查天气（python实用教程一，会认字的都学的会）

PART1

给大家看一个程序：

你输入一个城市的名称，就会告诉你这个城市现在的天气情况。接下来的几节课，我就说一下怎么实现这样一个小程序。

之所以能知道一个城市的天气，是因为用了中国天气网（www.weather.com.cn）提供的天气查询接口。在浏览器里试着访问一下：

http://www.weather.com.cn/data/cityinfo/101010100.html

你就能看到北京现在的天气。这段看上去有点像python中字典类的文字是一种称作json格式的数据。

而我们的程序要做的事情，就是按照用户输入的城市名称，去天气网的接口请求对应的天气信息，再把结果展示给用户。

于是，在这个程序中，我们要用到两个新模块：

1. urllib2

用来发送网络请求，获取数据

2. json

用来解析获得的数据

听上去似乎还挺不算太复杂？但是注意刚才那个例子，我们请求北京天气时，用了“101010100”这样的数字。这是天气网设定的城市代码。然而令人蛋疼的是，天气网并没有直接给出所有城市代码的对应关系，而是给了3个接口：

1. http://m.weather.com.cn/data5/city.xml

获取所有省/直辖市的编号，如“01|北京,02|上海,03|天津”

2. http://m.weather.com.cn/data5/city省编号.xml

获取二级地区编号，如江苏是：city19.xml

3. http://m.weather.com.cn/data5/city二级编号.xml

获取三级编号，如南京是：city1901.xml

得到最终的三级编号之后，再加上中国101的前缀，就得到了城市代码，如南京市区就是“101190101”

所以，你可以选择，再写一个python程序，事先把这些复杂的编码全部抓取下来，整理成你要的格式；或者，偷懒一下，跳过这个过程，直接拿我抓好的编码。我放在了网盘里：

http://pan.baidu.com/share/link?shareid=1471212773&uk=204484850

PART2

先来看python中的urllib2，这是python中一个用来获取网络资源的模块。我们平常上网，在浏览器地址栏中输入一个网址，浏览器根据这个网址拿到一些内容，然后展现在页面上，这大约就是浏览网页的过程。类似的，urllib2会跟据你提供的网址，请求对应的内容。

打开一个链接和打开一个文件有点像：

import urllib2

web = urllib2.urlopen('http://www.baidu.com')

content = web.read()

print content

我们引入urllib2的模块，用其中的urlopen方法打开百度，然后用read方法把其中的内容读取到一个变量中并输出。运行后，你会看到控制台中输出了一堆看不懂的代码文字。这段代码中有html，有css，还有javascript。我们在浏览器中看到的网页大部分就是由这些代码所组成。如果你把content保存到一个以“.html”结尾的文件中（保存文件的方法前面已经说过很多），再打开这个html文件，就会看到“百度的首页”，只是这个首页在你的电脑上，所以你无法进行搜索。

回到我们的查天气程序，我们要向中国天气网发一个查询天气的请求。昨天说了，如何获取查询的url是个问题。先说简单的办法，用我提供的城市代码列表city.py。

city.py这个文件里有一个叫做city的字典，它里面的key是城市的名称，value是对应的城市代码。不用把它copy到自己的程序中，只要放在和你的代码同一路径下，用

from city import city

就可以引入city这个字典。这里相当于用了一个自定义的模块，前一个“city”是模块名，也就是py文件的名称，后一个“city”是模块中变量的名称。

构造我们需要的url：

cityname = raw_input('你想查哪个城市的天气？\n')

citycode = city.get(cityname)

if citycode:

   url = ('http://www.weather.com.cn/data/cityinfo/%s.html' % citycode)

   content = urllib2.urlopen(url).read()

为了防止你输入列表中没有的城市，所以用了if判断citycode是否存在。

运行一下看看能不能得到结果。如果提示编码的错误，试试在文件最开始加上：

# -*- coding: utf-8 -*-

可以看到，已经拿到了json格式的天气信息。

PART3

看一下我们已经拿到的json格式的天气数据：

{

   "weatherinfo": {

       "city": "南京",

       "cityid": "101190101",

       "temp1": "37℃",

       "temp2": "28℃",

       "weather": "多云",

       "img1": "d1.gif",

       "img2": "n1.gif",

       "ptime": "11:00"

   }

}

直接在命令行中看到的应该是没有换行和空格的一长串字符，这里我把格式整理了一下。可以看出，它像是一个字典的结构，但是有两层。最外层只有一个key--“weatherinfo”，它的value是另一个字典，里面包含了好几项天气信息，现在我们最关心的就是其中的temp1，temp2和weather。

虽然看上去像字典，但它对于程序来说，仍然是一个字符串，只不过是一个满足json格式的字符串。我们用python中json模块提供的loads方法，把它转成一个真正的字典。

import json

data = json.loads(content)

这时候的data已经是一个字典，尽管在控制台中输出它，看上去和content没什么区别，只是编码上有些不同：

{u'weatherinfo': {u'city': u'\u5357\u4eac', u'ptime': u'11:00', u'cityid': u'101190101', u'temp2': u'28\u2103', u'temp1': u'37\u2103', u'weather': u'\u591a\u4e91', u'img2': u'n1.gif', u'img1': u'd1.gif'}}

但如果你用type方法看一下它们的类型：

print type(content)

print type(data)

就知道区别在哪里了。

之后的事情就比较容易了。

result = data['weatherinfo']

str_temp = ('%s\n%s ~ %s') % (

   result['weather'],

   result['temp1'],

   result['temp2']

)

print str_temp

为了防止在请求过程中出错，我加上了一个异常处理。

try:

   ###

   ###

except:

   print '查询失败'

以及没有找到城市时的处理：

if citycode:

   ###

   ###

else:

   print '没有找到该城市'

LAST

这一课算是“查天气”程序的附加内容。没有这一课，你也查到天气了。但了解一下城市代码的抓取过程，会对网页抓取有更深的理解。

天气网的城市代码信息结构比较复杂，所有代码按层级放在了很多xml为后缀的文件中。而这些所谓的“xml”文件又不符合xml的格式规范，导致在浏览器中无法显示，给我们的抓取又多加了一点难度。

首先，抓取省份的列表：

url1 = 'http://m.weather.com.cn/data5/city.xml'

content1 = urllib2.urlopen(url1).read()

provinces = content1.split(',')

输出content1可以查看全部省份代码：

01|北京,02|上海,03|天津,...

对于每个省，抓取城市列表：

url = 'http://m.weather.com.cn/data3/city%s.xml'

for p in provinces:

   p_code = p.split('|')[0]

   url2 = url % p_code

   content2 = urllib2.urlopen(url2).read()

   cities = content2.split(',')

输出content2可以查看此省份下所有城市代码：

1901|南京,1902|无锡,1903|镇江,...

再对于每个城市，抓取地区列表：

for c in cities[:3]:

   c_code = c.split('|')[0]

   url3 = url % c_code

   content3 = urllib2.urlopen(url3).read()

   districts = content3.split(',')

content3是此城市下所有地区代码：

190101|南京,190102|溧水,190103|高淳,...

最后，对于每个地区，我们把它的名字记录下来，然后再发送一次请求，得到它的最终代码：

for d in districts:

   d_pair = d.split('|')

   d_code = d_pair[0]

   name = d_pair[1]

   url4 = url % d_code

   content4 = urllib2.urlopen(url4).read()

   code = content4.split('|')[1]

name和code就是我们最终要得到的城市代码信息。它们格式化到字符串中，最终保存在文件里：

line = "    '%s': '%s',\n" % (name, code)

result += line

同时你也可以输出它们，以便在抓取的过程中查看进度：

print  name + ':' + code