爬取全国未来十五天的天气数据

一、网页分析（一）请求分析（url）1、观察2、分析3、结论 （二）行政区域分析1、观察2、分析3、结论 （三）未来15日 天气数据分析1、观察2、分析3、结论 二、数据提取（一）请求页面（二）根据url获取行政区域（三）获取未来15天的天气数据（四）数据保存（五）主函数

天气网站：https://www.tianqi.com/

一、网页分析

（一）请求分析（url）

1、观察

北京海淀区 天气预报15天：https://www.tianqi.com/haidian/15/ 北京朝阳区 天气预报15天：https://www.tianqi.com/chaoyang/15/ 北京朝阳区 天气预报30天：https://www.tianqi.com/chaoyang/30/

https://www.tianqi.com/haidian/15/ https://www.tianqi.com/chaoyang/30/

2、分析

https://www.tianqi.com：网址 /haidian/：行政区域 15/：未来15天

3、结论

改变请求（url）中的“行政区域”部分就可以获取不同城市地区的未来15日天气数据。

（二）行政区域分析

1、观察

点击：【天气】——>【全国】 获取行政区域：https://www.tianqi.com/chinacity.html

2、分析

<div class=“citybox”>

<h2>：包含省份（provinces）<span>：省份下的城市（citys）<a>

3、结论

通过提取 <div class=“citybox”> 下的信息就可获取到全国行政区域

（三）未来15日 天气数据分析

1、观察

重庆渝中未来15日天气：https://www.tianqi.com/yuzhongqu/15/

2、分析

<div class=“inleft”> ：大类别

<ul class=“weaul”>：未来15日天气数据 – <li>：每一天的天气数据

3、结论

通过提取 <div class=“inleft”> 下的信息就可获取每个城市未来15日的天气状况

二、数据提取

（一）请求页面

get_html_soup(url) 函数，通过请求地址（url），返回soup（BeautifulSoup解析后的界面） headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.132 Safari/537.36', 'Cookie': 'cityPy=kunming; cityPy_expire=1561950588; UM_distinctid=17133bbc7e6685-0b6045e36118e6-4313f6a-144000-17133bbc7e7a8e; CNZZDATA1275796416=1819259675-1585710340-|1585715624; Hm_lvt_ab6a683aa97a52202eab5b3a9042a8d2=1585710877,1585712908,1585712984,1585716742; Hm_lpvt_ab6a683aa97a52202eab5b3a9042a8d2=1585716834' } ''' 功能：请求页面 parameters: url:请求地址 return： soup:BeautifulSoup解析后的界面 ''' def get_html_soup(url): req = requests.get(url, headers=headers) req.encoding = 'utf-8' html = req.text soup = BeautifulSoup(html, 'lxml') return soup

（二）根据url获取行政区域

<div class=“citybox”>

<h2>：包含省份（provinces）<span>：省份下的城市（citys）<a>

get_admArea(url) 函数

url：获取行政区域返回provinces_citys：——格式：list[string]:string如：‘ 北京,/beijing/,海淀,/haidian/ ’ ''' 功能：根据url获取行政区域 parameters: url:页面请求地址 return: provinces_citys:list[string]:【北京,/beijing/,海淀,/haidian/】 ''' def get_admArea(url): # 省份及其城市 provinces_citys = [] # 请求页面 soup = get_html_soup(url) cityBox = soup.find('div', class_='citybox') province_list = cityBox.find_all('h2') city_list = cityBox.find_all('span') # print(len(province_list))#31 # 提取数据 for i in range(len(province_list)): # 省份 province_name = province_list[i].a.get_text() # h2下的<a>标签下的内容 province_url = province_list[i].a['href'] # h2下的<a>标签下的href # print(province_name,province_url) # 城市 citys = city_list[i].find_all('a') for j in range(len(citys)): city_name = citys[j].get_text() city_url = citys[j]['href'] str = province_name + ',' + province_url + ',' + city_name + ',' + city_url # 以字符串形式存储 provinces_citys.append(str) # 返回省份及其城市 return provinces_citys

（三）获取未来15天的天气数据

<div class=“inleft”> ：大类别

<ul class=“weaul”>：未来15日天气数据 – <li>：每一天的天气数据

get_15_weather(provinces_city, year) 函数：

provinces_city：行政区域字符串string（格式：【北京,/beijing/,海淀,/haidian/】）year: 年份<class ‘str’>如：‘2020’返回city_weather_list 天气状况：string‘北京,/beijing/,海淀,/haidian/,20200702,小雨,20,27,优,东风,2’ ''' 功能：获取未来15天的天气数据 parameters: provinces_city：行政区域字符串string（格式：【北京,/beijing/,海淀,/haidian/】） year:年份<class 'str'>如：'2020' return: city_weather_list天气状况：string‘北京,/beijing/,海淀,/haidian/,20200702,小雨,20,27,优,东风,2’ ''' def get_15_weather(provinces_city, year): year_now = year # 年份<class 'str'> # https: // www.tianqi.com / yuzhongqu / 15 / city_weather_list = [] # 城市天气信息 tianqi_url = 'http://tianqi.com' # 历史天气 content_list = provinces_city.split(',') # 将每条行政区的信息转为list：‘北京’,’/beijing/‘,’海淀‘,’/haidian/‘ city_tianqi_15_url = tianqi_url + content_list[3] + '15' # 构建未来15天天气url soup = get_html_soup(city_tianqi_15_url) div_temp = soup.find('div', class_='inleft') if (div_temp != None): weather_list = soup.find('div', class_='inleft').find('ul', class_='weaul').find_all('li') else: return None # print(weather_list) for i in range(len(weather_list)): li = weather_list[i] # 提取时间：月日 str_temp = li.find_all('div')[0].get_text() time_m_d = ''.join(re.findall(r'\d+', str_temp)) # ['07', '01']——月日0701 time_y_m_d = year_now + time_m_d # 过渡时间（跨年）判断处理 if (time_m_d == '1231'): y = int(year_now) y += 1 year_now = str(y) # 提取天气状况 str_temp = li.find_all('div')[2].get_text() # 多云转小雨21~35℃ weather_station = ''.join(re.findall(r'[\u4e00-\u9fa5]+', str_temp)) # 多云转小雨 # 提取温度（最低、最高） temperature = re.findall(r'\d+', str_temp) temperature_min = temperature[0] temperature_max = temperature[1] # 提取空气质量 air_quality = li.find_all('div')[3].span.get_text() # 多云转小雨21~35℃ # 提取风向、风力等级 str_temp = li.find_all('div')[4].get_text() wind = ''.join(re.findall(r'^[\u4e00-\u9fa5]+', str_temp)) wind_scale = ''.join(re.findall(r'\d+', str_temp)) weather = provinces_city + ',' + time_y_m_d + ',' + weather_station + ',' + temperature_min + ',' + temperature_max + ',' + air_quality + ',' + wind + ',' + wind_scale city_weather_list.append(weather) return city_weather_list

（四）数据保存

save_15_weather(weather_path, provinces_citys, year_now) weather_path: 保存地址，如 ‘citys_15_weather.csv’provinces_citys： 行政区域字符串list[string]（格式：list【北京,/beijing/,海淀,/haidian/】）year_now: 当前年份 <class ‘str’>r如：‘2020’ ''' 功能：保存未来15日天气 parameters： weather_path:'citys_15_weather.csv' provinces_citys：行政区域字符串list[string]（格式：list【北京,/beijing/,海淀,/haidian/】） year_now:<class 'str'>r如：'2020' return: None ''' def save_15_weather(weather_path, provinces_citys, year_now): with open(weather_path, 'w', encoding='utf-8') as f: for i in range(len(provinces_citys)): city_weather_list = get_15_weather(provinces_citys[i], year_now) if (city_weather_list != None): for li in city_weather_list: f.write(li + '\n') else: continue

（五）主函数

if __name__ == '__main__': year_now = str(datetime.datetime.now().year) # 获取当前时间（年） path_15_weather = 'citys_15_weather.csv'#数据存放地址（根目录下） # 获得行政区域列表 city_url = 'https://www.tianqi.com/chinacity.html' # 天气网站，用于爬取行政区 provinces_citys = get_admArea(city_url) # <class 'list'>:【北京,/beijing/,海淀,/haidian/】 # 保存未来15日天气数据 save_15_weather(path_15_weather, provinces_citys, year_now)