python练习--天气信息抓取(1)
来源:互联网 发布:淘宝怎么进去卖家中心 编辑:程序博客网 时间:2024/04/19 07:49
一直想利用python做点小东西,但是又不熟悉,一直有个打算就是实现抓取天气信息,国庆节的今天最后一天,也算是对计划作个起步。
#!/usr/bin/env python#!encoding:utf-8#filename:weather2_try.pyimport urllib,requestsimport reimport sys,os#url = 'http://www.weather.com.cn/weather/101190401.shtml'url = 'http://www.weather.com.cn/weather/101190201.shtml' #抓取的页面地址page = requests.get(url)text = page.text #得到该页面并保存在text中#print textprint '*'* 50#district #地点获取tar0 = r'<\w\d>.*' #匹配地区信息的行,方便进行提取district = re.compile(tar0)dis = district.search(text) #搜寻匹配的行s0 = dis.group() #获得一个或多个分组截获的字符串print s0[4:6] #输出特定字符,即地区名字#date #日期获取tar2 = r'<td\s[a-z]{5}=.*'date = re.compile(tar2)time = date.search(text)s2 = time.group()t2 = s2.split('''"''')print t2[7],t2[8][1:6]#weather #天气获取tar3 = r'<td\s[a-z]{5}="\d\d%"><.*>'weat = re.compile(tar3)weather = weat.search(text)s3 = weather.group()t3 = s3.split(">")r = t3[2]print r[0:2]#运行结果如下:
Type "copyright", "credits" or "license()" for more information.>>> ================================ RESTART ================================>>> **************************************************常熟农历九月初三 7日星期一大雨>>> ================================ RESTART ================================>>> **************************************************无锡农历九月初三 7日星期一中到 #如果是进行字符提取会出现不全的情况,需要用正则匹配一步到位>>>
反正信息是可以提取出来了,外围设计及天气的信息,后续继续完成。
2013-10-8
进一步完善之:
#!/usr/bin/env python#!encoding:utf-8#filename:weather2_try.pyimport urllib,requestsimport reimport sys,osurl = 'http://www.weather.com.cn/weather/101190401.shtml'page = requests.get(url)text = page.textprint '*'*50#districttar0 = r'<title>(.*)<\/title>' #采用后向引用district = re.compile(tar0)dis = district.search(text)print dis.group(1) #取()中的内容
输出:
>>> ================================ RESTART ================================>>> **************************************************苏州天气预报-今日_明日_一周天气预报:8日星期二夜间至9日星期三白天 阵雨转多云 18/25℃ >>>
这样就避开了字符串处理的过程,防止字符位置改变引起程序修改麻烦。
2013-10-9:
如果要获取时间呢?
单独抓取时间
<div class="weatherMain"> <div class="weatherLeft"> <div class="weatherTop"> <h1 class="weatheH1" id="live"> 今天是2013年10月8日 星期二 农历九月初四 <!--today5--> <select class="weatherSelect" onchange="MM_jumpMenu('parent',this,0)"> <option>相关地区</option>
网页中的信息显示方式如上,正则表达式如何写?才能取出“今天是2013年10月8日 星期二 农历九月初四”
要直接取出来,尽量不要二次处理字符串。 <h1 class="weatheH1" id="live">这个可以取出,但是不晓得如何取下一行,并且是汉字,而且前面有空格
#!/usr/bin/env python#-*- coding: utf-8 -*-#filename:weather_1.pyimport urllib,requestsimport re,osurl = 'http://www.weather.com.cn/weather/101120201.shtml'page = requests.get(url)text = page.texttar1 = r'<h1[^>]+id="live">\s*([^<]+)\s*<' #这个正则如何分析呢?date = re.compile(tar1)dat = date.search(text)#dat = re.search(tar1, text, re.I) print dat.group(1)
>>> ================================ RESTART ================================>>> 今天是2013年10月9日 星期三 农历九月初五 >>>
输出基本满足要求,就是后面还有两行空白。
10-22 日补充
前面内容主要对正则表达式用法不了解,后来学习了下,再回来处理本问题,变得更简单些了,定位也可以更精准。
#!/usr/bin/env python#-*- coding: utf-8 -*-#filename:weather_listID.pyimport urllib,requestsimport re,osdef All_city(location_code,location):#get the city weather one by one url = 'http://www.weather.com.cn/weather/101' + location_code + '.shtml' page = requests.get(url) text = page.text tar0 = r'<title>(.*)-(.*)_(.*)_(.*):(.*)<\/title>' #采用后向引用 dis = re.compile(tar0).search(text) print dis.group(1) ,dis.group(5) #取()中的内容 print '\r'def One_example(): #get one of the page title weather tar0 = r'<title>(.*)-(.*)_(.*)_(.*):(.*)<\/title>' #采用后向引用 dis = re.compile(tar0).search(text) print dis.group(1) ,dis.group(5) #取()中的内容 def Date():#get the date of today tar1 = r'<h1[^>]+id="live">\s*([^<]+)\s*<' dat = re.search(tar1, text, re.I) print dat.group(1) url = 'http://www.weather.com.cn/weather/101190401.shtml'#获取任一指定页面的天气信息page = requests.get(url)text = page.text#get http list,then city code and city nametar9 = u'<li><span><a href="http://www.weather.com.cn/weather/101(.*)</a>'#获取101后面的城市代码及城市名字htt = re.compile(tar9).findall(text,re.M)length_list = len(htt)#获取得到的http list长度#print htt[1].encode('gbk')#打印乱码时启用Date()print '***********************'One_example()print '***********************'for i in range(1,length_list):#调用获取的http list,按照关键字进行依次分割,然后得到地区和地区代码 location = re.compile('\.shtml.*\">').split(htt[i]) print "CITY NAME: %s \t CITY CODE:%s " % (location[1],location[0]) All_city(location[0],location[1])#进行天气信息输出的函数调用,输出天气输出:
>>> ================================ RESTART ================================>>> 今天是2013年10月22日 星期二 农历九月十八#date的输出 ***********************苏州天气预报 22日星期二 多云 22/15℃ #抓取的其中一个例子,也是以此为基石展开的***********************CITY NAME: 石家庄 CITY CODE:090101 石家庄天气预报 22日星期二 多云 19/7℃ CITY NAME: 昆明 CITY CODE:290101 昆明天气预报 22日星期二 阵雨转中雨 17/13℃ CITY NAME: 济南 CITY CODE:120101 济南天气预报 22日星期二 晴转多云 22/11℃ CITY NAME: 西安 CITY CODE:110101 西安天气预报 22日星期二 晴 22/9℃ CITY NAME: 深圳 CITY CODE:280601 深圳天气预报 22日星期二 多云 29/21℃ CITY NAME: 武汉 CITY CODE:200101 武汉天气预报 22日星期二 多云 24/11℃ CITY NAME: 海口 CITY CODE:310101 海口天气预报 22日星期二 多云 28/23℃ CITY NAME: 哈尔滨 CITY CODE:050101 哈尔滨天气预报 22日星期二 雾转霾 10/4℃ CITY NAME: 三亚 CITY CODE:310201 三亚天气预报 22日星期二 多云 30/24℃
另外这个程序还被我用python mysetup.py py2exe打包成了windows下的可执行程序,也可以顺利执行,附图如下:
一个获取天气的方法基本成型,但是还有很多可以完善的地方,比如改成多线程,这样获取的更快,只抓取省会城市或者抓取包括县一级的天气,显示近3天,7天的天气,显示或提供指定城市的天气查询等,还可以有很多任务。
- python练习--天气信息抓取(1)
- Python爬虫学习,抓取网页上的天气信息
- Python urllib2实现抓取天气和世界时钟信息
- python脚本抓取天气信息并发给微信好友
- python抓取天气
- python3爬虫--抓取天气信息
- Python 抓取中国天气网天气数据
- 天气预报抓取天气信息模块实现(代码)
- 简单的Python抓取招聘网站信息(1)
- Python学习(从Web抓取信息)
- Python学习(从Web抓取信息)
- Python学习(从Web抓取信息)
- 利用Python获取天气信息
- Python爬取天气信息
- [Python]网页信息抓取
- python 页面信息抓取
- Python简单爬虫(爬取天气信息)
- 爬虫:抓取某年某月某日某地的天气信息
- HDU 1115 求多边形重心
- 《30天自制操作系统》读书笔记Day17
- Directx 3D编程实例:随机绘制的立体图案旋转
- UVALIVE 4819 最大流
- 源程序就是设计 ---By Jack Reeves
- python练习--天气信息抓取(1)
- 链接分析算法之:HITS算法
- Android 漫游之路------ListView入门、Layout的Inflater创建View对象、常用数据适配器
- Flash Builder 入门
- 利用条件运算符的嵌套来完成此题:学习成绩> =90分的同学用A表示,60-89分之间的用B表示,60分以下的用C表示。
- Computing Tangent Space Basis Vectors for an Arbitrary Mesh
- OpenCV学习--saturate_cast防止数据溢出
- 为什么相干光通信激光器相位噪声是服从维纳分布的?
- poj 2479 Maximum sum