网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
上一篇做了一个新闻类爬虫,积累了一些小经验。学到一点:在写文章时最好不要把网站名称和爬取到的新闻文本一起发来,可能会被CSDN下架的。这次准备好爬取天气预报网站,内容应该不像新闻类的可能涉及政治,但网站名称嘛还是不要写得太明白,反正“天气”么英文就是 weather 总之本文中出现的网址url字符串都用****打上马赛克了,自行补齐吧。
爬虫原理简介
爬虫流程:
爬取、解析、美化输出或者存储到文件
常用的库:
请求库:requests,urllib.request,selenium …
解析库:re,lxml.tree,bs4.BeautifulSoup …
网页获取方法:
使用requests.get()比较方便,相关参数有:网址、参数字典、请求头、验证、代理、校验等
>>> from requests import get
>>> help(get)
Help on function get in module requests.api:
get(url, params=None, **kwargs)
Sends a GET request.
:param url: URL for the new :class:`Request` object.
:param params: (optional) Dictionary, list of tuples or bytes to send
in the query string for the :class:`Request`.
:param \*\*kwargs: Optional arguments that ``request`` takes.
:return: :class:`Response <Response>` object
:rtype: requests.Response
>>>
常见的爬虫类:
class Spider():
def __init__(self):
self.url = 'http://www.****.com.cn'
self.headers = {'User-Agent':'Mozilla/5.0 ***********'}
self.auth = ('id','passward')
self.proxies = { 'http':'http://IP:端口号', 'https':'https://IP:端口号' }
def getHtml(self):
html = requests.get(url=self.url,
proxies=self.proxies,
auth=self.auth,
headers=self.headers
)
return html.text
def parseHtml(self):
text = self.getHtml()
#根据需要,用各种方法来解析网页的标签获取想要的内容#
......
天气网站不用登录就能获取内容,只需网站加上请求头即可。请求头都是非必需的,其作用是模拟浏览器,告诉网站发来的请求是正常合法的。
请求头的获取:
网上有很多方法,最简单的就在浏览器地址栏里键入“about:version”后回车。用户代理那一行就是所要的字符串,复制后写成字典格式:headers = {‘User-Agent’:“Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/88.0.4324.96 Safari/537.36”}
解析过程:
解析网页有多种方法,目前我自己也不是很拿手就先不说了。我挑选用BeautifulSoup查找自己想要的网页标签,上一篇的爬虫中已有些摸索了,请见:
Python “今日新闻”一个小程序,拿走就能用!_汉阳Hann’s Home-CSDN博客今天做了一个爬虫程序:“今日新闻”,拿走就能用!https://blog.csdn.net/boysoft2002/article/details/120549021?spm=1001.2014.3001.5501这次我要实战一个天气预报类的爬虫——
爬取城市七日天气预报
先来爬取我们大苏州的,来瞅瞅大昆山的天气预报吧
from bs4 import BeautifulSoup as bs
from requests import get
Agent = 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/85.0.4183.83 Safari/537.36'
def weather(url):
res = []
try:
data = get(url,headers = {'User-Agent':Agent})
data.encoding='uft-8'
soup = bs(data.text,'html.parser')
city = soup.find('div',class_='crumbs fl').get_text().strip()
List = soup.select("ul[class='t clearfix'] li")
for li in List:
try:
data = li.select('h1')[0].text
text = li.select("p[class='wea']")[0].text
temp = li.findAll('span')[0].text + '/' + li.findAll('i')[0].text
res.append((city.split()[-1],data,text,temp))
except Exception as err: print(err)
except Exception as err: print(err)
return res
url = 'http://www.*******.com.cn/weather/'
ext = '.shtml'
city = {'苏州':'101190401','昆山':'101190404','太仓':'101190408','常熟':'101190402','张家港':'101190403'}
#方法一:遍历已知的城市代码
suzhou = 101190401
for i in range(suzhou,suzhou+12):
print(i,'\n',weather(url+str(i)+ext),'\n')
print('='*80)
#方法二:遍历事先做好的城市代码字典
for i in city:
print(i,'\n',weather(url+city[i]+ext),'\n')
返回的爬取结果:
101190401
[(‘城区’, ‘1日(今天)’, ‘多云’, ‘/22℃’), (‘城区’, ‘2日(明天)’, ‘多云转晴’, ‘33℃/22℃’), (‘城区’, ‘3日(后天)’, ‘晴’, ‘33℃/23℃’), (‘城区’, ‘4日(周一)’, ‘晴’, ‘34℃/25℃’), (‘城区’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/24℃’), (‘城区’, ‘6日(周三)’, ‘多云’, ‘30℃/23℃’), (‘城区’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]101190402
[(‘常熟’, ‘1日(今天)’, ‘多云’, ‘/21℃’), (‘常熟’, ‘2日(明天)’, ‘多云转晴’, ‘32℃/23℃’), (‘常熟’, ‘3日(后天)’, ‘晴’, ‘33℃/24℃’), (‘常熟’, ‘4日(周一)’, ‘晴’, ‘33℃/23℃’), (‘常熟’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/24℃’), (‘常熟’, ‘6日(周三)’, ‘多云’, ‘31℃/23℃’), (‘常熟’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]101190403
[(‘张家港’, ‘1日(今天)’, ‘多云’, ‘/20℃’), (‘张家港’, ‘2日(明天)’, ‘多云转晴’, ‘31℃/22℃’), (‘张家港’, ‘3日(后天)’, ‘晴’, ‘32℃/23℃’), (‘张家港’, ‘4日(周一)’, ‘晴’, ‘33℃/23℃’), (‘张家港’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/24℃’), (‘张家港’, ‘6日(周三)’, ‘多云’, ‘29℃/23℃’), (‘张家港’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]101190404
[(‘昆山’, ‘1日(今天)’, ‘多云’, ‘/21℃’), (‘昆山’, ‘2日(明天)’, ‘多云转晴’, ‘32℃/23℃’), (‘昆山’, ‘3日(后天)’, ‘晴’, ‘33℃/24℃’), (‘昆山’, ‘4日(周一)’, ‘晴’, ‘33℃/24℃’), (‘昆山’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/24℃’), (‘昆山’, ‘6日(周三)’, ‘多云’, ‘30℃/23℃’), (‘昆山’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]101190405
[(‘吴中’, ‘1日(今天)’, ‘多云’, ‘/22℃’), (‘吴中’, ‘2日(明天)’, ‘多云转晴’, ‘33℃/22℃’), (‘吴中’, ‘3日(后天)’, ‘晴’, ‘33℃/23℃’), (‘吴中’, ‘4日(周一)’, ‘晴’, ‘34℃/25℃’), (‘吴中’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/24℃’), (‘吴中’, ‘6日(周三)’, ‘多云’, ‘30℃/23℃’), (‘吴中’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]101190406
[(‘虎丘’, ‘1日(今天)’, ‘多云’, ‘/22℃’), (‘虎丘’, ‘2日(明天)’, ‘多云转晴’, ‘33℃/22℃’), (‘虎丘’, ‘3日(后天)’, ‘晴’, ‘33℃/23℃’), (‘虎丘’, ‘4日(周一)’, ‘晴’, ‘34℃/25℃’), (‘虎丘’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/24℃’), (‘虎丘’, ‘6日(周三)’, ‘多云’, ‘30℃/23℃’), (‘虎丘’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]101190407
[(‘吴江’, ‘1日(今天)’, ‘多云’, ‘/21℃’), (‘吴江’, ‘2日(明天)’, ‘多云转晴’, ‘32℃/22℃’), (‘吴江’, ‘3日(后天)’, ‘晴’, ‘33℃/23℃’), (‘吴江’, ‘4日(周一)’, ‘晴’, ‘33℃/22℃’), (‘吴江’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/23℃’), (‘吴江’, ‘6日(周三)’, ‘多云’, ‘31℃/23℃’), (‘吴江’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]101190408
[(‘太仓’, ‘1日(今天)’, ‘多云’, ‘/20℃’), (‘太仓’, ‘2日(明天)’, ‘多云转晴’, ‘31℃/23℃’), (‘太仓’, ‘3日(后天)’, ‘晴’, ‘32℃/24℃’), (‘太仓’, ‘4日(周一)’, ‘晴’, ‘33℃/22℃’), (‘太仓’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/24℃’), (‘太仓’, ‘6日(周三)’, ‘多云’, ‘30℃/22℃’), (‘太仓’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]101190409
[(‘相城’, ‘1日(今天)’, ‘多云’, ‘/22℃’), (‘相城’, ‘2日(明天)’, ‘多云转晴’, ‘33℃/22℃’), (‘相城’, ‘3日(后天)’, ‘晴’, ‘33℃/23℃’), (‘相城’, ‘4日(周一)’, ‘晴’, ‘34℃/25℃’), (‘相城’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/24℃’), (‘相城’, ‘6日(周三)’, ‘多云’, ‘30℃/23℃’), (‘相城’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]101190410
[(‘姑苏’, ‘1日(今天)’, ‘多云’, ‘/22℃’), (‘姑苏’, ‘2日(明天)’, ‘多云转晴’, ‘33℃/22℃’), (‘姑苏’, ‘3日(后天)’, ‘晴’, ‘33℃/23℃’), (‘姑苏’, ‘4日(周一)’, ‘晴’, ‘34℃/25℃’), (‘姑苏’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/24℃’), (‘姑苏’, ‘6日(周三)’, ‘多云’, ‘30℃/23℃’), (‘姑苏’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]‘NoneType’ object has no attribute ‘get_text’
101190411 ###不存在的城市代码当然会报错###
[]‘NoneType’ object has no attribute ‘get_text’
101190412
[]================================================================================
苏州
[(‘城区’, ‘1日(今天)’, ‘多云’, ‘/22℃’), (‘城区’, ‘2日(明天)’, ‘多云转晴’, ‘33℃/22℃’), (‘城区’, ‘3日(后天)’, ‘晴’, ‘33℃/23℃’), (‘城区’, ‘4日(周一)’, ‘晴’, ‘34℃/25℃’), (‘城区’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/24℃’), (‘城区’, ‘6日(周三)’, ‘多云’, ‘30℃/23℃’), (‘城区’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]昆山
[(‘昆山’, ‘1日(今天)’, ‘多云’, ‘/21℃’), (‘昆山’, ‘2日(明天)’, ‘多云转晴’, ‘32℃/23℃’), (‘昆山’, ‘3日(后天)’, ‘晴’, ‘33℃/24℃’), (‘昆山’, ‘4日(周一)’, ‘晴’, ‘33℃/24℃’), (‘昆山’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/24℃’), (‘昆山’, ‘6日(周三)’, ‘多云’, ‘30℃/23℃’), (‘昆山’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]太仓
[(‘太仓’, ‘1日(今天)’, ‘多云’, ‘/20℃’), (‘太仓’, ‘2日(明天)’, ‘多云转晴’, ‘31℃/23℃’), (‘太仓’, ‘3日(后天)’, ‘晴’, ‘32℃/24℃’), (‘太仓’, ‘4日(周一)’, ‘晴’, ‘33℃/22℃’), (‘太仓’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/24℃’), (‘太仓’, ‘6日(周三)’, ‘多云’, ‘30℃/22℃’), (‘太仓’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]常熟
[(‘常熟’, ‘1日(今天)’, ‘多云’, ‘/21℃’), (‘常熟’, ‘2日(明天)’, ‘多云转晴’, ‘32℃/23℃’), (‘常熟’, ‘3日(后天)’, ‘晴’, ‘33℃/24℃’), (‘常熟’, ‘4日(周一)’, ‘晴’, ‘33℃/23℃’), (‘常熟’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/24℃’), (‘常熟’, ‘6日(周三)’, ‘多云’, ‘31℃/23℃’), (‘常熟’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]张家港
[(‘张家港’, ‘1日(今天)’, ‘多云’, ‘/20℃’), (‘张家港’, ‘2日(明天)’, ‘多云转晴’, ‘31℃/22℃’), (‘张家港’, ‘3日(后天)’, ‘晴’, ‘32℃/23℃’), (‘张家港’, ‘4日(周一)’, ‘晴’, ‘33℃/23℃’), (‘张家港’, ‘5日(周二)’, ‘晴转多云’, ‘34℃/24℃’), (‘张家港’, ‘6日(周三)’, ‘多云’, ‘29℃/23℃’), (‘张家港’, ‘7日(周四)’, ‘多云转雷阵雨’, ‘31℃/24℃’)]
数据是有了,怎样更美化地输出需要另外的模块,先放一放。更为重要的问题是:怎样找到各城市的代码?比如,苏州对应的是 101190401 ,它之后的几个连续数字对应的是苏州辖内的各区和县级市。
网上很多文章都是爬取各省份的文字版网页( www.******.com.cn/textFC/jiangsu.shtml 等)中的城市代码,这样还不是很方便。
(1)Python所有方向的学习路线(新版)
这是我花了几天的时间去把Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。
最近我才对这些路线做了一下新的更新,知识体系更全面了。
(2)Python学习视频
包含了Python入门、爬虫、数据分析和web开发的学习视频,总共100多个,虽然没有那么全面,但是对于入门来说是没问题的,学完这些之后,你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。
(3)100多个练手项目
我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了,只是里面的项目比较多,水平也是参差不齐,大家可以挑自己能做的项目去练练。
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!
ab547cf90b1a028d1aacb1d.png#pic_center)
网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。
一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!