2345天气王--历史天气数据的爬取

2345天气王网站首页
eg. 北京历史数据

实例：爬取北京，西安，昆明三个城市，2015-2018年的每日天气数据，字段包含：日期，最高温度，最低温度，风向，风力，天气，aqi，aqiInfo，aqiLevel。

值得注意的是，2016年以前的数据不包含aqi，aqiInfo，aqiLevel三项。

直接上代码

import requests
import pandas as pd
import re
months = [1,2,3,4,5,6,7,8,9,10,11,12]
years = [2015,2016,2017,2018]
citys = [54511,57036,56778] # 北京，西安，昆明
index_ = ['MaxTemp','MinTemp', 'WindDir', 'Wind', 'Weather','Aqi','AqiInfo','AqiLevel']
# 选取的气象要素
data = pd.DataFrame(columns=index_)
# 建立一个空dataframe
for c in citys:
for y in years:
for m in months:
# 找到json格式数据的url
if (y<2017) or (y==2017)&(m<=11):
url = "http://tianqi.2345.com/t/wea_history/js/"+str(c)+"_"+str(y)+str(m)+".js" # ?qq-pf-to=pcqq.c2c
else:
url = "http://tianqi.2345.com/t/wea_history/js/"+str(y)+str(m).zfill(2)+"/"+str(c)+"_"+str(y)+str(m).zfill(2)+".js"
print(url)
response = requests.get(url=url)
if response.status_code == 200:
# 防止url请求无响应
response2 = response.text.replace("'", '"')
# 这一步可以忽略
#
利用正则表达式获取各个气象要素（方法不唯一）
date = re.findall("[0-9]{4}-[0-9]{2}-[0-9]{2}", response2)[:-2]
mintemp = re.findall('yWendu:"(.*?)℃', response2)
maxtemp = re.findall('bWendu:"(.*?)℃', response2)
winddir = re.findall('fengxiang:"([u4E00-u9FA5]+)',response2)
wind = re.findall('fengli:"([u4E00-u9FA5]+)',response2)
weather = re.findall('tianqi:"([[u4E00-u9FA5]+)~?', response2)
aqi = re.findall('aqi:"(d*)',response2)
aqiInfo = re.findall('aqiInfo:"([u4E00-u9FA5]+)',response2)
aqiLevel = re.findall('aqiLevel:"(d*)',response2)
data_spider = pd.DataFrame([maxtemp,mintemp, winddir, wind, weather,aqi,aqiInfo,aqiLevel]).T
data_spider.columns = index_
# 修改列名
data_spider.index = date
# 修改索引
data = pd.concat((data,data_spider), axis=0)
# 数据拼接
print('%s年%s月的数据抓取成功' % (y, m))
else:
print('%s年%s月的数据不存在' % (y, m))
break
data.to_excel('weatherdata.xlsx')
print('爬取数据展示：n', data)

写给自己：
1. 正则表达式需要学习
2. 学习如何爬取翻页时url不变的网页

最后

以上就是鳗鱼书包为你收集整理的2345天气王--历史天气数据的爬取的全部内容，希望文章能够帮你解决2345天气王--历史天气数据的爬取所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。