Python爬虫天气预报实例详解(小白入门)


Posted in Python onJanuary 24, 2018

本文研究的主要是Python爬虫天气预报的相关内容,具体介绍如下。

这次要爬的站点是这个:http://www.weather.com.cn/forecast/

要求是把你所在城市过去一年的历史数据爬出来。

分析网站

首先来到目标数据的网页 http://www.weather.com.cn/weather40d/101280701.shtml

Python爬虫天气预报实例详解(小白入门)

我们可以看到,我们需要的天气数据都是放在图表上的,在切换月份的时候,发现只有部分页面刷新了,就是天气数据的那块,而URL没有变化。

这是因为网页前端使用了JS异步加载的技术,更新时不用加载整个页面,从而提升了网页的加载速度。

对于这种非静态页面,我们在请求数据时,就不能简单的通过替换URL来请求不同的页面。

着眼点要放在Network,观察整个请求的过程,从中寻找突破口。

老规矩按下F12 > network,切换下页面,发现多了一些东西,这就是切换月份,浏览器发出的请求,可以很清楚的看到请求头和请求参数。

Python爬虫天气预报实例详解(小白入门)

再来看看Response是怎样的吧

Python爬虫天气预报实例详解(小白入门)

真是没想到,返回的居然是json格式的天气数据!直接做 json 反序化就能变成字典的形式,省掉了我们解析 html 的麻烦呀。既然找到了数据所在的地方,就可以开始尝试构建请求了。

构建请求

先直接copy上面的Request URL,试下请求。http://d1.weather.com.cn/calendar_new/2017/101280701_201706.html?_=1495720234075
然后发现报错了,先把请求头全部满上怼进去,发现可以正常的响应。
但是我们还要分析下到底哪个参数不对出了问题。经过尝试,发现请求头里的Referer的原因,去掉就会报错。

这是因为这是浏览器发出请求时,会通过Referer告诉服务器我是从哪个页面链接过来的,有些网站会对这个做验证,主要时为了防止别人盗链的问题。

这个中国天气网,就是验证了Referer里的域名是不是自己的,不是的话就会403禁止访问服务器。

接下来就要考虑怎么请求不同月份的数据。

通过观察URL,发现其实很简单,直接替换年月,就可以循环抓取,得到整年的数据。

那中间的101280701是什么意思呢,经过请求不同的城市对比URL,我发现这是表示地理位置的一个数据。

前3位表示国家中国,后6位依次表示,省份,城市和区县。修改这里,就能实现对不同城市进行查询了。

最后一个参数1495720234075,开始以为是随机数,后来有朋友提醒这是unix时间戳,实际上就算去掉这个,也能正常访问数据,没什么影响。

解析数据

拿到数据以后,就可以开始解析了。不过这里根本用不上xpath,直接用Json.load(),就能反序列化成json对象,从中取出字典,节省很多麻烦。需要注意的是,返回的40天的天气数据 fc40 字符串是这样

var fc40 = [{"blue":"","c1":"","c2":"","cla":"history","date":"20151227","des":"历史均值","fe":"","hgl":"17%","hmax":"17","hmin":"13","hol":"","jq":""
.....]}

前面的字符串需要去掉,才能反序列化,注意这里的json对象实际是个存储字典的list[]。开始想用正则,不过不熟没弄好。后来发现 python 字符串也能使用这样的语法 [a:b] 来取出位置a到位置b的字符串,所以就直接用[11 : ], 就能取出fc40 后面的字符串,也很方便。

保存数据

因为数据量比较大,就采用mongodb来做数据持久化。mongodb 我也是才学习,参考了别人的教程,才做好了环境配置,过程打算总结到另一篇,这里就打算不多说了。

因为原本的放了天气数据的字典里面有太多没用的数据,我只想提取出我想要的部分,就用了一个小技巧。

将想要的数据的key,保存成subkey这个字典,用 for in取出subkey中的key,再回到原本的dict中取出对应的值,最后将这些键值对,都存储在一个subdict字典里,就完成了提取出子字典的功能。说起来很麻烦,但是代码却很简单,这可能就是python的魅力吧。

subkey = {'date', 'hmax', 'hmin', 'hgl', 'fe', 'wk', 'time'}
subdict = {key: dict[key] for key in subkey}

然后我还做了个用中文替换的原来key的功能,只需要稍作修改,for in 取出来的是键值对,然后用中文的value,替换英文的key,就ok了。

subkey = {'date': '日期', 'hmax': '最高温度', 'hmin': '最低温度', 'hgl':
 '降水概率', 'fe': '节日', 'wk': '星期'}
 subdict = {value: dict[key] for key, value in subkey.items()}

最后的结果如下图,这是用pycharm上的mongodb可视化插件Mongo Plugin看到的,在pycharm>settings>plugins里面可以搜索安装。需要注意的是,默认只显示300条数据。想要看到更多,就在Row limit 上输入总数就行。

Python爬虫天气预报实例详解(小白入门)

Python的代码非常短才30多行,就完成了爬虫的整个流程, 请求,解析,保存,一气呵成,可谓是爬虫界的豪杰。

# encoding=utf-8
import requests
import json
import pymongo
import time

def request(year, month):
  url = "http://d1.weather.com.cn/calendar_new/" + year + "/101280701_" + year + month + ".html?_=1495685758174"
  headers = {
    "User-Agent": "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/50.0.2661.102 Safari/537.36",
    "Referer": "http://www.weather.com.cn/weather40d/101280701.shtml",
  }
  return requests.get(url, headers=headers)

def parse(res):
  json_str = res.content.decode(encoding='utf-8')[11:]
  return json.loads(json_str)

def save(list):
  subkey = {'date': '日期', 'hmax': '最高温度', 'hmin': '最低温度', 'hgl': '降水概率', 'fe': '节日', 'wk': '星期', 'time': '发布时间'}
  for dict in list:
    subdict = {value: dict[key] for key, value in subkey.items()}  #提取原字典中部分键值对,并替换key为中文
    forecast.insert_one(subdict)                  #插入mongodb数据库

if __name__ == '__main__':
  year = "2016"
  month = 1
  client = pymongo.MongoClient('localhost', 27017)  # 连接mongodb,端口27017
  test = client['test']               # 创建数据库文件test
  forecast = test['forecast']            # 创建表forecast
  for i in range(month, 13):
    month = str(i) if i > 9 else "0" + str(i)   #小于10的月份要补0
    save(parse(request(year, month)))

time.sleep(1)

总结

以上就是本文关于Python爬虫天气预报实例详解(小白入门)的全部内容,希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题,如有不足之处,欢迎留言指出。感谢朋友们对本站的支持!

Python 相关文章推荐
Python中tell()方法的使用详解
May 24 Python
Python实现的简单算术游戏实例
May 26 Python
python 拷贝特定后缀名文件,并保留原始目录结构的实例
Apr 27 Python
正确理解Python中if __name__ == '__main__'
Jan 24 Python
python实现通过flask和前端进行数据收发
Aug 22 Python
python网络爬虫 CrawlSpider使用详解
Sep 27 Python
python实现超市管理系统(后台管理)
Oct 25 Python
Python笔记之工厂模式
Nov 20 Python
在Python中预先初始化列表内容和长度的实现
Nov 28 Python
Django media static外部访问Django中的图片设置教程
Apr 07 Python
iPython pylab模式启动方式
Apr 24 Python
python游戏开发Pygame框架
Apr 22 Python
Python实现PS滤镜碎片特效功能示例
Jan 24 #Python
python的re正则表达式实例代码
Jan 24 #Python
python实现生命游戏的示例代码(Game of Life)
Jan 24 #Python
Python 获得命令行参数的方法(推荐)
Jan 24 #Python
Python实现的rsa加密算法详解
Jan 24 #Python
利用Python+Java调用Shell脚本时的死锁陷阱详解
Jan 24 #Python
python做量化投资系列之比特币初始配置
Jan 23 #Python
You might like
老机欣赏|中国60年代精品收音机
2021/03/02 无线电
PHP通过iconv将字符串从GBK转换为UTF8字符集
2011/07/18 PHP
简单的php数据库操作类代码(增,删,改,查)
2013/04/08 PHP
PHP JSON出错:Cannot use object of type stdClass as array解决方法
2014/08/16 PHP
PHP的时间戳与具体时间转化的简单实现
2016/06/13 PHP
漂亮的仿flash菜单,来自蓝色经典
2006/06/26 Javascript
jquery实现的超出屏幕时把固定层变为定位层的代码
2010/02/23 Javascript
利用javascript的面向对象的特性实现限制试用期
2011/08/04 Javascript
人人网javascript面试题 可以提前实现下
2012/01/05 Javascript
JS随机漂浮广告代码具体实例
2013/11/19 Javascript
Express实现前端后端通信上传图片之存储数据库(mysql)傻瓜式教程(二)
2015/12/10 Javascript
javascript html5移动端轻松实现文件上传
2020/03/27 Javascript
JavaScript对Json的增删改属性详解
2016/06/02 Javascript
Bootstrap选项卡学习笔记分享
2017/02/13 Javascript
BootstrapTable refresh 方法使用实例简单介绍
2017/02/20 Javascript
详解Vue2 SSR 缓存 Api 数据
2017/11/20 Javascript
浅谈vue-router 路由传参的方法
2017/12/27 Javascript
Python 执行字符串表达式函数(eval exec execfile)
2014/08/11 Python
Python标准库urllib2的一些使用细节总结
2015/03/16 Python
Python编程判断这天是这一年第几天的方法示例
2017/04/18 Python
Python实现将通信达.day文件读取为DataFrame
2018/12/22 Python
Python基于matplotlib画箱体图检验异常值操作示例【附xls数据文件下载】
2019/01/07 Python
Python3日期与时间戳转换的几种方法详解
2019/06/04 Python
python生成requirements.txt的两种方法
2019/09/18 Python
Python Django框架模板渲染功能示例
2019/11/08 Python
django-crontab实现服务端的定时任务的示例代码
2020/02/17 Python
Django windows使用Apache实现部署流程解析
2020/10/12 Python
CSS3教程:新增加的结构伪类
2009/04/02 HTML / CSS
美国高端寝具品牌:Coyuchi
2017/02/08 全球购物
PHP如何防止SQL注入
2014/05/03 面试题
新锐科技Java程序员面试题
2016/07/25 面试题
《鸟的天堂》教学反思
2014/02/27 职场文书
小学数学课题方案
2014/06/15 职场文书
巴黎圣母院观后感
2015/06/10 职场文书
Python基础之条件语句详解
2021/06/16 Python
CSS巧用渐变实现高级感背景光动画
2021/12/06 HTML / CSS