python 爬取中国天气网+数据可视化

需要安装的库:requests,bs4,pyecharts[版本0.1.9.4],lxml,html5lib

代码复制粘贴即可用,2019年8月9日测试通过

爬取全国城市的最高温度,以及导出张柱状图:

import requests
from bs4 import BeautifulSoup
from pyecharts import Bar

DATA = []

def parse_page(url):
    headers={
        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/74.0.3729.169 Safari/537.36"
    }
    response = requests.get(url,headers=headers)
    text = response.content.decode('utf-8')
    soup = BeautifulSoup(text,"html5lib")
    conMidtab=soup.find('div',class_="conMidtab")
    tables = conMidtab.find_all('table')
    for table in tables:
        trs = table.find_all('tr')[2:]
        for tr in trs :
            city = tr.find_all('td')[-8]
            city_name = list(city.stripped_strings)[0]
            temp = tr.find_all('td')[-5]
            max_temp=list(temp.stripped_strings)[0]
            DATA.append({"city":city_name,"temp":int(max_temp)})

def main():
    baseurl = "http://www.weather.com.cn/textFC/{}.shtml"
    areas = ['hb','db','hz','hd','hn','xb','xn','gat']
    for area in areas:
        url = baseurl.format(area)
        parse_page(url)

    # 分析数据
    # 排序
    DATA.sort(key=lambda DATA:DATA['temp'],reverse=True)
    print(DATA)
    data = DATA[:10]

    chart = Bar("中国城市最高气温排行榜")
    chart.add("温度",
              list(map(lambda data:data['city'],data)),
              list(map(lambda data:data['temp'],data))
              )
    chart.render('temperature.html')

if __name__=='__main__':
    main()

运行截图:

自动导出可视化数据:

爬取空气质量检测的部分城市的历年每天质量数据 思路----------------------------------------- 从某城市的空气质量页获取某市每月的链接,再爬取每个月的表格数据。连云港市:https://www.aqistudy.cn/historydata/daydata.php?city=连云港 连云港2014年5月的空气质量:https://www.aqistudy.cn/historydata/daydata.php?city=连云港&month=2014-05 遇到的问题----------------------------------------- 获取的页中的表格数据隐藏,尝试requests无法获取。判断可能是动态加载的页 尝试----------------------------------------- 1. 通过XHR,js查找隐藏数据的加载页,没有找到。 2. 使用phantomjs.get() result=pd.read_html ,可以获得隐藏的表格数据,但是并不稳定,只是偶尔出现加载的表格数据,无法大规模的获取 解决方法----------------------------------------- 查找资料得知这个站的表格数据在Console里的items中, 使用selenium的webdriver.firefox(),driver.execute_script("return items") 数据可获得。 仍遇到的问题:----------------------------------------- 爬取一个页可获得数据,但是连续的获取页,会出现两个错误。 1.Message: ReferenceError: items is not defined 2.connection refused 解决方法: 1.connection refused问题,可能是页开太多,使用driver.quit() 2. 如果 execute_script 还是出错,可尝试pd.read_html获取信息。之前用phantomjs获取的时候输出空的表格,可能由于加载不够,用 Waite直到table出现之后再获取页 Element=wait.until(EC.element_to_be_clickable((By.XPATH,"/html/body/div[3]/div[1]/div[1]/table/tbody"))) 3.之后出现偶尔出现输出为空,使用循环,如果输出表格为空,再重新获取。 if len(result)>1: filename = str(month) + '.xls' result.to_excel('E:\python\案例程序\data\\' + filename) print('成功存入'+filename) driver.quit() else: driver.quit() return getdata(monthhref,month)
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值