Compteur associant chaque jour à son nombre de visites.
|
||
"""
|
||
# Soumet une requête à l’API REST pour obtenir les vues de l’article
|
||
res = requests.get(wikimedia_base_path + wikimedia_pageviews_path.format(
|
||
project=site.host,
|
||
article=article,
|
||
access='all-access',
|
||
agent='user',
|
||
granularity='daily',
|
||
start=wikimedia_pageviews_start.strftime(wikimedia_date_format),
|
||
end=datetime.today().strftime(wikimedia_date_format)
|
||
))
|
||
|
||
data = res.json()
|
||
|
||
# Vérifie que la réponse reçue indique un succès
|
||
if res.status_code != 200:
|
||
if 'detail' in data:
|
||
detail = data['detail']
|
||
message = ', '.join(detail) if type(detail) == list else detail
|
||
raise Exception(message)
|
||
else:
|
||
raise Exception('Erreur {}'.format(res.status_code))
|
||
|
||
# Construit le dictionnaire résultant
|
||
return collections.Counter(dict(
|
||
(record['timestamp'][:8], record['views'])
|
||
for record in data['items']
|
||
))
|
||
|
||
|
||
def wikimedia_article_canonical_name(site, article):
|
||
"""
|
||
Obtient le nom canonique d’un article après avoir suivi les redirections.
|
||
|
||
:param site: Objet empaquetant l’API du site Wikipédia ciblé.
|
||
:param article: Article ciblé dans le site.
|
||
:return: Nom canonique de l’article.
|
||
"""
|
||
original_page = site.pages[article]
|
||
|
||
if not original_page.exists:
|
||
raise Exception(
|
||
'Article « {} » inexistant sur {}'
|
||
.format(article, site.host)
|
||
)
|
||
|
||
return original_page.resolve_redirect().name
|
||
|
||
|
||
def wikimedia_article_views(site, article):
|
||
"""
|
||
Obtient le nombre de visites sur un article Wikipédia, incluant la page
|
||
canonique et toutes les pages redirigées vers celle-ci, par jour.
|
||
|
||
:param site: Objet empaquetant l’API du site Wikipédia ciblé.
|
||
:param article: Article ciblé dans le site.
|
||
:return: Liste de couples contenant d’une part un jour et d’autre part
|
||
le nombre de visites associées à ce jour.
|
||
"""
|
||
# Récupération de l’ensemble des pages qui redirigent vers la page donnée
|
||
response = site.api('query', prop='redirects', titles=article)
|
||
page_response = list(response['query']['pages'].values())[0]
|
||
|
||
if 'missing' in page_response:
|
||
raise Exception(
|
||
'Article « {} » inexistant sur {}'
|
||
.format(article, site.host)
|
||
)
|
||
|
||
# Si la réponse n’inclut pas la clé « redirects », c’est qu’il n’existe
|
||
# aucune redirection vers la page
|
||
redirects = [
|
||
item['title'] for item in
|
||
page_response['redirects']
|
||
] if 'redirects' in page_response else []
|
||
|
||
# Somme le nombre de visites sur chacune des pages
|
||
return sum(
|
||
(wikimedia_page_views(site, page)
|
||
for page in redirects + [article]),
|
||
start=collections.Counter()
|
||
)
|
||
|
||
|
||
def wikimedia_mean_article_views(site, article):
|
||
"""
|
||
Obtient des statistiques moyennes sur les vues d’un article Wikipédia par
|
||
jour de l’année (omettant le 29 février pour les années bissextiles).
|
||
|
||
:param site: Objet empaquetant l’API du site Wikipédia ciblé.
|
||
:param article: Article ciblé dans le site.
|
||
:return: Tableau de taille 365 contenant le nombre de visites moyennes pour
|
||
chaque jour de l’année.
|
||
"""
|
||
data = wikimedia_article_views(site, article)
|
||
|
||
# Fait la moyenne pour chaque jour hormis le 29 février
|
||
accumulator = {}
|
||
datemonth_format = '%m%d'
|
||
|
||
for day in range(1, 366):
|
||
datemonth = datetime.fromordinal(day).strftime(datemonth_format)
|
||
accumulator[datemonth] = []
|
||
|
||
for date_str, views in data.items():
|
||
date = datetime.strptime(date_str, wikimedia_date_format)
|
||
|
||
if not (date.month == 2 and date.day == 29):
|
||
datemonth = date.strftime(datemonth_format)
|
||
accumulator[datemonth].append(views)
|
||
|
||
for datemonth, value in accumulator.items():
|
||
accumulator[datemonth] = sum(value) / len(value) if value else 0
|
||
|
||
# Rassemble les valeurs moyennes pour chaque jour dans l'ordre de l'année
|
||
return [item[1] for item in sorted(
|
||
list(accumulator.items()),
|
||
key=lambda x: x[0]
|
||
)]
|
||
|
||
|
||
def create_year_plot():
|
||
"""
|
||
Initialise un graphe avec en abscisse les 365 jours d’une année non
|
||
bissextile.
|
||
|
||
:return: Figure et axes Matplotlib.
|
||
"""
|
||
fig = pyplot.figure(figsize=(4.7, 3.3))
|
||
ax = fig.add_subplot(111)
|
||
|
||
ax.set_xlabel('Jours de l’année')
|
||
ax.set_xticks([
|
||
datetime(1, month, 1).toordinal()
|
||
for month in range(1, 13)
|
||
])
|
||
|
||
ax.set_xticklabels(calendar.month_abbr[1:13])
|
||
return fig, ax
|
||
|
||
|
||
if __name__ == '__main__':
|
||
logging.basicConfig(level=logging.INFO)
|
||
|
||
if len(sys.argv) < 4:
|
||
print("""Utilisation : {} [project] [output] [article]...
|
||
Obtient les statistiques moyenne de vue de pages wiki.
|
||
|
||
Paramètres :
|
||
|
||
project Projet Wikipédia ciblé (par exemple fr.wikipedia.org).
|
||
output Nom du fichier de sortie où sera sauvé le graphe, ou '-' pour
|
||
afficher le résultat à l’écran.
|
||
article Nom(s) d’article(s) Wikipédia ciblé(s).
|
||
|
||
Au moins un article doit être donné. Le nombre de visites est lissé avec un
|
||
noyau gaussien d’écart-type 10 jours. Les redirections d’article sont suivies
|
||
et toute visite sur une page de redirection pointant vers l’article est
|
||
dénombrée comme une visite sur la page canonique.
|
||
""".format(sys.argv[0]), end='', file=sys.stderr)
|
||
sys.exit(1)
|
||
|
||
project = sys.argv[1]
|
||
output = sys.argv[2]
|
||
articles = sys.argv[3:]
|
||
|
||
site = mwclient.Site(project)
|
||
output_to_file = output != '-'
|
||
|
||
if output_to_file:
|
||
matplotlib.use('pgf')
|
||
matplotlib.rcParams.update({
|
||
'pgf.texsystem': 'xelatex',
|
||
'font.family': 'serif',
|
||
'text.usetex': True,
|
||
'pgf.rcfonts': False,
|
||
})
|
||
|
||
fig, ax = create_year_plot()
|
||
|
||
for article in articles:
|
||
canonical_article = wikimedia_article_canonical_name(site, article)
|
||
|
||
if article != canonical_article:
|
||
logger.info(
|
||
'Suivi de la redirection de « {} » en « {} »'
|
||
.format(article, canonical_article)
|
||
)
|
||
|
||
data = wikimedia_mean_article_views(site, canonical_article)
|
||
ax.plot(year_smooth_gaussian(data, 10), label=canonical_article)
|
||
|
||
ax.set_ylabel('Vues par jour')
|
||
|
||
fig.legend(framealpha=1)
|
||
fig.autofmt_xdate()
|
||
fig.tight_layout()
|
||
|
||
if output_to_file:
|
||
pyplot.savefig(output)
|
||
else:
|
||
pyplot.show()
|