在用Android获取天气预报数据时，大家一定会首先想到Google的天气预报API，其实除了Google的天气预报API，免费的天气预报接口还有http://www.webservicex.net/globalweather.asmx?op=GetWeather、http://webservice.webxml.com.cn/WebServices/WeatherWS.asmx和中央气象台的天气预报，这三个是我最近试过的都可以访问，网上其实还介绍的有www.ayandy.com，不过我没试过 ^_^
现在就来谈一谈这几个服务，google的就不说了，www.webservicex.net的这个是一个国外的，获取中国国内的有点麻烦，且只有当天的天气，所以果断放弃...呵呵
而webservice.webxml.com.cn的这个确实不错，访问的数据是来自中国气象局http://www.cma.gov.cn/ 数据的准确就不用说了，但他分为付费和免费的，免费的服务有点不稳定，我就曾遇到一回，所以也不是很好，最后就只剩下中央气象台的天气预报的API了,这个我不想说太多，虽然获取时你首先要知道对应的城市码，有点麻烦，其它的如稳定性与广阔性也是很一流的，它可以精确到县和区.下面就直奔主题：
这个服务的天气预报的请求地址是：http://m.weather.com.cn/data/101070201.html，这个文本就是城市天气URL，101070201代表的为对应地区的编码，执行URL，得到一个返回文本，是JSON格式的，如下（经过格式化）：
{
"weatherinfo":{
"city":"成都",
"city_en":"chengdu",
"date_y":"2011年11月30日",
"date":"辛卯年",
"week":"星期三",
"fchh":"11", //预报发布时间
"cityid":"101270101",
"temp1":"13℃~10℃",
"temp2":"14℃~6℃",
"temp3":"13℃~5℃",
"temp4":"14℃~8℃",
"temp5":"10℃~8℃",
"temp6":"11℃~6℃",
"tempF1":"55.4℉~50℉",
"tempF2":"57.2℉~42.8℉",
"tempF3":"55.4℉~41℉",
"tempF4":"57.2℉~46.4℉",
"tempF5":"50℉~46.4℉",
"tempF6":"51.8℉~42.8℉",
"weather1":"阴转多云",
"weather2":"多云转晴",
"weather3":"多云转阴",
"weather4":"阵雨",
"weather5":"阵雨转小雨",
"weather6":"小雨转阴",
"img1":"2",
"img2":"1",
"img3":"1",
"img4":"0",
"img5":"1",
"img6":"2",
"img7":"3",
"img8":"99",
"img9":"3",
"img10":"7",
"img11":"7",
"img12":"2",
"img_single":"2",
"img_title1":"阴",
"img_title2":"多云",
"img_title3":"多云",
"img_title4":"晴",
"img_title5":"多云",
"img_title6":"阴",
"img_title7":"阵雨",
"img_title8":"阵雨",
"img_title9":"阵雨",
"img_title10":"小雨",
"img_title11":"小雨",
"img_title12":"阴",
"img_title_single":"阴",
"wind1":"北风小于3级",
"wind2":"北风小于3级",
"wind3":"北风小于3级",
"wind4":"南风转北风小于3级",
"wind5":"北风小于3级",
"wind6":"北风小于3级",
"fx1":"北风",
"fx2":"北风",
"fl1":"小于3级",
"fl2":"小于3级",
"fl3":"小于3级",
"fl4":"小于3级",
"fl5":"小于3级",
"fl6":"小于3级",
"index":"舒适",
"index_d":"建议着薄型套装或牛仔衫裤等春秋过渡装。年老体弱者宜着套装、夹克衫等。",
"index48":"舒适",
"index48_d":"建议着薄型套装或牛仔衫裤等春秋过渡装。年老体弱者宜着套装、夹克衫等。",
"index_uv":"最弱",
"index48_uv":"弱",
"index_xc":"适宜",
"index_tr":"很适宜",
"index_co":"较舒适",
"st1":"14",
"st2":"10",
"st3":"14",
"st4":"6",
"st5":"13",
"st6":"4",
"index_cl":"较适宜",
"index_ls":"不太适宜",
"index_ag":"较易发"
}
}上面显示的信息一目了然，就不用我多说了（在得到天气数据的解析android2.2可用JSONObject对象参考:http://henzil.easymorse.com/?p=242），关键是获得对应地区的城市码了。
访问http://m.weather.com.cn/data5/city.xml得到一级列表（省、直辖市、自治区），结果用逗号隔开，id和城市名称使用竖线“|”隔开；结果示例如下：
01|北京,02|上海,03|天津,04|重庆,05|黑龙江,06|吉林,07|辽宁,08|内蒙古,09|河北,10|山西,11|陕西,.....然后通过这一次访问得到的一级码得到二级码,如查找河北的：http://m.weather.com.cn/data5/city09.xml在city后加上一级码得到：
0901|石家庄,0902|保定,0903|张家口,0904|承德,0905|唐山,0906|廊坊,0907|沧州,0908|衡水,0909|邢台,0910|邯郸,0911|秦皇岛090501|唐山,090502|丰南,090503|丰润,090504|滦县,090505|滦南,090506|乐亭,090507|迁西,090508|玉田,090509|唐海,090510|遵化,090511|迁安090507|101090507则可知河北.唐山.迁西的城市编码为:101090507,得到它的天气则通过访问http://m.weather.com.cn/data/101090507.html得到。
好了，相信通过上面的叙述，大家应该知道怎么得到一个城市的天气了;但接下来问题又来了，那我们怎样通过Android访问来得到全国任意一个地区的天气呢？难道每一次访问网络三次得到城市码，再用它访问m.weather.com.cn这个网址得到天气码？天啊？这怎么行！要知道我们手中的移动设备可不像电脑那样"富有",流量是要扣钱的！！
相信计算机算法好的同鞋已经想到了，就是通过程序将有的城市对应的天气码一次访问到本地用android上的数据库保存起来，这样在每一次需要时，只需查询一下数据库就可以了，那关键就是怎样遍历得到所有的城市码，现给出本人的遍历代码（来自于本人天气预报系统）：
//一个自定义的网络访问工具类
WebAccessTools webTools = new WebAccessTools(this); //这里的this为context对象
//得到访问网络的内容
String webContent=webTools.getWebContent("http://m.weather.com.cn/data5/city.xml");
//第一次解析得到的为省份或一级直辖市
String[][] provinces = WeaterInfoParser.parseCity(webContent); //WeatherInfoParser为自定义的一个解析字符串类
String[] groups = new String[provinces.length];
String[][] childs = new String[provinces.length][];
String[][] cityCode = new String[provinces.length][];
for(int i=0; i< provinces.length; i++) {
groups[i] = provinces[i][1];
//由省份码来得到城市码
StringBuffer urlBuilder= new StringBuffer("http://m.weather.com.cn/data5/city");
urlBuilder.append(provinces[i][0]);
urlBuilder.append(".xml");
webContent = webTools.getWebContent(urlBuilder.toString());
String[][] citys = WeaterInfoParser.parseCity(webContent);
//用于保存所的有二级市对应的towns县区
String[][][] towns = new String[citys.length][][];
//计算总的城镇数
int sum=0;
for(int j=0; j<citys.length; j++) {
//由城市码来得到地方码
urlBuilder= new StringBuffer("http://m.weather.com.cn/data5/city");
urlBuilder.append(citys[j][0]);
urlBuilder.append(".xml");
webContent = webTools.getWebContent(urlBuilder.toString());
towns[j] = WeaterInfoParser.parseCity(webContent);
sum = sum + towns[j].length;
}
childs[i] = new String[sum];
cityCode[i] = new String[sum];
sum=0;
for(int j=0; j<citys.length; j++) {
for(int n=0; n<towns[j].length; n++) {
if(n==0)
childs[i][sum] = towns[j][n][1];
else
childs[i][sum] = towns[j][0][1] + "." + towns[j][n][1];
urlBuilder= new StringBuffer("http://m.weather.com.cn/data5/city");
urlBuilder.append(towns[j][n][0]);
urlBuilder.append(".xml");
webContent = webTools.getWebContent(urlBuilder.toString());
String[][] code=WeaterInfoParser.parseCity(webContent);
cityCode[i][sum] = code[0][1];
sum = sum + 1;
}
}
urlBuilder=null;
}
//=======这里得到的groups数组记录的是得到的34个一级地区字符串 =====================
//=======childs记录的是与groups数组对应的一级地区对应的市级别或县区的字符串名，如：上海.闵行的形式（上海市没有.为上海）===
//=======cityCode和childs形式相同，只不过记录的为地区的城市码=====================
//=======下面就是将得到的城市码保存到数据库中,这里建了二张表,省份表和城市表,城市表通过province_id与省份表关联===========
//============================Create Database================================
//打开或创建一个数据库，数据库路径为:/data/data/包名/数据库文件
String path="/data"+ Environment.getDataDirectory().getAbsolutePath() + "/com.weather.app/db_weather.db";
SQLiteDatabase database = SQLiteDatabase.openOrCreateDatabase
(path, null);
//创建一个省份表
String sql="create table provinces (_id integer primary key autoincrement, name text)";
database.execSQL(sql);
//创建城市表
sql = "create table citys (_id integer primary key autoincrement, province_id integer, name text, city_num text)";
database.execSQL(sql);
//插入省份数据
ContentValues cv = null;
for(int i=0; i<provinces.length; i++) {
cv = new ContentValues();
cv.put("name", provinces[i][1]);
database.insert("provinces", null, cv);
}
//插入城市数据
for(int i=0; i<childs.length; i++) {
for(int j=0; j<childs[i].length; j++) {
cv = new ContentValues();
cv.put("province_id", i);
cv.put("name", childs[i][j]);
cv.put("city_num", cityCode[i][j]);
database.insert("citys", null, cv);
}
}
cv = null;
database.close();下面给出WebAccessTools工具类:
public class WebAccessTools {
/**
* 当前的Context上下文对象
*/
private Context context;
/**
* 构造一个网站访问工具类
* @param context 记录当前Activity中的Context上下文对象
*/
public WebAccessTools(Context context) {
this.context = context;
}
/**
* 根据给定的url地址访问网络，得到响应内容(这里为GET方式访问)
* @param url 指定的url地址
* @return web服务器响应的内容，为<code>String</code>类型，当访问失败时，返回为null
*/
public String getWebContent(String url) {
//创建一个http请求对象
HttpGet request = new HttpGet(url);
//创建HttpParams以用来设置HTTP参数
HttpParams params=new BasicHttpParams();
//设置连接超时或响应超时
HttpConnectionParams.setConnectionTimeout(params, 3000);
HttpConnectionParams.setSoTimeout(params, 5000);
//创建一个网络访问处理对象
HttpClient httpClient = new DefaultHttpClient(params);
try{
//执行请求参数项
HttpResponse response = httpClient.execute(request);
//判断是否请求成功
if(response.getStatusLine().getStatusCode() == HttpStatus.SC_OK) {
//获得响应信息
String content = EntityUtils.toString(response.getEntity());
return content;
} else {
//网连接失败，使用Toast显示提示信息
Toast.makeText(context, "网络访问失败，请检查您机器的联网设备!", Toast.LENGTH_LONG).show();
}
}catch(Exception e) {
e.printStackTrace();
} finally {
//释放网络连接资源
httpClient.getConnectionManager().shutdown();
}
return null;
}
}就一个方法.
下面的解析工具类也只一个方法:
public class WeaterInfoParser {
/**
* 通过解析content，得到一个一维为城市编号，二维为城市名的二维数组
* 解析的字符串的形式为: <code>编号|城市名,编号|城市名,.....</code>
* @param content 需要解析的字符串
* @return 封装有城市编码与名称的二维数组
*/
public static String[][] parseCity(String content) {
//判断content不为空
if(content!=null&&content.trim().length()!=0) {
StringTokenizer st=new StringTokenizer(content, ",");
int count = st.countTokens();
String[][] citys = new String[count][2];
int i=0, index=0;
while(st.hasMoreTokens()) {
String city = st.nextToken();
index = city.indexOf('|');
citys[i][0] = city.substring(0, index);
citys[i][1] = city.substring(index+1);
i = i+1;
}
return citys;
}
return null;
}
}如上，这样就得到了国内所有地区的城市码数据库文件了,上面的方法在模拟器中运行时很慢，数分钟才能出来结果,要有耐心^_^！！
其通过上面的代码我们得到最重要的是db_weather.db这个文件,在Android中我们只要得到了它就可在程序第一次运行时直接导入到/data/data/包名/databases目录中就行了，已后直接调用,
关于数据库的导入，实质上就是文件的复制，我们只需在将数据库文件放在程序包中的res/raw目录中在运行时复制到databases目录是就行了，下面同样给出导入代码:
//将res/raw中的城市数据库导入到安装的程序中的database目录下
public void importInitDatabase() {
//数据库的目录
String dirPath="/data/data/com.weather.app/databases";
File dir = new File(dirPath);
if(!dir.exists()) {
dir.mkdir();
}
//数据库文件
File dbfile = new File(dir, "db_weather.db");
try {
if(!dbfile.exists()) {
dbfile.createNewFile();
}
//加载欲导入的数据库
InputStream is = this.getApplicationContext().getResources().openRawResource(R.raw.db_weather);
FileOutputStream fos = new FileOutputStream(dbfile);
byte[] buffere=new byte[is.available()];
is.read(buffere);
fos.write(buffere);
is.close();
fos.close();
}catch(FileNotFoundException e){
e.printStackTrace();
}catch(IOException e) {
e.printStackTrace();
}
}我得到的城市码数据库文件可到http://download.csdn.net/detail/xianqiang1/3896880下载
上面的是我从天气预报系统中截取的部分代码，如有错误，欢迎留言指出!!
参照文章:使用JACKSON解析JSON（HttpClient 3处理请求）http://sarin.iteye.com/blog/821534
声明：感谢summerxzg和kpiao，指出了数据库文件的错误：我使用sqlitebrowser工具查看了一下我生成的db文件，显示出的的城市码数为2566个而summerxzg指出的为2583条，我的为不全。kpiao指出的citys表中的province_id与provinces表中的id不对应是由于代码中的是citys表创建时province_id是由0开始，而provinces表中的自动增长是从1开始故存在不匹配问题。为了准确起见，大家还是自己遍历一个数据库，小子我由于近期较忙暂时不会对上面内容作更改{^_^}，再次感谢你们！
扫一扫
3219
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
