python3 爬虫—爬取天气预报多个城市七天信息（三）

一、内容：

       利用BeautifulSoup抓取中国天气网各个城市7天的 时间 天气状态 最高温 最低温 的相关信息，并记录保存在本地csv表格文件中。

以杭州为例：http://www.weather.com.cn/weather/101210101.shtml

爬取的页面截图：

html获取信息截图：

二、原理：

     1.利用requests获取请求 、BeautifulSoup抓取数据。

     2.通过readlines()读取city.txt文件的天气接口来生成各城市的url

     3.通过第三方库csv将抓取的到的数据写入weather.csv表格

获取URL：

#  获取每个城市对应天气的url
def get_url(city_name):
    url = 'http://www.weather.com.cn/weather/'
    with open('D:\py_project\weather\city.txt', 'r', encoding='UTF-8') as fs:
        lines = fs.readlines()
        for line in lines:
            if(city_name in line):
                code = line.split('=')[0].strip()
                return url + code + '.shtml'
    raise ValueError('invalid city name')

发送URL GET请求，获取response：

#  对网页获取get请求，得到的是response对象
def get_content(url, data=None):
    #  模拟浏览器访问
    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'
    }
    #  超时，取随机数是因为防止被网站认定为网络爬虫
    timeout = random.choice(range(80, 180))
    while True:
        try:
            #  获取请求数据
            rep = requests.get(url, headers=header, timeout=timeout)
            rep.encoding = 'utf-8'
            break
        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.BadStatusLine as e:
            print('6:', e)
            time.sleep(random.choice(range(5, 15)))

    return rep.text

抓取天气信息：

# 获取html中我们所需要的字段：
def get_data(html_text, city_name):
    #  final元组存放七天的数据
    final = []
    t = []
    t.append(city_name)
    final.append(t)
    bs = BeautifulSoup(html_text, "html.parser")  # 创建BeautifulSoup对象，解析器为：html.parser
    body1 = bs.body  # 获取body部分

    #  print(body1)
    data = body1.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代存每日的数据
        temp = []
        #  添加日期
        data = day.find('h1').string   # 找到日期
        temp.append(data)  # 添加到temp中

        inf = day.find_all('p')  # 找到li中的所有p标签
        #  添加天气状况
        temp.append(inf[0].string)  # 第一个p标签中的内容（天气状况）加到temp中
        #  添加最高气温
        if inf[1].find('span') is None:
            temperature_highest = None  # 天气当中可能没有最高气温（傍晚）
        else:
            temperature_highest = inf[1].find('span').string  # 找到最高气温
            temperature_highest = temperature_highest.replace('℃', '')
        temp.append(temperature_highest)  # 将最高温添加进去
        # 添加最低气温
        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_lowest)  # 将最低温添加上去

        final.append(temp)  # 将temp 加到final中

    return final

保存信息到CSV中：

# 将抓取出来的数据写入文件
def write_data(city_name, data, file_name):
    with open(file_name, 'a', errors='ignore', newline='') as f:
        f_csv = csv.writer(f)
        f_csv.writerows(data)
        print('%s 天气已添加成功' % city_name)

三、完整代码：

import requests
import csv
import random
import time
import socket
import http.client
from bs4 import BeautifulSoup


#  获取每个城市对应天气的url
def get_url(city_name):
    url = 'http://www.weather.com.cn/weather/'
    with open('D:\py_project\weather\city.txt', 'r', encoding='UTF-8') as fs:
        lines = fs.readlines()
        for line in lines:
            if(city_name in line):
                code = line.split('=')[0].strip()
                return url + code + '.shtml'
    raise ValueError('invalid city name')


#  对网页获取get请求，得到的是response对象
def get_content(url, data=None):
    #  模拟浏览器访问
    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'
    }
    #  超时，取随机数是因为防止被网站认定为网络爬虫
    timeout = random.choice(range(80, 180))
    while True:
        try:
            #  获取请求数据
            rep = requests.get(url, headers=header, timeout=timeout)
            rep.encoding = 'utf-8'
            break
        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.BadStatusLine as e:
            print('6:', e)
            time.sleep(random.choice(range(5, 15)))

    return rep.text


# 获取html中我们所需要的字段：
def get_data(html_text, city_name):
    #  final元组存放七天的数据
    final = []
    t = []
    t.append(city_name)
    final.append(t)
    bs = BeautifulSoup(html_text, "html.parser")  # 创建BeautifulSoup对象，解析器为：html.parser
    body1 = bs.body  # 获取body部分

    #  print(body1)
    data = body1.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代存每日的数据
        temp = []
        #  添加日期
        data = day.find('h1').string   # 找到日期
        temp.append(data)  # 添加到temp中

        inf = day.find_all('p')  # 找到li中的所有p标签
        #  添加天气状况
        temp.append(inf[0].string)  # 第一个p标签中的内容（天气状况）加到temp中
        #  添加最高气温
        if inf[1].find('span') is None:
            temperature_highest = None  # 天气当中可能没有最高气温（傍晚）
        else:
            temperature_highest = inf[1].find('span').string  # 找到最高气温
            temperature_highest = temperature_highest.replace('℃', '')
        temp.append(temperature_highest)  # 将最高温添加进去
        # 添加最低气温
        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_lowest)  # 将最低温添加上去

        final.append(temp)  # 将temp 加到final中

    return final


# 将抓取出来的数据写入文件
def write_data(city_name, data, file_name):
    with open(file_name, 'a', errors='ignore', newline='') as f:
        f_csv = csv.writer(f)
        f_csv.writerows(data)
        print('%s 天气已添加成功' % city_name)


if __name__ == '__main__':

    cities = input('请输入城市名称（一个或多个，以空格隔开）： ').split(' ')
    for city in cities:
        url = get_url(city)  # 获取城市天气的url
        html = get_content(url)  # 获取网页html
        result = get_data(html, city)  # 爬去城市的信息
        write_data(city, result, 'D:\py_project\weather\weather.csv')  # 将爬取得信息填入表格文件

四、运行结果：