该篇将进行城市天气信息爬取实战，主要涉及到网页url解析、正则表达匹配等技术，可用作网页爬虫练手项目。
1 Python网页爬虫简介
Python是一种广受欢迎的编程语言，广泛应用于各类应用开发，网页爬虫开发也是其中之一。网页爬虫是一种自动化工具，它在互联网上进行数据搜集。Python拥有丰富的库和框架，使得构建网页爬虫变得相对简单。
网页爬虫的工作方式类似于人类浏览网页，它向网站发出请求，获取网页的HTML源码，然后分析这些代码以提取所需信息。Python的requests库和BeautifulSoup库是实现这一过程的关键组件。
一个典型的Python网页爬虫系统包括以下几个核心组件：
-
调度器（Scheduler）：负责调度URL管理器、下载器、解析器之间的协调工作。
-
URL管理器（URL Manager）：包括待爬取的URL地址和已爬取的URL地址，防止重复抓取URL和循环抓取URL。
-
网页下载器（Web Downloader）：负责从互联网上下载网页的HTML代码。
-
网页解析器（Web Parser）：负责解析网页的HTML代码，提取出所需的数据。
-
应用程序（Application）：从网页中提取的有用数据组成的一个应用。
在开发Python爬虫时，开发者需要尊重网站的robots.txt文件，以确保不违反任何规定或造成网站负担。同时，也需要妥善处理网络异常和错误，保证爬虫的稳定性和可靠性。
综上所述，Python凭借其强大的库和工具，成为开发高效、稳定网页爬虫的理想选择，使开发者能够轻松地从互联网中抓取所需数据。
2 爬虫实战
2.1 导入相关包
import requests
import pandas as pd
import re2.2 爬取时间范围及城市设置
months = [1,2,3,4,5,6,7,8,9,10,11,12]
years = [2016,2017,2018,2019,2020,2021,2022,2023]
citys = [59287]此处城市代码选取‘59287’，实际操作可另选区域或多区域。
2.3 爬取信息设置
index_ = ['MaxTemp','MinTemp', 'WindDir', 'Wind', 'Weather','Aqi','AqiInfo','AqiLevel']
# 选取的气象要素2.4 天气信息抓取
data = pd.DataFrame(columns=index_) # 建立一个空dataframe
for c in citys:for y in years:for m in months:# 找到json格式数据的urlif (y<2017) or (y==2017)&(m<=11):url = "http://tianqi.2345.com/t/wea_history/js/"+str(c)+"_"+str(y)+str(m)+".js" # ?qq-pf-to=pcqq.c2celse:url = "http://tianqi.2345.com/t/wea_history/js/"+str(y)+str(m).zfill(2)+"/"+str(c)+"_"+str(y)+str(m).zfill(2)+".js"print(url)response = requests.get(url=url)if response.status_code == 200: # 防止url请求无响应response2 = response.text.replace("'", '"') # 这一步可以忽略# 利用正则表达式获取各个气象要素（方法不唯一）date = re.findall("[0-9]{4}-[0-9]{2}-[0-9]{2}", response2)[:-2]mintemp = re.findall('yWendu:"(.*?)℃', response2)maxtemp = re.findall('bWendu:"(.*?)℃', response2)winddir = re.findall('fengxiang:"([\u4E00-\u9FA5]+)',response2)wind = re.findall('fengli:"([\u4E00-\u9FA5]+)',response2)weather = re.findall('tianqi:"([[\u4E00-\u9FA5]+)~?', response2)aqi = re.findall('aqi:"(\d*)',response2)aqiInfo = re.findall('aqiInfo:"([\u4E00-\u9FA5]+)',response2)aqiLevel = re.findall('aqiLevel:"(\d*)',response2)data_spider = pd.DataFrame([maxtemp,mintemp, winddir, wind, weather,aqi,aqiInfo,aqiLevel]).Tdata_spider.columns = index_ # 修改列名data_spider.index = date # 修改索引data = pd.concat((data,data_spider), axis=0) # 数据拼接print('%s年%s月的数据抓取成功' % (y, m))else:print('%s年%s月的数据不存在' % (y, m))break2.4 结果存储
data.to_excel('D:\\天气数据可视化\\天气数据可视化.xlsx')
print('爬取数据展示：\n', data)2.5 效果展示
3 完整代码
import requests
import pandas as pd
import remonths = [1,2,3,4,5,6,7,8,9,10,11,12]
years = [2016,2017,2018,2019,2020,2021,2022,2023]
citys = [59287] index_ = ['MaxTemp','MinTemp', 'WindDir', 'Wind', 'Weather','Aqi','AqiInfo','AqiLevel'] # 选取的气象要素
data = pd.DataFrame(columns=index_) # 建立一个空dataframe
for c in citys:for y in years:for m in months:# 找到json格式数据的urlif (y<2017) or (y==2017)&(m<=11):url = "http://tianqi.2345.com/t/wea_history/js/"+str(c)+"_"+str(y)+str(m)+".js" # ?qq-pf-to=pcqq.c2celse:url = "http://tianqi.2345.com/t/wea_history/js/"+str(y)+str(m).zfill(2)+"/"+str(c)+"_"+str(y)+str(m).zfill(2)+".js"print(url)response = requests.get(url=url)if response.status_code == 200: # 防止url请求无响应response2 = response.text.replace("'", '"') # 这一步可以忽略# 利用正则表达式获取各个气象要素（方法不唯一）date = re.findall("[0-9]{4}-[0-9]{2}-[0-9]{2}", response2)[:-2]mintemp = re.findall('yWendu:"(.*?)℃', response2)maxtemp = re.findall('bWendu:"(.*?)℃', response2)winddir = re.findall('fengxiang:"([\u4E00-\u9FA5]+)',response2)wind = re.findall('fengli:"([\u4E00-\u9FA5]+)',response2)weather = re.findall('tianqi:"([[\u4E00-\u9FA5]+)~?', response2)aqi = re.findall('aqi:"(\d*)',response2)aqiInfo = re.findall('aqiInfo:"([\u4E00-\u9FA5]+)',response2)aqiLevel = re.findall('aqiLevel:"(\d*)',response2)data_spider = pd.DataFrame([maxtemp,mintemp, winddir, wind, weather,aqi,aqiInfo,aqiLevel]).Tdata_spider.columns = index_ # 修改列名data_spider.index = date # 修改索引data = pd.concat((data,data_spider), axis=0) # 数据拼接print('%s年%s月的数据抓取成功' % (y, m))else:print('%s年%s月的数据不存在' % (y, m))break
data.to_excel('D:\\天气数据可视化\\天气数据可视化.xlsx')
print('爬取数据展示：\n', data)Python学习资料（项目源码、安装包、激活码、电子书、视频教程）已经打包好啦！
需要的小伙伴【点击领取】哦！或者下方扫码拿走！
