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.py
import urllib,requests
import re
import 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 text
print '*'* 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.py
import urllib,requests
import re
import sys,os
url = 'http://www.weather.com.cn/weather/101190401.shtml'
page = requests.get(url)
text = page.text
print '*'*50
#district
tar0 = 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" οnchange="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.py
import urllib,requests
import re,os
url = 'http://www.weather.com.cn/weather/101120201.shtml'
page = requests.get(url)
text = page.text
tar1 = 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.py
import urllib,requests
import re,os
def 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 name
tar9 = 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。
本文来自博客园,作者:{Julius},转载请注明原文链接:https://www.cnblogs.com/bestechshare/p/16447768.html
可微信加我,了解更多,WeChat:{KingisOK}