python爬虫，使用python抓取天气信息

python是使用的最频繁的，也是最好用的爬虫工具。
使用python抓取天气，首先要引入一些模块，用来辅助抓取程序。

from bs4 import BeautifulSoup
import requests
from requests.exceptions import ReadTimeout,ConnectionError,RequestException
import re
import time
import MySQLdb

引入模块说明：
BeautifulSoup：解析、遍历、维护“标签树”，爬虫程序使用的最频繁的就是他了。
requests：简单易用的HTTP库，里面有一些异常捕获，比如超时、连接错误、获取异常等。
re：正则表达式。
time：获取时间的模块；
MySQLdb：与数据库打交道。

进入正题

定义header，让抓取程序伪装为浏览器，避免被抓取网站屏蔽：

headers = {"User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36"}

正式代码：

# -*- coding: utf8 -*-

from bs4 import BeautifulSoup
import requests
from requests.exceptions import ReadTimeout,ConnectionError,RequestException
import re
import time
import MySQLdb
import sys
reload(sys)
sys.setdefaultencoding('utf-8')

headers = {"User-Agent":"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_4) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36"}
# 获取郑州周边市县天气信息
def nearbyWeather():
    weatherInfo = []
    status = True
    while status:
        try:
            res = requests.get("https://www.tianqi.com/jiayuguan/", headers=headers, timeout=30)
            # 设置页面编码格式
            res.encoding = "utf-8"
            if res.status_code == 200:
                soup = BeautifulSoup(res.text, "html.parser")
                status = False
            else :
                status = True
        except ReadTimeout:
            status = True
            print(u"Exception:超时……")
        except ConnectionError:
            status = True
            print(u"Exception:连接错误……")
        except RequestException:
            status = True
            print(u"Exception:请求异常……")
        except BaseException, e:
            status = True
            print e.message
    nearbyWeather = soup.select(".raweather760")[1].select("li")
    for nearby in nearbyWeather:
        nearbyA =  nearby.select("a")
        if len(nearbyA) == 2:
            aAttrs = nearbyA[0].attrs
            pinyin = re.compile("[a-z]+").findall(aAttrs['href'])[0]
            weather = aAttrs['title'].replace(u"天气预报：", " ").split(" ")
            # 气温
            weatherInfo.append(weather[2])
            # 天气
            weatherInfo.append(weather[1])
            #中文
            weatherInfo.append(weather[0])
            # 拼音
            weatherInfo.append(pinyin)

    sql = "insert into nearby_weather(temperature, weather, cnName, enName, time) values(%s,%s,%s,%s,%s)"
    conn = MySQLdb.connect(host="127.0.0.1", user="root", passwd="root", db="weather", charset="utf8")
    cursor = conn.cursor()
    for i in range(0, 48, 4):
        cursor.execute(sql, (weatherInfo[i], weatherInfo[i + 1], weatherInfo[i + 2], weatherInfo[i + 3], time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))))

    conn.commit()
    cursor.close()
    conn.close()



if __name__ == "__main__":
    nearbyWeather()

代码解析：

在代码中，有异常捕获处理，有正则表达式，有字符串拆分等。
在数据处理入库部分，使用批处理，由于数据量很少，只在最后做了提交操作。如果数据量很大，可以一百条判断提交一次。
我这种获取天气的方式，使用了标签属性，通过分析标签属性内容获取具体天气数据。其实还可以通过具体的内部标签获取天气信息，只是这种方式会更复杂一点。

获取的具体天气块页面：

郑州周边天气.png