PowerQuery 中使用 M 语言创建自定义函数爬取天气后报网页

209190509更新
更新原因：实际使用下来有 bug，Power Query 对数据格式非常严格，月份输入不是文本格式会报错。
更新内容：使用 Text.From 函数将月份先转换为文本然后做判断长度和补足两位的操作，修正了 bug；新加步骤转换气温为数字格式；
因为20190508中央气象台出现了0512最高温39度的异常预报，为了证明是错误值，就简单做了一个上海月极值天气的透视表，可以忽略。
某盘文件下载2 4dif

关于月份补足到两位其实 M 语言中有现成的函数可以用，可以参考 Text.PadStart/End 函数简介，但是我懒得改代码了，就依然是原有的 If Else 条件判断。

原文

说明：
excel 2016 最早期的 Power Query 有部分函数不支持，可能无法运行。建议升级到最新。
2010 和 2013 版本的 Power Query 没有测试。
作者有一点儿 Power Query 使用经验，M 语言只学了一天，做了这个模板，所以用这个代码的注意检查数据条数。
懒得写的特别详细，所以不针对一点儿不懂 Power Query 的人。
某盘文件下载 f665

前期思路和准备

要爬的网页信息：天气后报

URL 举例：http://www.tianqihoubao.com/lishi/beijing/month/201904.html

拼音 beijing 用来控制是什么城市，201904 是年月。

这样要爬的 URL 要设置三个变量，城市、年份、月份。理论上年份和月份可以是固定的 2011-2019 ，月份也可以是固定的 01-12 月。考虑到每次都爬 9 年 12 个月的数据（多城市数据就更多）比较费时间，大部分使用场景可能也不需要看这么久时间的天气数据，就设置可以自定义查询。自定义输入是通过引用 excel 的表实现的。

测试 Excel 表中直接输入年份月份会默认为数字、月份即使输入01，表中也是默认为 1。所以需要通过月份的位数判断是不是要在前面加一位 0 。然后转换年和月为文本格式。

测试Excel 表中直接删除数据会形成空行，要求使用者右键删除表行又多了好几步操作，所以需要删选三个表中的空行。

城市列表、年份、月份表格样式

上述三个表名称分别为：城市清单、年份、月份。

全部代码

上面三个自定义参数的表设置后，直接复制以下代码到 PowerQuery 的高级编辑器中可以直接保存运行。

let    
    tianqi = (city,year,month)=>Table.PromoteHeaders(Web.Page(Web.Contents("http://www.tianqihoubao.com/lishi/"&city&"/month/"&year&month&".html")){0}[Data], [PromoteAllScalars=true]),
    source = Excel.CurrentWorkbook(){[Name="城市清单"]}[Content],
    添加年份 = Table.AddColumn(source, "yea", each Excel.CurrentWorkbook(){[Name="年份"]}[Content]),
    添加月份 = Table.AddColumn(添加年份, "mont", each Excel.CurrentWorkbook(){[Name="月份"]}[Content]),
    展开年份 = Table.ExpandTableColumn(添加月份, "yea", {"年份"}, {"年份"}),
    展开月份 = Table.ExpandTableColumn(展开年份, "mont", {"月份"}, {"月份"}),
    筛选拼音城市年月列不为空 = Table.SelectRows(展开月份, each [cit] <> null and [年份] <> null and [月份] <> null),
    判断月份是否要加0 = Table.AddColumn(筛选拼音城市年月列不为空, "月份2", each if Text.Length([月份]) = 1 then "0"&[月份] else [月份]),
    更改年月列为文本 = Table.TransformColumnTypes(判断月份是否要加0,{{"年份", type text}, {"月份2", type text}}),
    添加网页表格 = Table.AddColumn(更改年月列为文本, "data", each tianqi([cit],[年份],[月份2])),
    展开网页表格 = Table.ExpandTableColumn(添加网页表格, "data", {"日期", "天气状况", "气温", "风力风向"}, {"日期", "天气状况", "气温", "风力风向"}),
    拆分天气列 = Table.SplitColumn(展开网页表格, "天气状况", Splitter.SplitTextByDelimiter("/", QuoteStyle.Csv), {"白天天气", "夜间天气"}),
    拆分气温列 = Table.SplitColumn(拆分天气列, "气温", Splitter.SplitTextByDelimiter("/", QuoteStyle.Csv), {"最高气温", "最低气温"}),
    拆分风向列 = Table.SplitColumn(拆分气温列, "风力风向", Splitter.SplitTextByDelimiter("/", QuoteStyle.Csv), {"白天风向", "夜晚风向"}),
    删除摄氏度单位 = Table.ReplaceValue(拆分风向列,"℃"," ",Replacer.ReplaceText,{"最高气温", "最低气温"}),
    日期列变更为日期格式 = Table.TransformColumnTypes(删除摄氏度单位,{{"日期", type date}}),
    筛选日期为小于等于当前日期 = Table.SelectRows(日期列变更为日期格式, each [日期] <= DateTime.Date(DateTime.LocalNow())),
    删除的列 = Table.RemoveColumns(筛选日期为小于等于当前日期,{"cit", "年份", "月份", "月份2"})
in
    删除的列

代码分步骤解释

   tianqi = (city,year,month)=>Table.PromoteHeaders(Web.Page(Web.Contents("http://www.tianqihoubao.com/lishi/"&city&"/month/"&year&month&".html")){0}[Data], [PromoteAllScalars=true]),

这里在开头创建了一个自定义函数 tianqi，参数有三个 city，year, month 。使用 Web.Page 来获得网页表格，Table.PromoteHeaders 用来将第一行用作标题。
网页表格，抓起来一般是没有标题的，column1、column2 的类似标题，如果爬出来之后再提升标题，前面已经设置好标题的列会因为标题提升失去固定的标题。

 source = Excel.CurrentWorkbook(){[Name="城市清单"]}[Content],
 添加年份 = Table.AddColumn(source, "yea", each Excel.CurrentWorkbook(){[Name="年份"]}[Content]),
 添加月份 = Table.AddColumn(添加年份, "mont", each Excel.CurrentWorkbook(){[Name="月份"]}[Content]),
 展开年份 = Table.ExpandTableColumn(添加月份, "yea", {"年份"}, {"年份"}),
 展开月份 = Table.ExpandTableColumn(展开年份, "mont", {"月份"}, {"月份"}),

按照三个 excel 表名称添加展开三个自定义参数的表。这几个步骤运行完的结果：

添加城市、年、月之后

 筛选拼音城市年月列不为空 = Table.SelectRows(展开月份, each [cit] <> null and [年份] <> null and [月份] <> null),
 判断月份是否要加0 = Table.AddColumn(筛选拼音城市年月列不为空, "月份2", each if Text.Length([月份]) = 1 then "0"&[月份] else [月份]),
 更改年月列为文本 = Table.TransformColumnTypes(判断月份是否要加0,{{"年份", type text}, {"月份2", type text}}),

如步骤名称，是开头提过的要对三个参数源表的处理。运行结果：

参数处理

 添加网页表格 = Table.AddColumn(更改年月列为文本, "data", each tianqi([cit],[年份],[月份2])),
 展开网页表格 = Table.ExpandTableColumn(添加网页表格, "data", {"日期", "天气状况", "气温", "风力风向"}, {"日期", "天气状况", "气温", "风力风向"}),

使用开头声明的自定义函数添加一列，然后展开列中表格包含的每一列。

初步数据抓取

到这一步，抓取数据的部分就做完了，接下来是正常使用 Power Query 处理数据的部分。

 拆分天气列 = Table.SplitColumn(展开网页表格, "天气状况", Splitter.SplitTextByDelimiter("/", QuoteStyle.Csv), {"白天天气", "夜间天气"}),
 拆分气温列 = Table.SplitColumn(拆分天气列, "气温", Splitter.SplitTextByDelimiter("/", QuoteStyle.Csv), {"最高气温", "最低气温"}),
 拆分风向列 = Table.SplitColumn(拆分气温列, "风力风向", Splitter.SplitTextByDelimiter("/", QuoteStyle.Csv), {"白天风向", "夜晚风向"}),

这里是拆分原表的列，Power Query 的内建函数 Table.SplitColumn 似乎没办法一次拆分多个列，原默认代码中的拆分后列名为天气状况.1 和天气状况.2，这里就是一个重命名的设置，为了减少步骤，这里我自定义了拆分后列名。

拆分后

 删除摄氏度单位 = Table.ReplaceValue(拆分风向列,"℃"," ",Replacer.ReplaceText,{"最高气温", "最低气温"}),

拆分后的气温包含摄氏度单位，这里使用替换为 null 的方式删除符号。

温度符号处理

 日期列变更为日期格式 = Table.TransformColumnTypes(删除摄氏度单位,{{"日期", type date}}),
 筛选日期为小于等于当前日期 = Table.SelectRows(日期列变更为日期格式, each [日期] <= DateTime.Date(DateTime.LocalNow())),

原网页中的数据如果是超过当前日期也会抓出来空白的内容，所以这列做了一个条件筛选，筛选日期小于等于查询运行当天日期的行。原抓出来的日期列为文本，这里先转换为日期格式，然后做筛选。

M 语言中没有工作表函数 now() 来表示当前时间，表示当前日期（不含时间）是 DateTime.Date(DateTime.LocalNow())

日期筛选前

 删除的列 = Table.RemoveColumns(筛选日期为小于等于当前日期,{"cit", "年份", "月份", "月份2"})

删除无用的列。

删除前

删除后

加载到 excel 工作表的数据：

最后结果

参考：
1.excelhome 上网友分享教程
2.pqfans 自定义函数文章