Python3爬虫小程序——爬取各类天气信息（2）

【静态页面信息的爬取】

根据前面做的那个爬虫，进行了一些修改，例如对headers信息的伪装。通过利用Fiddler抓包软件，抓到headers信息，然后构造我们的头信息进行爬虫设计。抓包抓到的数据如下图所示：

Client中就是我们需要构造的信息，部分构造代码如下所示：

#模拟成浏览器headers={"Accept":"text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8",         "Accept-Encoding":"gbk,utf-8,gb2312",         "Accept-Language":"zh-CN,zh;q=0.8",         "User-Agent":"Mozilla/5.0(Windows NT 10.0; WOW64) AppleWebKit/537.36(KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36",         "Connection":"keep-alive"}opener=urllib.request.build_opener()headall=[]for key,value in headers.items():    item=(key,value)    headall.append(item)opener.addheaders=headall

所有代码如下所示：

#coding=utf-8#北京及周边省会城市污染数据、天气数据每小时监测值爬虫程序import urllib.requestimport reimport urllib.errorimport timeimport traceback#模拟成浏览器headers={"Accept":"text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8",         "Accept-Encoding":"gbk,utf-8,gb2312",         "Accept-Language":"zh-CN,zh;q=0.8",         "User-Agent":"Mozilla/5.0(Windows NT 10.0; WOW64) AppleWebKit/537.36(KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36",         "Connection":"keep-alive"}opener=urllib.request.build_opener()headall=[]for key,value in headers.items():    item=(key,value)    headall.append(item)opener.addheaders=headall#将opener安装为全局urllib.request.install_opener(opener)def get_pm25_and_weather(city):    #首先执行获取空气质量数据，返回数据更新时间    data_time=getpm25(city)    #然后将获取到的数据更新时间赋值给获取天气数据函数使用    getweather(city,data_time)def getpm25(city):    try:        #设置url地址        url="http://pm25.in/"+city        data=urllib.request.urlopen(url).read().decode("utf-8")        print("城市："+city)        #构建数据更新时间的表达式        data_time='<div class="live_data_time">\s{1,}<p>数据更新时间：(.*?)</p>'        #寻找出数据更新时间        datatime=re.compile(data_time,re.S).findall(data)        print("数据更新时间："+datatime[0])        #构建数据收集的表达式        data_pm25='<div class="span1">\s{1,}<div class="value">\n\s{1,}(.*?)\s{1,}</div>'        data_o3='<div class="span1">\s{1,}<div class ="value">\n\s{1,}(.*?)\s{1,}</div>'        #寻找出所有的监测值        pm25list=re.compile(data_pm25,re.S).findall(data)        o3list=re.compile(data_o3,re.S).findall(data)        #将臭氧每小时的值插入到原列表中        pm25list.append(o3list[0])        print("AQI指数，PM2.5，PM10，CO，NO2，SO2，O3：（单位：μg/m3，CO为mg/m3）")        print(pm25list)        #将获取到的值写入文件中        writefiles_pm25(city,datatime,pm25list)        #返回数据更新时间值        return datatime    except urllib.error.URLError as e:        print("获取空气质量数据函数出现URLERROR！一分钟后重试……")        get_exception("获取空气质量数据异常", e)        if hasattr(e,"code"):            print(e.code)        if hasattr(e,"reason"):            print(e.reason)        time.sleep(60)        #出现异常则过一段时间重新执行此部分        getpm25(city)    except Exception as e:        print("获取空气质量数据函数出现EXCEPTION！十秒钟后重试……")        print("Exception："+str(e))        get_exception("获取空气质量数据异常",e)        time.sleep(10)        # 出现异常则过一段时间重新执行此部分        getpm25(city)def writefiles_pm25(filename,datatime,pm25list):    try:        #将获取的数据写入文件中，数据分别为时间，AQI指数，PM2.5，PM10，CO，NO2，SO2，O3。（单位：μg/m3，CO为mg/m3）        with open("D:\mydata\data_pm25\data_pm25_"+filename+".txt","a",errors="ignore") as f:            f.write(str(datatime[0]))            f.write(",")            for pm25 in pm25list:                f.write(str(pm25))                f.write(",")            f.write("\n")        print("该条空气质量数据已添加到文件中！")    except Exception as e:        print("空气质量数据写入文件函数出现异常！将跳过此部分……")        print("Exception："+str(e))        traceback.print_exc()  #获得错误行数        get_exception("空气质量数据写入文件异常",e)        passdef getweather(city,datatime):    try:        #构建url        url="http://"+city+".tianqi.com/"        data=urllib.request.urlopen(url).read().decode("gbk")        #构建数据收集的表达式        data_weather='<li class="cDRed">(.*?)</li>'        data_wind='<li style="height:18px;overflow:hidden">(.*?)</li>'        data_temperature='<div id="rettemp"><strong>(.*?)°'        data_humidity='</strong><span>相对湿度：(.*?)</span>'        #寻找出所有的监测值        weatherlist=re.compile(data_weather,re.S).findall(data)        windlist=re.compile(data_wind,re.S).findall(data)        temperaturelist=re.compile(data_temperature,re.S).findall(data)        humiditylist=re.compile(data_humidity,re.S).findall(data)        #将其他值插入到天气列表中        weatherlist.append(windlist[0])        weatherlist.append(temperaturelist[0])        weatherlist.append(humiditylist[0])        print("天气状况，风向风速，实时温度，相对湿度：")        print(weatherlist)        #将获取到的值写入文件中        writefiles_weather(city,datatime,weatherlist)    except urllib.error.URLError as e:        print("获取天气状况数据出现URLERROR！一分钟后重试……")        get_exception("获取天气状况数据异常",e)        if hasattr(e,"code"):            print(e.code)        if hasattr(e,"reason"):            print(e.reason)        time.sleep(60)        #出现异常则过一段时间重新执行此部分        getweather(city,datatime)    except Exception as e:        print("获取天气状况数据出现EXCEPTION！十秒钟后重试……")        print("Exception："+str(e))        get_exception("获取天气状况数据异常",e)        time.sleep(10)        # 出现异常则过一段时间重新执行此部分        getweather(city,datatime)def writefiles_weather(filename,datatime,weatherlist):    try:        #将获取的数据写入文件中，数据分别为时间，天气状况，风向风速，实时温度，相对湿度。        with open("D:\mydata\data_weather\data_weather_"+filename+".txt","a",errors="ignore") as f:            f.write(str(datatime[0]))            f.write(",")            for weather in weatherlist:                f.write(str(weather))                f.write(",")            f.write("\n")        print("该条天气数据已添加到文件中！")    except Exception as e:        print("天气状况数据写入文件函数出现异常！将跳过此部分……")        print("Exception："+str(e))        traceback.print_exc()  #获得错误行数        get_exception("天气状况数据写入文件异常",e)        passdef get_exception(string,e):    with open("D:\mydata\Error.txt","a",errors="ignore") as f:        datetime=time.strftime('%Y-%m-%d %H:%M:%S',time.localtime(time.time()))        f.write(datetime+" 【"+string+"】"+str(e)+"\n")    print("异常信息已经写入文档！")#退出循环可用Ctrl+C键while True:    print("开始工作！")    get_pm25_and_weather("beijing")    get_pm25_and_weather("tianjin")    get_pm25_and_weather("shijiazhuang")    get_pm25_and_weather("taiyuan")    get_pm25_and_weather("jinan")    get_pm25_and_weather("shenyang")    get_pm25_and_weather("huhehaote")    get_pm25_and_weather("zhengzhou")    #每一小时执行一次    print("休息中……")    print("\n")    time.sleep(3600)

在上面的代码中，我们可以在后续的工作当中进行修改：

（1）对正则表达式进行简化。

（2）读取到的数据可以不写到文本文件中，而是直接写到数据库当中，方便后面的数据使用。

而且目前写文件存在这样一个问题：

这个问题只存在于天气情况写文件操作上，当天气情况得到以后，写文件却报错：

【天气状况数据写入文件异常】'NoneType' object is not subscriptable.

这个问题还不知道出现在哪里，不是总是出现，只是偶尔出现一次，感觉好奇怪+_+

后面我会看看对动态页面的爬取（使用到的工具是selenium+phantomJS），对博客进行更新。