基于HTML网页的爬虫-爬取天气数据

1.进入你创建的环境:

如执行activate course_py35进入之前创建的 course_py35 环境

2.安装BeautifulSoup (可以通过 pip 来安装BeautifulSoup4 ) :

pip install beautifulsoup4

3.Jupyter 中实现网页的获取:

运行以下代码看BeautifulSoup 是否正常安装(若未提示错误则表示正常) 

from bs4 import BeautifulSoup

4.使用BeautifulSoup解析HTML文档 :

一般格式为soup=BeautifulSoup(网页名称,'html.parser') 

5.用 soup.prettify 打印网页 

print(soup.prettify()) 

#BeautifulSoup 中 “soup.prettify” 这个方法可以让网页更加友好地打印出来#



实例:爬取“NATIONAL WEATHER”的天气数据


示例的旧金山天气页面地址为:

http://forecast.weather.gov/MapClick.php?lat=37.77492773500046&lon=-122.41941932299972#.WUnSFhN95E4

可以在浏览器提供的开发者工具中查看代码:更多工具 > 开发者工具


1.通过url.request 返回网页内容

import urllib.request as urlrequest

weather_url='http://forecast.weather.gov/MapClick.php?lat=37.77492773500046&lon=-122.41941932299972'

web_page=urlrequest.urlopen(weather_url).read()

print(web_page)

2.通过 BeautifulSoup 来抓取网页中的天气信息

from bs4 import BeautifulSoup

soup=BeautifulSoup(web_page,'html.parser')

print(soup.find(id='seven-day-forecast-body').get_text())

当然,你可以通过prettify输出一个美观的网页代码

from bs4 import BeautifulSoup

soup=BeautifulSoup(web_page,'html.parser')

print(soup.find(id='seven-day-forecast-container').prettify())

3.将天气数据完整有序地抽取出来

soup_forecast=soup.find(id='seven-day-forecast-container')

date_list=soup_forecast.find_all(class_='period-name')

desc_list=soup_forecast.find_all(class_='short-desc')

temp_list=soup_forecast.find_all(class_='temp')

for i in range(9):

    date=date_list[i].get_text()

    desc=desc_list[i].get_text()

    temp=temp_list[i].get_text()

    print("{}{}{}".format(date,desc,temp))

综合上述,这个简单爬虫的完整代码如下,注意每个步骤的作用

#导入需要的包和模块,这里需要的是 urllib.request 和 Beautifulsoup

import urllib.request as urlrequest

from bs4 import BeautifulSoup


#通过urllib来获取我们需要爬取的网页

weather_url='http://forecast.weather.gov/MapClick.php?lat=37.77492773500046&lon=-122.41941932299972'

web_page=urlrequest.urlopen(weather_url).read()


#用 BeautifulSoup 来解析和获取我们想要的内容块

soup=BeautifulSoup(web_page,'html.parser')

soup_forecast=soup.find(id='seven-day-forecast-container')


#找到我们想要的那一部分内容

date_list=soup_forecast.find_all(class_='period-name')

desc_list=soup_forecast.find_all(class_='short-desc')

temp_list=soup_forecast.find_all(class_='temp')


#将获取的内容更好地展示出来,用for循环来实现

for i in range(9):

    date=date_list[i].get_text()

    desc=desc_list[i].get_text()

    temp=temp_list[i].get_text()

    print("{}{}{}".format(date,desc,temp))


以上

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,254评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,875评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,682评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,896评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,015评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,152评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,208评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,962评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,388评论 1 304
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,700评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,867评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,551评论 4 335
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,186评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,901评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,142评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,689评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,757评论 2 351

推荐阅读更多精彩内容