当前位置:天才代写 > tutorial > Python教程 > 【Python 课堂】第46课—— 查天气(4)

【Python 课堂】第46课—— 查天气(4)

2018-05-23 08:00 星期三 所属: Python教程 浏览:831

这一课算是“查天气”程序的附加内容。技能培训,没有这一课,你也查到天气了。但了解一下城市代码的抓取过程,会对网页抓取有更深的理解。
 
天气网的城市代码信息结构比较复杂,所有代码按层级放在了很多xml为后缀的文件中。而这些所谓的“xml”文件又不符合xml的格式规范,导致在浏览器中无法显示,给我们的抓取又多加了一点难度。
 
首先,抓取省份的列表:
url1 = ‘http://m.weather.com.cn/data5/city.xml’
content1 = urllib2.urlopen(url1).read()
provinces = content1.split(‘,’)
 
输出content1可以查看全部省份代码:
01|北京,02|上海,03|天津,…
 
对于每个省,抓取城市列表:
url = ‘http://m.weather.com.cn/data3/city%s.xml’
for p in provinces:
   p_code = p.split(‘|’)[0]    url2 = url % p_code
   content2 = urllib2.urlopen(url2).read()
   cities = content2.split(‘,’)
 
输出content2可以查看此省份下所有城市代码:
1901|南京,1902|无锡,1903|镇江,…
 
再对于每个城市,抓取地区列表:
for c in cities[:3]:
   c_code = c.split(‘|’)[0]    url3 = url % c_code
   content3 = urllib2.urlopen(url3).read()
   districts = content3.split(‘,’)
 
content3是此城市下所有地区代码:
190101|南京,190102|溧水,190103|高淳,…
在线学习
最后,对于每个地区,我们把它的名字记录下来,然后再发送一次请求,得到它的最终代码:
for d in districts:
   d_pair = d.split(‘|’)
   d_code = d_pair[0]    name = d_pair[1]    url4 = url % d_code
   content4 = urllib2.urlopen(url4).read()
   code = content4.split(‘|’)[1]  
name和code就是我们最终要得到的城市代码信息。它们格式化到字符串中,最终保存在文件里:
line = ”    ‘%s’: ‘%s’,\n” % (name, code)
result += line
 
同时你也可以输出它们,以便在抓取的过程中查看进度:
print  name + ‘:’ + code
 
完整代码可在crossin.me上查看。
如果你只是想抓几个测试一下,并不用全部抓下来,在provices后面加上[:3],抓3个省的试试看就好了。
文章来源于Crossin,由课课家在线学习平台整理,转载请注明。

 

    关键字:

天才代写-代写联系方式