Python网络爬虫入门实战（爬取最近7天的天气以及最高/最低气温）

您所在的位置：网站首页 › 上海近几天的天气和温度怎样 › Python网络爬虫入门实战（爬取最近7天的天气以及最高/最低气温）

Python网络爬虫入门实战（爬取最近7天的天气以及最高/最低气温）

2024-07-17 10:16:43| 来源: 网络整理| 查看: 265

python版本: 3.5 IDE : pycharm 5.0.4 要用到的包可以用pycharm下载： File->Default Settings->Default Project->Project Interpreter 选择python版本并点右边的加号安装想要的包这里写图片描述

我选择的网站是中国天气网中的苏州天气，准备抓取最近7天的天气以及最高/最低气温 http://www.weather.com.cn/weather/101190401.shtml PS：如有需要最新Python入门到实战学习资料的朋友可以点击下方链接自行获取 http://note.youdao.com/noteshare?id=a3a533247e4c084a72c9ae88c271e3d1 这里写图片描述

程序开头我们添加：

# coding : UTF-8 1 2

这样就能告诉解释器该py程序是utf-8编码的，源程序中可以有中文。

要引用的包：

import requests import csv import random import time import socket import http.client # import urllib.request from bs4 import BeautifulSoup 1 2 3 4 5 6 7 8

requests：用来抓取网页的html源代码 csv：将数据写入到csv文件中 random：取随机数 time：时间相关操作 socket和http.client 在这里只用于异常处理 BeautifulSoup：用来代替正则式取源码中相应标签中的内容 urllib.request：另一种抓取网页的html源代码的方法，但是没requests方便（我一开始用的是这一种）

获取网页中的html代码：

def get_content(url , data = None): header={ 'Accept': 'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8', 'Accept-Encoding': 'gzip, deflate, sdch', 'Accept-Language': 'zh-CN,zh;q=0.8', 'Connection': 'keep-alive', 'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/43.0.235' } timeout = random.choice(range(80, 180)) while True: try: rep = requests.get(url,headers = header,timeout = timeout) rep.encoding = 'utf-8' # req = urllib.request.Request(url, data, header) # response = urllib.request.urlopen(req, timeout=timeout) # html1 = response.read().decode('UTF-8', errors='ignore') # response.close() break # except urllib.request.HTTPError as e: # print( '1:', e) # time.sleep(random.choice(range(5, 10))) # # except urllib.request.URLError as e: # print( '2:', e) # time.sleep(random.choice(range(5, 10))) except socket.timeout as e: print( '3:', e) time.sleep(random.choice(range(8,15))) except socket.error as e: print( '4:', e) time.sleep(random.choice(range(20, 60))) except http.client.BadStatusLine as e: print( '5:', e) time.sleep(random.choice(range(30, 80))) except http.client.IncompleteRead as e: print( '6:', e) time.sleep(random.choice(range(5, 15))) return rep.text # return html_text 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43

header是requests.get的一个参数，目的是模拟浏览器访问 header 可以使用chrome的开发者工具获得，具体方法如下：打开chrome，按F12，选择network 这里写图片描述重新访问该网站,找到第一个网络请求，查看它的header

timeout是设定的一个超时时间，取随机数是因为防止被网站认定为网络爬虫。然后通过requests.get方法获取网页的源代码、 rep.encoding = ‘utf-8’是将源代码的编码格式改为utf-8（不该源代码中中文部分会为乱码）下面是一些异常处理返回 rep.text

获取html中我们所需要的字段：这里我们主要要用到BeautifulSoup BeautifulSoup 文档http://www.crummy.com/software/BeautifulSoup/bs4/doc/

首先还是用开发者工具查看网页源码，并找到所需字段的相应位置这里写图片描述找到我们需要字段都在 id = “7d”的“div”的ul中。日期在每个li中h1 中，天气状况在每个li的第一个p标签内，最高温度和最低温度在每个li的span和i标签中。感谢Joey_Ko指出的错误：到了傍晚，当天气温会没有最高温度，所以要多加一个判断。代码如下：

def get_data(html_text): final = [] bs = BeautifulSoup(html_text, "html.parser") # 创建BeautifulSoup对象 body = bs.body # 获取body部分 data = body.find('div', {'id': '7d'}) # 找到id为7d的div ul = data.find('ul') # 获取ul部分 li = ul.find_all('li') # 获取所有的li for day in li: # 对每个li标签中的内容进行遍历 temp = [] date = day.find('h1').string # 找到日期 temp.append(date) # 添加到temp中 inf = day.find_all('p') # 找到li中的所有p标签 temp.append(inf[0].string,) # 第一个p标签中的内容（天气状况）加到temp中 if inf[1].find('span') is None: temperature_highest = None # 天气预报可能没有当天的最高气温（到了傍晚，就是这样），需要加个判断语句,来输出最低气温 else: temperature_highest = inf[1].find('span').string # 找到最高温 temperature_highest = temperature_highest.replace('℃', '') # 到了晚上网站会变，最高温度后面也有个℃ temperature_lowest = inf[1].find('i').string # 找到最低温 temperature_lowest = temperature_lowest.replace('℃', '') # 最低温度后面有个℃，去掉这个符号 temp.append(temperature_highest) # 将最高温添加到temp中 temp.append(temperature_lowest) #将最低温添加到temp中 final.append(temp) #将temp加到final中 return final 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26

写入文件csv：将数据抓取出来后我们要将他们写入文件，具体代码如下：

def write_data(data, name): file_name = name with open(file_name, 'a', errors='ignore', newline='') as f: f_csv = csv.writer(f) f_csv.writerows(data) 1 2 3 4 5

主函数：

if __name__ == '__main__': url ='http://www.weather.com.cn/weather/101190401.shtml' html = get_content(url) result = get_data(html) write_data(result, 'weather.csv') 1 2 3 4 5 6

然后运行一下：生成的weather.csv文件如下：这里写图片描述

总结一下，从网页上抓取内容大致分3步： 1、模拟浏览器访问，获取html源代码 2、通过正则匹配，获取指定标签中的内容 3、将获取到的内容写到文件中

刚学python爬虫，可能有些理解有错误的地方，请大家批评指正，谢谢！

【本文地址】

公司简介

联系我们

今日新闻

点击排行

实验室常用的仪器、试剂和: 说到实验室常用到的东西，主要就分为仪器、试剂和耗

不用再找了，全球10大实验: 01、赛默飞世尔科技（热电）Thermo Fisher Scientif

三代水柜的量产巅峰T-72坦: 作者：寞寒最近，西边闹腾挺大，本来小寞以为忙完这

通风柜跟实验室通风系统有: 说到通风柜跟实验室通风，不少人都纠结二者到底是不

集消毒杀菌、烘干收纳为一: 厨房是家里细菌较多的地方，潮湿的环境、没有完全密

实验室设备之全钢实验台如: 全钢实验台是实验室家具中较为重要的家具之一，很多

图片新闻

实验室药品柜的特性有哪些: 实验室药品柜是实验室家具的重要组成部分之一，主要

小学科学实验中有哪些教学: 计算机计算器一般打孔器打气筒仪器车显微镜

实验室各种仪器原理动图讲: 1.紫外分光光谱UV分析原理：吸收紫外光能量，引起分

高中化学常见仪器及实验装: 1、可加热仪器：2、计量仪器：（1）仪器A的名称：量

微生物操作主要设备和器具: 今天盘点一下微生物操作主要设备和器具，别嫌我啰嗦

浅谈通风柜使用基本常识: 　众所周知，通风柜功能中最主要的就是排气功能。在

Python网络爬虫入门实战（爬取最近7天的天气以及最高/最低气温）

Python网络爬虫入门实战（爬取最近7天的天气以及最高/最低气温）

今日新闻

点击排行

推荐新闻

图片新闻

专题文章