python爬取哈尔滨天气信息
本文实例为大家分享了python爬取哈尔滨天气信息的具体代码，供大家参考，具体内容如下
环境：
windows7
python3.4（pipinstallrequests；pipinstallBeautifulSoup4）
代码：（亲测可以正确执行）
#coding:utf-8
"""
总结一下，从网页上抓取内容大致分3步：
1、模拟浏览器访问，获取html源代码
2、通过正则匹配，获取指定标签中的内容
3、将获取到的内容写到文件中
"""
importrequests#用来抓取网页的html源代码
importcsv#将数据写入到csv文件中
importrandom#取随机数
importtime#时间相关操作
importsocket#用于异常处理
importhttp.client#用于异常处理
frombs4importBeautifulSoup#用来代替正则式取源码中相应标签中的内容
#获取网页中的html代码
defget_content(url,data=None):
header={
'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8',
'Accept-Encoding':'gzip,deflate',
'Accept-Language':'zh-CN,zh;q=0.9',
'Connection':'keep-alive',
'User-Agent':'Mozilla/5.0(WindowsNT6.1;WOW64)AppleWebKit/537.36(KHTML,likeGecko)Chrome/67.0.3396.99Safari/537.36'
}
timeout=random.choice(range(80,180))#timeout是设定的一个超时时间，取随机数是因为防止被网站认定为网络爬虫
whileTrue:
try:
rep=requests.get(url,headers=header,timeout=timeout)
rep.encoding='utf-8'#rep.encoding=‘utf-8'是将源代码的编码格式改为utf-8
break
exceptsocket.timeoutase:
print('3:',e)
time.sleep(random.choice(range(8,15)))
exceptsocket.errorase:
print('4:',e)
time.sleep(random.choice(range(20,60)))
excepthttp.client.BadStatusLinease:
print('5:',e)
time.sleep(random.choice(range(30,80)))
excepthttp.client.IncompleteReadase:
print('6:',e)
time.sleep(random.choice(range(5,15)))
returnrep.text
#获取html中我们所需要的字段
defget_data(html_text):
final=[]
bs=BeautifulSoup(html_text,"html.parser")#创建BeautifulSoup对象
body=bs.body#获取body部分
data=body.find('div',{'id':'7d'})#找到id为7d的div
ul=data.find('ul')#获取ul部分
li=ul.find_all('li')#获取所有的li
fordayinli:#对每个li标签中的内容进行遍历
temp=[]
date=day.find('h1').string#找到日期
temp.append(date)#添加到temp中
inf=day.find_all('p')#找到li中的所有p标签
temp.append(inf[0].string,)#第一个p标签中的内容（天气状况）加到temp中
ifinf[1].find('span')isNone:
temperature_highest=None#天气预报可能没有当天的最高气温（到了傍晚，就是这样），需要加个判断语句,来输出最低气温
else:
temperature_highest=inf[1].find('span').string#找到最高温
temperature_highest=temperature_highest.replace('℃','')#到了晚上网站会变，最高温度后面也有个℃
temperature_lowest=inf[1].find('i').string#找到最低温
temperature_lowest=temperature_lowest.replace('℃','')#最低温度后面有个℃，去掉这个符号
temp.append(temperature_highest)#将最高温添加到temp中
temp.append(temperature_lowest)#将最低温添加到temp中
final.append(temp)#将temp加到final中
returnfinal
#写入文件csv
defwrite_data(data,name):
file_name=name
withopen(file_name,'a',errors='ignore',newline='')asf:
f_csv=csv.writer(f)
f_csv.writerows(data)
if__name__=='__main__':
url='http://www.weather.com.cn/weather/101050101.shtml'
html=get_content(url)
result=get_data(html)
write_data(result,'weather.csv')
讲解：
python标准库-----内置函数open(file,mode='r',buffering=-1,encoding=None,errors=None,newline=None...)
函数作用：打开一个文件并返回文件对象。如果文件不能打开，抛出异常OSError。
file：是一个字符串的文件名称，或者是一个数组表示的文件名称。文件名称可以是相对当前目录的路径，也可以是绝对路径表示。
mode：是指打开文件的模式。
1）‘r'表示打开文件只读，不能写。
2）‘w'表示打开文件只写，并且清空文件。
3）‘x'表示独占打开文件，如果文件已经存打开就会失败。
4）‘a'表示打开文件写，不清空文件，在文件后尾追加的方式写入。
5）‘b'表示二进制的模式打开文件。
6）‘t'表示文本模式，默认情况下就是这种模式。
7）‘+'打开文件更新（读取或写入）。
8）缺省时的模式就相当于'rt'。比如'w+b'就是打开文件进入读写，把文件清空；'r+b'打开文件，但不把文件 清空。
参数buffering是一个可选的参数，用来表示缓冲区的策略选择。设置为0时，表示不使用缓冲区，直接读写，仅在二进制模式下有效。设置为1时，表示在文本模式下使用行缓冲区方式。设置为大于1时，表示缓冲区的设置大小。如果参数buffering没有给出，使用默认时，会采用下面策略来选择：
1）对于二进制文件模式时，采用固定块内存缓冲区方式，内存块的大小根据系统设备的分配的磁盘块来决定，如果获取系统磁盘块的大小失败，就使用内部常量io.DEFAULT_BUFFER_SIZE定义的大小。一般的操作系统上，块的大小是4096或者8192字节大小。
2）对于交互的文本文件（采用isatty()判断为True）时，采用一行缓冲区的方式。其它文本文件使用跟二进制一样的方式。
参数encoding是指明对文件编码，仅适用于文本文件。如果不明编码方式，默认是使用locale.getpreferredencoding()函数返回的编码方式。
参数errors是用来指明编码和解码错误时怎么样处理。不能在二进制的模式下使用。
1）当指明为'strict'时，编码出错则抛出异常ValueError。
2）当指明为'ignore'时，忽略错误。
3）当指明为'replace'时，使用某字符进行替代模式，比如使用'?'来替换出错的。
4）其它相应还有surrogateescape/xmlcharrefreplacs/backslashreplace。
参数newline是用来控制文本模式之下，一行的结束字符。可以是None，''，\n，\r，\r\n等。
1）当在读取模式下，如果新行符为None，那么就作为通用换行符模式工作，意思就是说当遇到\n，\r或\r\n都可以作为换行标识，并且统一转换为\n作为文本输入的换行符。当设置为空''时，也是通用换行符模式工作，但不作转换为\n，输入什么样的，就保持原样全输入。当设置为其它相应字符时，就会判断到相应的字符作为换行符，并保持原样输入到文本。
2）当在输出模式时，如果新行符为None，那么所有输出文本都是采用\n作为换行符。如果设置为''或者\n时，不作任何的替换动作。如果是其它字符，会在字符后面添加\n作为换行符。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。