1.準備工作：
工欲善其事必先利其器，因此我們有必要在進行Coding前先配置一個適合我們自己的開發環境，我搭建的開發環境是：
操作系統：Ubuntu 14.04 LTS
Python版本：2.7.6
代碼編輯器：Sublime Text 3.0
這次的網絡爬蟲需求背景我打算延續DotNet開源大本營在他的那篇文章中的需求，這里就不再詳解。我們只抓取某一省中所有主要城市從2015-11-22到2015-10-24的白天到夜間的所有天氣情況。這里以湖北省為例。
2.實戰網頁爬蟲：
2.1.獲取城市列表：
首先，我們需要獲取到湖北省所有城市的網頁，然后進行網頁解析。網絡地址為：http://www.tianqihoubao.com/weather/province.aspx?id=420000
我們查看該網頁的源碼可以發現所有的城市列表都是以<td style="height: 22px" align="center"><a href="城市天氣鏈接+城市名稱">，因此，我們可以封裝一個函數來通過使用正則表達式獲取我們想要的數據，示例代碼如下所示：
html=requests.get("http://www.tianqihoubao.com/weather/province.aspx?id=420000")
citys= re.findall('<td style="height: 22px" align="center"><a href="(.*?)">', html.text,re.S)
for city in citys:
print city
抓取的結果如下所示：
- 1 top/anlu.html" title="安陸歷史天氣查詢
- 2 top/badong.html" title="巴東歷史天氣查詢
- 3 top/baokang.html" title="?？禋v史天氣查詢
- 4 top/caidian.html" title="蔡甸歷史天氣查詢
- 5 top/changyang.html" title="長陽歷史天氣查詢
- 6 top/chibi.html" title="赤壁歷史天氣查詢
- 7 top/chongyang.html" title="崇陽歷史天氣查詢
- 8 top/dawu.html" title="大悟歷史天氣查詢
- 9 top/daye.html" title="大冶歷史天氣查詢
- 10 top/danjiangkou.html" title="丹江口歷史天氣查詢
- 11 top/dangyang.html" title="當陽歷史天氣查詢
- 12 top/ezhou.html" title="鄂州歷史天氣查詢
- 13 top/enshi.html" title="恩施歷史天氣查詢
- 14 top/fangxian.html" title="房縣歷史天氣查詢
- 15 top/gongan.html" title="公安歷史天氣查詢
- 16 top/gucheng.html" title="谷城歷史天氣查詢
- 17 top/guangshui.html" title="廣水歷史天氣查詢
- 18 top/hanchuan.html" title="漢川歷史天氣查詢
- 19 top/hanyang.html" title="漢陽歷史天氣查詢
- 20 top/hefeng.html" title="鶴峰歷史天氣查詢
- 21 top/hongan.html" title="紅安歷史天氣查詢
- 22 top/honghu.html" title="洪湖歷史天氣查詢
- 23 top/huangpi.html" title="黃陂歷史天氣查詢
- 24 top/huanggang.html" title="黃岡歷史天氣查詢
- 25 top/huangmei.html" title="黃梅歷史天氣查詢
- 26 top/huangshi.html" title="黃石歷史天氣查詢
- 27 top/jiayu.html" title="嘉魚歷史天氣查詢
- 28 top/jianli.html" title="監利歷史天氣查詢
- 29 top/jianshi.html" title="建始歷史天氣查詢
- 30 top/jiangxia.html" title="江夏歷史天氣查詢
- 31 top/jingshan.html" title="京山歷史天氣查詢
- 32 top/jingmen.html" title="荊門歷史天氣查詢
- 33 top/jingzhou.html" title="荊州歷史天氣查詢
- 34 top/laifeng.html" title="來鳳歷史天氣查詢
- 35 top/laohekou.html" title="老河口歷史天氣查詢
- 36 top/lichuan.html" title="利川歷史天氣查詢
- 37 top/lvtian.html" title="羅田歷史天氣查詢
- 38 top/macheng.html" title="麻城歷史天氣查詢
- 39 top/nanzhang.html" title="南漳歷史天氣查詢
- 40 top/qichun.html" title="蘄春歷史天氣查詢
- 41 top/qianjiang.html" title="潛江歷史天氣查詢
- 42 top/sanxia.html" title="三峽歷史天氣查詢
- 43 top/shennongjia.html" title="神農架歷史天氣查詢
- 44 top/shiyan.html" title="十堰歷史天氣查詢
- 45 top/shishou.html" title="石首歷史天氣查詢
- 46 top/songzi.html" title="松滋歷史天氣查詢
- 47 top/suizhou.html" title="隨州歷史天氣查詢
- 48 top/tianmen.html" title="天門歷史天氣查詢
- 49 top/hbtongcheng.html" title="通城歷史天氣查詢
- 50 top/tongshan.html" title="通山歷史天氣查詢
- 51 top/wufeng.html" title="五峰歷史天氣查詢
- 52 top/wuchang.html" title="武昌歷史天氣查詢
- 53 top/wuhan.html" title="武漢歷史天氣查詢
- 54 top/wuxue.html" title="武穴歷史天氣查詢
- 55 top/hbxishui.html" title="浠水歷史天氣查詢
- 56 top/xiantao.html" title="仙桃歷史天氣查詢
- 57 top/xianfeng.html" title="咸豐歷史天氣查詢
- 58 top/xianning.html" title="咸寧歷史天氣查詢
- 59 top/xiangyang.html" title="襄陽歷史天氣查詢
- 60 top/xiaogan.html" title="孝感歷史天氣查詢
- 61 top/hbxinzhou.html" title="新洲歷史天氣查詢
- 62 top/xingshan.html" title="興山歷史天氣查詢
- 63 top/xuanen.html" title="宣恩歷史天氣查詢
- 64 top/hbyangxin.html" title="陽新歷史天氣查詢
- 65 top/yiling.html" title="夷陵歷史天氣查詢
- 66 top/yichang.html" title="宜昌歷史天氣查詢
- 67 top/yicheng.html" title="宜城歷史天氣查詢
- 68 top/yidu.html" title="宜都歷史天氣查詢
- 69 top/yingcheng.html" title="應城歷史天氣查詢
- 70 top/hbyingshan.html" title="英山歷史天氣查詢
- 71 top/yuanan.html" title="遠安歷史天氣查詢
- 72 top/yunmeng.html" title="云夢歷史天氣查詢
- 73 top/yunxi.html" title="鄖西歷史天氣查詢
- 74 top/hbyunxian.html" title="鄖縣歷史天氣查詢
- 75 top/zaoyang.html" title="棗陽歷史天氣查詢
- 76 top/zhijiang.html" title="枝江歷史天氣查詢
- 77 top/zhongxiang.html" title="鐘祥歷史天氣查詢
- 78 top/zhushan.html" title="竹山歷史天氣查詢
- 79 top/zhuxi.html" title="竹溪歷史天氣查詢
- 80 top/zigui.html" title="秭歸歷史天氣查詢
- 81 [Finished in 15.4s]
2.2.獲取對應城市的所有天氣信息：
然后我們需要根據抓取到的城市鏈接去抓取對應城市的天氣情況，這里我們再封裝一個函數用于顯示對應城市的所有天氣狀況：
- def ShowWeather(city):
- res =str(city).split('" title="')
- print res[1],'(白天-->夜間)'
- html=requests.get("http://www.tianqihoubao.com/weather/{0}".format(res[0]))
- weather=re.search('<table width="100%" border="0" class="b" cellpadding="1" cellspacing="1">(.*?)</table>', html.text,re.S).group(1)
- res=re.findall('<tr>(.*?)</tr>', weather,re.S)
- for x in res[2:]:
- w = re.findall('>(.*?)<', x,re.S)
- for y in w[1:]:
- if len(y.strip())<=0:
- pass
- else:
- print y
- print '--'*40
這樣以來，我們就可以獲取到了對應城市的天氣情況了??！
完整代碼：
- #coding:UTF-8
- import re
- import requests
- import sys
- reload(sys)
- sys.setdefaultencoding('UTF-8')
- def ShowWeather(city):
- res =str(city).split('" title="')
- print res[1],'(白天-->夜間)'
- html=requests.get("http://www.tianqihoubao.com/weather/{0}".format(res[0]))
- weather=re.search('<table width="100%" border="0" class="b" cellpadding="1" cellspacing="1">(.*?)</table>', html.text,re.S).group(1)
- res=re.findall('<tr>(.*?)</tr>', weather,re.S)
- for x in res[2:]:
- w = re.findall('>(.*?)<', x,re.S)
- for y in w[1:]:
- if len(y.strip())<=0:
- pass
- else:
- print y
- print '--'*40
- print '/n','*'*40
- def ShowCity():
- html=requests.get("http://www.tianqihoubao.com/weather/province.aspx?id=420000")
- citys= re.findall('<td style="height: 22px" align="center"><a href="(.*?)">', html.text,re.S)
- for city in citys:
- ShowWeather(city)
- def main():
- ShowCity()
- if __name__=='__main__':
- main()
是的，你沒有看錯，短短34行代碼就可以爬取湖北省所有的主要城市1個月的所有天氣情況，是不是很厲害呀?。?？？？不過不要高興的太早，凡事有利有弊，看看它的運行結果吧：[Finished in 371.8s]
3.知識總結：
3.1.編碼問題：
#在ubuntu上，由于編碼問題，我們需要在代碼的開始位置添加一行注釋，告訴Pyhton解釋器我們指定的編碼格式：
#此外，我們還需要設置默認的編碼格式，否則Sublime Text會無法識別中文，報告一個錯誤：“UnicodeEncodeError: 'ascii' codec can't encode characters in position”
- #-*-coding:utf8-*-
- import sys
- reload(sys)
- sys.setdefaultencoding('UTF-8')
3.2.正則表達式：
導入正則表達式庫：import re
匹配任意字符：.
匹配前一個字符0次或無限次:*
匹配前一個字符0次或一次：？
貪心算法：.*
非貪心算法：.*?
匹配數字：(/d+)
常用函數：
- re.findall(pattern, string)
- re.search(pattern, string)
- re.sub(pattern, repl, string)
最后的最后，如果你嘗試過運行我貼出來的完整代碼，或許你會遇到和我一樣的瓶頸，就是運行的速度不夠快（尤其像我這種機器配置不是很好的電腦）。在我的機器上運行這段腳本總共花費了 371.8s。我運行過多次，每次都是在350+。因此，如果你的程序不在乎運行速度，那么可能Python還是挺適合的，畢竟可以通過它寫更少的代碼去做更多的事情?。。。?/p>
