- 去release中解压MCM-ICM-Crawler文件,其中已经帮你配置好tesseract目录中的tesseract.exe文件和和tessdata语言包,你只需要更改config.yaml文件中的比赛年份、爬取序号范围、线程数、代理IP。
- 进入终端输入指令 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt安装依赖。
- 输入指令python run.py即可运行程序。
需要python版本>=3.8
- git clone https://github.com/leost123456/MCM-ICM-Crawler.git 到本地仓库,或者直接下载源码。
- 下载tesseract和其语言包,windows用户可去链接进行下载,并完成安装。
- 完成安装后,在config.yaml文件中填写tesseract目录中的tesseract.exe文件的路径、tessdata语言包的路径、比赛年份、爬取序号范围、线程数、代理IP。
- 在终端中输入指令 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt安装依赖。
- 最后输入指令python run.py 程序即可运行。
- 所有成绩奖状图片(将存放在result目录下的Award picture目录中)
- 文件数据(包括队伍号、队员名称、指导老师名称、学校、奖项,存放在result目录下的data.csv文件中)
- 可视化图片(8张分析图片)
最终一共获得了28480条数据,可视化如下所示:
1.美赛各奖项计数情况
2.美赛各参加学校计数前十五名
3.获得Successful Participant奖项最多前十五名学校名称
4.获得Honorable Mention奖项最多前十五名学校名称
5**.获得Meritorious Winner奖项最多前十五名学校名称**
6.获得Finalist奖项最多前十五名学校名称
7.获得Outstanding Winner奖项最多前十五名学校名称
本项目仅供学习参考,如用于其他违法行为,后果自负,本人概不负责。