【python 学习】python 爬取天气预报

天气预报爬取的python教程有很多，但时过境迁，教程上的有些办法已经不适用了。这里介绍我2020年6月29日爬取信息所用的代码。

天气预报的网址的获得

这里我爬取的目标网址为2345天气预报。

1. 切换到历史天气选项卡，选择目标区域.
2. F12打开开发者模式，找到Network选项卡。
3. 在网页界面调整月份，开发者模式界面的Name对话框中会有一条新的记录，点开它。
4. 打开“Headers”选项卡，记住（复制/保存）"Request URL: "后面的链接（这就是爬取数据所用的链接）。

获得链接中的所有内容

import requests  
years = [2017, 2018, 2019, 2020] #所要爬取的年份
months = []
for year in years:
    todo_urls = [f'https://tianqi.2345.com/Pc/GetHistory?areaInfo%5BareaId%5D=71920&areaInfo%5BareaType%5D=2&date%5Byear%5D={year}&date%5Bmonth%5D={month+1}' # 刚刚保存的链接，将年和月的数字分别替换为“{year}”和“{year}”
                 for year in years
                 for month in range(12)]
datas = [] # 将所有的数据全部保存到datas中
for url in todo_urls:
    r = requests.get(url)
    if r.status_code != 200:
        raise Exception()
    data = r.text
    datas.append(data)

数据的读取与保存

先用demjson把还是乱码的数据转化为能看懂的格式。

import demjson #使用demjson模块读取数据，没有的话pip install一下。
t = open("i.txt", "w") #将所有信息写入到txt中，方便整理。
for data in datas:
    i = demjson.decode(data)
    j = str(i) #将字典转化为文本
    j = j.replace("</tr>", "\n") #原文本中的“\n”似乎在txt中不起作用，重新手动构建一些换行符。
    t.write(j)
t.close()

数据的整理

因为不知道有什么好用的模块，所以只好选择手动整理，看起来很麻烦，但是如果熟练掌握复制粘贴也花费不了太多时间。

text = open("i.txt", "r")
tab = open("i.csv", "w")
tab.write("日期")
tab.write(",")
tab.write("最高气温（℃）")
tab.write(",")
tab.write("最低气温（℃）")
tab.write(",")
tab.write("天气")
tab.write(",")
tab.write("风")
tab.write(",")
tab.write("空气指数")
tab.write(",")
tab.write("空气质量")
for line in text.readlines():
    line = str(line)
    if "周" in line:
        tab.write("\n")
        a, b, c = line.partition("<td>")
        a, b, e = c.partition(" 周")
        tab.write(a)
        tab.write(",")
        a, b, c = e.partition(';\">')
        a, b, e = c.partition("°")
        tab.write(a)
        tab.write(",")
        a, b, c = e.partition(" >")
        a, b, e = c.partition("°")
        tab.write(a)
        tab.write(",")
        a, b, c = e.partition("<td>")
        a, b, e = c.partition("</td>")
        tab.write(a)
        tab.write(",")
        a, b, c = e.partition("<td>")
        a, b, e = c.partition("</td>")
        tab.write(a)
        tab.write(",")
        a, b, c = e.partition('">')
        a, b, e = c.partition(" ")
        tab.write(a)
        tab.write(",")
        a, b, c = e.partition('</span>')
        tab.write(a)
        tab.write(",")
tab.close()
text.close()

整理完毕，可以看一下整理的效果

因为我所关注的地区没有2017年4月23日及之前的信息，所以记录是从4月24日开始的。

image.png