
9号11.04,分析结果已出,总共20858张证书,最终识别20818条信息,相比2022年参赛人数减少了很多
代码地址:GitHub - personqianduixue/comap_crawler_2023: 美赛爬虫,2023美赛获奖证书爬虫
结果数据下载:
https://raw.githubusercontent.com/personqianduixue/comap_crawler_2023/master/all/all_2023.txt
cdn加速镜像:https://ghproxy.net/https://raw.githubusercontent.com/personqianduixue/comap_crawler_2023/master/all/all_2023.txt
参赛学校排名:
获奖分布情况:
Award奖项获得者:
9号01:24,已经出了一些,但还有很多没出,明天起来再爬
官方Twitter发消息了,8号出
无所谓,我会出手。去年是5月6号左右出的,今年应该是这几天出成绩。去年出成绩第一时间我就爬了所有人的证书和成绩,可以看看你同学是什么成绩,以及你学校所有人的成绩和水平。
2023美赛出成绩后会第一时间爬取,尽请期待,爬取和分析结果会发布在github,目前代码已经开源,基于2022版爬虫代码全新改版,
以下是2022年爬取结果,下载上面的代码,将config.py中的年份该成22即可
美国大学生数学建模竞赛证书爬取及信息OCR识别分析,download.py是多进程下载证书,大概用时1小时,pdf2text.py是多进程pdf OCR信息提取,大概用时1.5小时,爬取之后使用txt_joint.py合并文件,然后使用analysis.ipynb分析成绩数据
证书数量一共27205,最终识别得到的信息条数:27161。部分信息会识别错误,例如 i 识别成了 1。
爬取过程:
下载结果:
OCR识别过程:
OCR识别结果:
数据分析:
参赛学校人数排名:
成绩分布情况:
