使用工具：pycharm，Chrome driver
使用库：selenium
前言：
我们无时无刻不在呼吸着周围的空气，
可身边的空气质量怎样呢？
嗯~~~
大多数人会沉思一会儿，
最后还是会说：不知道。
我们平时看到的AQI只是环境综合指数，
有时并不能完全反应环境质量，
看来我们需要的是原始数据。
有了原始数据，
我们不但能分析现在的环境状况，
甚至还能对未来的环境状况做出自己的预测，
听起来是不是很XX呢。
古同还没找到直接在本页面下载的方法，
各位朋友可以，
后台回复：可执行文件，
可得到exe文件，
无需安装Python即可执行，
就算不会写爬虫，
也可以获得原始数据啦。
以下第一第二步为必读，
否则exe无法正常运行。
一、下载Chrome driver（必读）
这一步是无论执行.py还是.exe，
都要进行的一步，
在这一步我们要安装一个浏览器驱动插件，
相当于为我们的.py和.exe安装假肢。
首先，我们查看我们的浏览器版本，
image
打开后可以看到版本和操作系统位数，
我们要下载对应的驱动和Chrome版本相适应，
给大家推荐一个网址：
http://blog.csdn.net/huilan_same/article/details/51896672
根据自己Chrome浏览器的版本对应下载。
image
二、安装Chrome driver（必读）
这里需要对环境变量进行配置，
首先我们要找到Chrome浏览器的安装位置，
最简单的方法是找到Google Chrome的快捷方式，
右击选择“打开文件位置”，
将路径复制下来，
例如我的路径为：
C:\Users\Gutong\AppData\Local\Google\Chrome\Application
然后，打开计算机——属性
image
然后点击高级系统配置，
image
点击环境变量，
image
点击编辑，
image
将复制的Chrome路径粘贴到红框中，
别忘了用分号（；）与前面的路径分开，
image
最后将我们下载好的Chrome driver中的exe文件粘到Chrome路径下，
image
OK，前期工作结束了，
上面两步是重点，
必须要学会的东西。
三、寻找提供原始数据的网站：
古同浏览了很多网站，
生态环境部官网、各市级环保网等等，
最后锁定了真气网，
网站数据来源真实可信，
image
历史数据网页链接：
https://www.aqistudy.cn/historydata/index.php
image
四、分析网页：
由于网页数据是随时间进行变化的，
属于动态网页，
因此不宜采用静态网页的分析方法，
So我们选择selenium
五、写源码
首先引入所用库：
# -*- coding:utf-8-*-
#可以利用 webdriver 打开一个浏览器
from seleniumimport webdriver
#使时间中止至指定时间
import time
接着定义一个search（）方法：
用来返回网页的信息，
def search(url):
#利用get()方法获取网页信息并返回
return driver.get(url)
接着再定义一个解析网页的方法：
def parse_one_page(page):
#查找出玩野中全部的 tr 标签并赋给 tr_list
tr_list =driver.find_elements_by_tag_name('tr')
return tr_list
当然不能忘了保存数据了，
def save_to_mysql(tr_list):
#在 D 盘创建一个 TXT 格式文件
with open(r'd:\data.txt','a',encoding='utf8') as f:
for i in range(1, len(tr_list)):
#找出 tr_list 中的全部 td 标签
td_list =tr_list[i].find_elements_by_tag_name('td')
dae = td_list[0].text
AQI = td_list[1].text
ql = td_list[2].text
PM2 = td_list[3].text
PM10 = td_list[4].text
SO2 = td_list[5].text
CO = td_list[6].text
NO2 = td_list[7].text
O3 = td_list[8].text
#将所得原始数据写入上面建立的 TXT 文件
f.write('{} {} {} {} {} {} {} {} {}\n'.format(dae,AQI,ql,PM2,PM10,SO2,CO,NO2,O3))
定义主函数：
def main()
#实现交互，输入城市和时间
area = input('请输入一个城市(例如[长春])：')
year = input('请输入一个年份(例如[2018])：')
print('正在抓取'+ area + '市' + year + '年' + '空气质量每日历史数据：' )
print('由于抓取数据较多，请您耐心等待：')
#定义全局变量 driver
global driver
#打开 Chrome 浏览器
driver = webdriver.Chrome()
#利用循环获取一年的原始数据
for i in range(1,13):
if i<10:
url ='https://www.aqistudy.cn/historydata/daydata.php?city={}&month={}0{}'.format(area,year,i)
else:
url ='https://www.aqistudy.cn/historydata/daydata.php?city={}&month={}{}'.format(area,year,i)
page = search(url)
time.sleep(1)
tr_list = parse_one_page(page)
save_to_mysql(tr_list)
print('抓取完毕')
print('文件存储在D:\data.txt')
最后调用主函数：
if __name__ =='__main__':
main()
大功告成了！！！
撒花
完整代码如下:
# -*- coding:utf-8-*-
#可以利用 webdriver 打开一个浏览器
from seleniumimport webdriver
#使时间中止至指定时间
import time
def search(url):
#利用get()方法获取网页信息并返回
return driver.get(url)
defparse_one_page(page):
#查找出玩野中全部的 tr 标签并赋给 tr_list
tr_list =driver.find_elements_by_tag_name('tr')
return tr_list
defsave_to_mysql(tr_list):
#在 D 盘创建一个 TXT 格式文件
withopen(r'd:\data.txt','a',encoding='utf8') as f:
for i in range(1, len(tr_list)):
#找出 tr_list 中的全部 td 标签
td_list =tr_list[i].find_elements_by_tag_name('td')
dae = td_list[0].text
AQI = td_list[1].text
ql = td_list[2].text
PM2 = td_list[3].text
PM10 = td_list[4].text
SO2 = td_list[5].text
CO = td_list[6].text
NO2 = td_list[7].text
O3 = td_list[8].text
#将所得原始数据写入上面建立的 TXT 文件
f.write('{} {} {} {} {} {} {} {} {}\n'.format(dae,AQI,ql,PM2,PM10,SO2,CO,NO2,O3))
def main()
#实现交互，输入城市和时间
area = input('请输入一个城市(例如[长春])：')
year = input('请输入一个年份(例如[2018])：')
print('正在抓取'+ area + '市' + year + '年' + '空气质量每日历史数据：' )
print('由于抓取数据较多，请您耐心等待：')
#定义全局变量 driver
global driver
#打开 Chrome 浏览器
driver = webdriver.Chrome()
#利用循环获取一年的原始数据
for i in range(1,13):
if i<10:
url ='https://www.aqistudy.cn/historydata/daydata.php?city={}&month={}0{}'.format(area,year,i)
else:
url ='https://www.aqistudy.cn/historydata/daydata.php?city={}&month={}{}'.format(area,year,i)
page = search(url)
time.sleep(1)
tr_list = parse_one_page(page)
save_to_mysql(tr_list)
print('抓取完毕')
print('文件存储在D:\data.txt')
if __name__ =='__main__':
main()
个人公众号：此地古同
网友评论