爬虫之Json模块的应用

最新推荐文章于 2024-11-16 10:30:59 发布

猿心不灭

最新推荐文章于 2024-11-16 10:30:59 发布

阅读量854

点赞数

分类专栏： Python Spider 文章标签： python json 爬虫

本文链接：https://blog.csdn.net/weixin_46297209/article/details/109911779

版权

Python Spider 专栏收录该内容

15 篇文章

订阅专栏

爬虫之Json模块的应用

一：json简介

JSON(JavaScript Object Notation)：是一种轻量级的数据交换格式。JSON数据格式类似与python中的字典

{} 花括号表示对象

[] 中括号表示数组

“” 双引号内是属性或值

：表示后者是前者的值(这个值可以是字符串，数字，也可以是另一个数组或对象)

JSON格式数据查询举例：

# 变量格式为一个对象，key为一个字值，value是一个数组
var persons = {
	"person":[
		{"name":"张三", "age":23, "gender":true},
		{"name":"李四", "age":23, "gender":true},
		{"name":"王五", "age":23, "gender":true}
	]
}
# 获取王五的年龄
persons.person[2].age

# 变量格式为一个数组，数组中含有多个对象
var persons = [
	{"name":"张三", "age":23, "gender":true},
	{"name":"李四", "age":23, "gender":true},
	{"name":"王五", "age":23, "gender":true}
]
# 获取王五的年龄
persons[2].age

JSON和Python字典数据类型对应

python数据类型	JSON数据类型
dict	object
list, tuple	array
str, unicode	string
int, long, float	number
True	true
False	false
None	null

二：JSON模块在爬虫中的应用

案例一：json模块的方法

import json

# json格式数据其实就是一个字符串，只不过字符串中的个格式是{对象}/[数组]
# 定义json格式数据，字符串里面的内容是单引号包裹的
# 注：一定是单引号包双引号的格式
json_data = '{"name":"zhangsan", "age":20}'

# json模块方法
# json.loads(),将json格式的数据转为python类型
result = json.loads(json_data)
print(result)  # 结果为：{"name":"zhangsan", "age":20}
print(type(result))  # <class "dict">


# json.dumps(),将python类型转换为json格式数据
# data = {"name":"zhangsan", "age":20}
# res = json.dumps(data)
# print(res)  # {"name":"zhangsan", "age":20}
# print(type(res))  # <class "str">


# json.dump(),将python类型转换成json格式的数据，并保存至文件
# 文件的write只能写入字符串，故可用json.dump将其他类型转为字符串并保存
data = {"name":"zhangsan", "age":30}
with open("json_test.txt", "w", encoding="utf8") as f:
    json.dump(data, f)

# json.load()  将json格式数据转换为python类型，并读取文件内容
with open("json_test.txt", "r", encoding="utf8") as f:
    content = json.load(f)
    
print(content)  # {"name":"zhangsan", "age":20}
print(type(content))  # <class "dict">

案例二：爬取高德地图北京天气状况

import requests
import json

headers = {
    "User-Agent": "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:83.0) Gecko/20100101 Firefox/83.0"
}

response = requests.get(
    url="https://www.amap.com/service/weather?adcode=110000",
    headers = headers
)

# print(response.text)  # 得到的数据类型为json数据类型

# 需先将json数据类型转换为python的字典类型，然后获取需要的信息
data_dic = json.loads(response.text)["data"]["data"][0]["forecast_data"][0]

# 获取最高气温
max_temp = data_dic["max_temp"]

# 获取最低气温
min_temp = data_dic["min_temp"]

# 获取天气
weather_name = data_dic["weather_name"]

print(max_temp, min_temp, weather_name)

案例三：获取全部城市的天气状况

第一步：寻找规律

# 先找出几个城市天气的地址，然后去寻找规律
# https://www.amap.com/service/weather?adcode=110000 北京
# https://www.amap.com/service/weather?adcode=120000 天津
# https://www.amap.com/service/weather?adcode=320100 南京

# 通过以上的url可以发现，不同城市的天气状况只有adcode不同
# 所以我们只要获取到所有城市的adcode即可得到全部城市的天气状况

第二步：寻找adcode

# 我们发现，f12后在各个请求中无法找到城市列表，但并不表示没有这个列表
# 这时，我们可以看到一个cityList?version=的请求，打开它的请求头
# 发现它的status是304
# 304(Not Modified)：代表使用了缓存技术
# 如果客户端请求的状态码是304,代表发送了一个带有条件的额请求，并且此请求被允许，但是文档没有修改
# 请求头：If-None-Match: W/"192ab-iXUSEiwloSt5qDr2EMy0Wkzuv+M"
# 响应头：ETag: W/"192ab-iXUSEiwloSt5qDr2EMy0Wkzuv+M"
# 此时需要清理缓存，清理后即可看及那城市列表

第三部：爬取

# 需求：完成全部城市的天气情况获取,并保存到excel表格中

import requests
import json

# 定义请求头
headers = {
    "User-Agent": "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:83.0) Gecko/20100101 Firefox/83.0"
}




response = requests.get(
    url = "https://www.amap.com/service/cityList?version=",
    headers = headers

)

# 得到一个包含城市列表的字典，并将它转换为python格式
city_dic = json.loads(response.text)["data"]["cityByLetter"]

# 定义一个天气url
weather_url = "https://www.amap.com/service/weather?adcode={}"

for city_list in city_dic.values(): 
    for city in city_list:
     
        # 获取城市的名字
        city_name = city["name"]

        # 获取城市的adcode
        adcode = city["adcode"]

        # 现在已经获取到了adcode，根据adcode可爬取全部城市的天气状况
        weather_response = requests.get(
            url = weather_url.format(adcode),
            headers = headers
        )
        
        temp_list = json.loads(weather_response.text)["data"]["data"][0]["forecast_data"][0]
        # 获取最高温度和最低温度
        max_temp = temp_list["max_temp"]
        min_temp = temp_list["min_temp"]
        weather_name = temp_list["weather_name"]
      	print(city_name, weather_name, max_temp, min_temp)

第四步：将爬取到的数据保存到excel中

# 需求：完成全部城市的天气情况获取,并保存到excel表格中

import requests
import json
# 保存excel需要安装openpyxl模块
from openpyxl import Workbook

# 实例化Workbook对象
wb = Workbook()

# 激活工作表
ws = wb.active

# 添加表头
ws.append(["城市名","天气","最低气温","最高气温"])


# 定义请求头
headers = {
    "User-Agent": "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:83.0) Gecko/20100101 Firefox/83.0"
}




response = requests.get(
    url = "https://www.amap.com/service/cityList?version=",
    headers = headers

)

# 得到一个包含城市列表的字典，并将它转换为python格式
city_dic = json.loads(response.text)["data"]["cityByLetter"]

# 定义一个天气url
weather_url = "https://www.amap.com/service/weather?adcode={}"

for city_list in city_dic.values(): 
    for city in city_list:
        # 向excel中添加数据时是以列表的形式一一对应进行添加的
        lst = list()

        # 获取城市的名字
        city_name = city["name"]

        # 获取城市的adcode
        adcode = city["adcode"]

        # 现在已经获取到了adcode，根据adcode可爬取全部城市的天气状况
        weather_response = requests.get(
            url = weather_url.format(adcode),
            headers = headers
        )
        
        temp_list = json.loads(weather_response.text)["data"]["data"][0]["forecast_data"][0]
        # 获取最高温度和最低温度
        max_temp = temp_list["max_temp"]
        min_temp = temp_list["min_temp"]
        weather_name = temp_list["weather_name"]
        
        # 保存到列表中
        lst.append(city_name)
        lst.append(weather_name)
        lst.append(min_temp)
        lst.append(max_temp)
        ws.append(lst)

# 保存数据
wb.save("all_weather.xlsx")