本站消息
Python爬取180天的天气信息及数据分析
发布于2023-06-20 21:39 阅读(860) 评论(0) 点赞(29) 收藏(2)
Python爬取180天的天气信息及数据分析
前言
这篇文章记录以下两点：
1.获取天气信息的方法和步骤以及遇到的问题和改进方法
2.获取到天气信息后进行数据清洗和可视化展示
总的来说，就是将网站中的天气信息通过爬虫技术保存在文件中，再通过对文件中的文本数据进行处理后用图表方式展现出来。
一、爬虫部分
1.选定网址
（1）网址选择
- 因为要对网站内的数据进行获取，第一步就是要找到存在对应信息的网址，这里选择一个天气网站
- 通过robots协议可知，该网站可以进行爬虫爬取
（2）分析
- 主页网站并没有需要的大量天气信息；
- 思考：我们想要获取天气信息应该是针对某一城市的某些天；
- 在主页中找到该网址（这里以成都的天气为例）：xxx/weather40d/101270101.shtml
- 通过该网站发现，当点击40天的天气信息时，网址URL的第一个路径为weather40d；
- 点击其他选项卡，不难发现，依次为：今天（1d），7天（无，这里需要避坑），8-15天（15d）；
- 除此之外，尾部路径的数字101270101代表的是成都市；101110101代表西安市；
2.获取成都7天的天气信息
（1）请求成都最近7天天气信息的网站
- 首先请求，看是否正常
# coding:utf-8
import requests
def get_data(url):
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36"
}
r = requests.get(url=url,headers=headers)
if r.status_code == 200:
print('请求成功')
else:
print('请求失败')
URL = 'http://www.weather.com.cn/weather7d/101270101.shtml'
get_data(URL)
- 下面图片为输出结果，说明该网站可以正常请求访问
- 目前看来没有问题，开始准备获取成都最近7天的天气信息
（2）获取成都7天的天气信息
我们发现天气信息是保存在网页源代码里，只需要获取网页源代码后进行解析即可获取到数据
a.通过text方法获取网页源代码
# coding:utf-8
import requests
def get_data(url):
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36"
}
r = requests.get(url=url, headers=headers)
if r.status_code == 200:
# 设置编码格式
r.encoding = 'UTF-8'
# 通过text方法返回网页源码
return r.text
else:
return '请求失败'
URL = 'http://www.weather.com.cn/weather7d/101270101.shtml'
print(get_data(URL))
b.解析网页源码
- 显然，需要的信息在类名为c7d、id名为7d的div标签下，它里面只有一个ul标签（该标签为列表标签），ul标签里有需要的7天的天气信息，为7个li标签；
- 总的来说，只需要找到id名为7d的div标签，便可找到天气信息，紧接着找到ul标签，遍历其中的li标签，提取信息即可。
c.获取数据
URL = 'http://www.weather.com.cn/weather/101270101.shtml'
# 调用函数获取网页源代码
html_code = get_data(URL)
soup = BeautifulSoup(html_code, "html.parser")
div = soup.find("div", id="7d")
# 获取div标签，下面这种方式也可以
# div = soup.find('div', attrs={'id': '7d', 'class': 'c7d'}) # div
ul = div.find("ul") # ul
lis = ul.find_all("li") # li
# 此行为该网站更新信息时间
# print(soup.find("div", id='around').find("h1").find("i").text)
li_today = lis[0]
# 发现在晚上访问该网站，今日的天气是没有最高气温，需要手动添加，无法遍历添加
weather_list = []
weather = []
# 添加今天的数据
date_today = li_today.find('h1').text # 日期
wea_today = li_today.find('p', class_="wea").text # 天气
tem_h_today = 'NONE'
tem_l_today = li_today.find('p', class_="tem").find("i").text # 温度最低
spans_today = li_today.find('p', attrs={"class": "win"}).find_all("span")
win1_today = '' # 风向
for s in spans_today:
win1_today += s.get('title') + '且'
win2_today = li_today.find('p', attrs={"class": "win"}).find("i").text # 风力
weather_today = [date_today, wea_today, tem_h_today, tem_l_today, win1_today + win2_today]
weather_all = []
# 添加剩下6天的数据
for li in lis[1:]:
date = li.find('h1').text # 日期
wea = li.find('p', class_="wea").text # 天气
tem_h = li.find('p', class_="tem").find("span").text # 温度最高
tem_l = li.find('p', class_="tem").find("i").text # 温度最低
spans = li.find('p', attrs={"class": "win"}).find("span") # 此处不需要find_all
win1 = spans.get('title') + '且' # 风向
win2 = li.find('p', attrs={"class": "win"}).find("i").text # 风力
weather = [date, wea, tem_h, tem_l, win1 + win2]
weather_all.append(weather)
# 插入首天数据
weather_all.insert(0, weather_today)
print(weather_all)
- 通过以上方式，便可得到7天的数据。
3.获取成都40天的天气信息
（1）分析网站
- 7天的天气信息过少，需要获取更多数据；
- 此刻，以获取7天天气信息的方式去获取40天天气信息时，发现，并没有需要的天气信息；
- 经过对比，在网页的检查功能中，可以找到天气信息，但是在网页源代码中并没有该数据；
- 下图为检查功能中的天气信息：
- 下图为网页源代码中的天气：
- 对比发现，所需的天气信息，在网页源代码中是空白，我们便知此处是由动态网页生成，那就需要找到动态网页中保存数据的文件。
（2）动态网页的数据
- 一般来说，动态网页的数据保存在网页文件夹里的JSON文件中，只需要找到该文件即可；
- 依旧在审查元素(右键检查)里，找到Network；
- 刚点进去是一片空白，因为该网页已经渲染完毕，只需要刷新即可重新渲染
- 继续通过XHR过滤器寻找JSON文件，是一片空白
- 继续通过JS过滤器寻找，发现了所需的文件
（3）尝试获取动态网页数据
- 需要在headers找到重新请求的网站；
# coding:utf-8
import requests
def get_data(web_url):
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/94.0.4606.81 Safari/537.36"
}
r = requests.get(url=web_url, headers=headers)
if r.status_code == 200:
# 返回响应对象中JSON解码的数据内容
weather_data = r.json()
return weather_data
else:
return '请求失败！'
url = 'http://d1.weather.com.cn/calendar_new/2022/101270101_202207.html'
data = get_data(url)
print(data)
- 通过上述方法，并不能请求成功，发现错误代码403
a.测试1：使用随机用户代理（此方法失败）
# coding:utf-8
import requests
import random
def get_data(web_url):
my_headers = [
"Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.153 Safari/537.36",
"Mozilla/5.0 (Windows NT 6.1; WOW64; rv:30.0) Gecko/20100101 Firefox/30.0",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.75.14 (KHTML, like Gecko) Version/7.0.3 Safari/537.75.14",
"Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Win64; x64; Trident/6.0)",
'Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11',
'Opera/9.25 (Windows NT 5.1; U; en)',
'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)',
'Mozilla/5.0 (compatible; Konqueror/3.5; Linux) KHTML/3.5.5 (like Gecko) (Kubuntu)',
'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.8.0.12) Gecko/20070731 Ubuntu/dapper-security Firefox/1.5.0.12',
'Lynx/2.8.5rel.1 libwww-FM/2.14 SSL-MM/1.4.1 GNUTLS/1.2.9',
"Mozilla/5.0 (X11; Linux i686) AppleWebKit/535.7 (KHTML, like Gecko) Ubuntu/11.04 Chromium/16.0.912.77 Chrome/16.0.912.77 Safari/535.7",
"Mozilla/5.0 (X11; Ubuntu; Linux i686; rv:10.0) Gecko/20100101 Firefox/10.0 "
]
random_header = random.choice(my_headers)
headers = {
'User-Agent': random_header
}
r = requests.get(url=web_url, headers=headers)
if r.status_code == 200:
# 返回响应对象中JSON解码的数据内容
html_data = r.json()
return html_data
else:
return '爬取失败！'
url = 'http://d1.weather.com.cn/calendar_new/2022/101270101_202207.html'
data = get_data(url)
print(data)
- 依旧失败
b.测试2：设置headers参数（此方法成功）
- 不难发现，headers中有个Referer参数，该参数说明：当前网址是由此参数对应值所包含的网站跳转过来，为了防止恶意请求，添加上该参数，便可正常请求了
# coding:utf-8
import requests
import random
import json
def get_data(web_url):
my_headers = [
"Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.95 Safari/537.36",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/35.0.1916.153 Safari/537.36",
"Mozilla/5.0 (Windows NT 6.1; WOW64; rv:30.0) Gecko/20100101 Firefox/30.0",
"Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.75.14 (KHTML, like Gecko) Version/7.0.3 Safari/537.75.14",
"Mozilla/5.0 (compatible; MSIE 10.0; Windows NT 6.2; Win64; x64; Trident/6.0)",
'Mozilla/5.0 (Windows; U; Windows NT 5.1; it; rv:1.8.1.11) Gecko/20071127 Firefox/2.0.0.11',
'Opera/9.25 (Windows NT 5.1; U; en)',
'Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; .NET CLR 1.1.4322; .NET CLR 2.0.50727)',
'Mozilla/5.0 (compatible; Konqueror/3.5; Linux) KHTML/3.5.5 (like Gecko) (Kubuntu)',
'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.8.0.12) Gecko/20070731 Ubuntu/dapper-security Firefox/1.5.0.12',
'Lynx/2.8.5rel.1 libwww-FM/2.14 SSL-MM/1.4.1 GNUTLS/1.2.9',
"Mozilla/5.0 (X11; Linux i686) AppleWebKit/535.7 (KHTML, like Gecko) Ubuntu/11.04 Chromium/16.0.912.77 Chrome/16.0.912.77 Safari/535.7",
"Mozilla/5.0 (X11; Ubuntu; Linux i686; rv:10.0) Gecko/20100101 Firefox/10.0 "
]
random_header = random.choice(my_headers)
# 获取随机headers
headers = {
"Referer": "http://www.weather.com.cn/",
'User-Agent': random_header
}
r = requests.get(url=web_url, headers=headers)
if r.status_code == 200:
content = r.content.decode(encoding='utf-8')
# 此json文件中前面有变量名，剔除变量名，只要后面的数组数据
weathers = json.loads(content[11:])
return weathers
else:
return '爬取失败！'
url = 'http://d1.weather.com.cn/calendar_new/2022/101270101_202207.html'
data = get_data(url)
print(data)
- 仔细观察，此URL末尾便是对应年月，于是只需要修改末尾的年月数据，便可获取大量天气信息；
4.获取成都180天的天气数据
def get_y_m_url():
# 定义列表url_list
url_list = []
# 使用format功能构造每月数据的url
for month_2022 in range(1, 7):
url_2022 = 'http://d1.weather.com.cn/calendar_new/2022/101270101_20220{}.html'.format(month_2022)
# 保存多月数据的url到列表url_list中
url_list.append(url_2022)
return url_list
url_list_all = get_y_m_url()
# for循环遍历列表url_list
for url in url_list_all:
# 调用函数get_data获取每月数据
weather_data = get_data(url)
# 打印输出每月数据
print(weather_data)
二、数据处理及可视化展示
1.分析数据
- 首先分析第一个月的数据，其实只需要的是日期、降雨概率、最高温度、最低温度；
2.获取数据
（1）获取一个月数据并处理
- 获取一个月的数据进行整理
# 创建空列表保存天气数据列表
weather_info = []
url = 'http://d1.weather.com.cn/calendar_new/2022/101110801_202206.html'
# 调用函数进行数据获取
weather_data = get_data(url)
for every_day_weather in weather_data:
# 日期
date = every_day_weather['date']
# 降雨概率
rainfall_probability = every_day_weather['hgl']
# 最高温
tem_max = every_day_weather['hmax']
# 最低温
tem_min = every_day_weather['hmin']
# 将以上四个数据保存在字典里，为一天的数据
one_day_weahther = {'date': date, 'rainfall_probability': rainfall_probability, 'tem_max': tem_max,'tem_min': tem_min}
# 将每天的数据保存在列表里
weather_info.append(one_day_weahther)
print(weather_info)
- 下图为获取到的1个月的天气信息
（2）处理180天数据
# 创建空列表保存天气数据列表
weather_info = []
# for循环遍历列表url_list
for url in url_list_all:
# 调用函数get_data获取每月数据
weather_data = get_data(url)
for every_day_weather in weather_data:
# 日期
date = every_day_weather['date']
# 降雨概率
rainfall_probability = every_day_weather['hgl']
# 最高温
tem_max = every_day_weather['hmax']
# 最低温
tem_min = every_day_weather['hmin']
# 将以上四个数据保存在字典里，为一天的数据
one_day_weahther = {'date': date, 'rainfall_probability': rainfall_probability, 'tem_max': tem_max,'tem_min': tem_min}
# 将每天的数据保存在列表里，同时去重
if one_day_weahther not in weather_info:
weather_info.append(one_day_weahther)
3.保存数据
- 将180天的数据信息以CSV格式保存下来
# 保存天气数据到CSV文件
def save_csv(weather_data):
# 打开文件
csv_file = open('weather_info.csv', 'w', encoding='UTF-8-SIG', newline='\n')
# 设置表头信息fieldnames=['date', 'rainfall_probability', 'tem_max', 'tem_min']
fieldnames = ['date', 'rainfall_probability', 'tem_max', 'tem_min']
# 创建DictWriter对象,并返回给变量dict_writer
dict_writer = csv.DictWriter(csv_file, fieldnames=fieldnames)
# 使用writeheader功能写入表头信息
dict_writer.writeheader()
# 使用writerows功能写入多行数据
dict_writer.writerows(weather_data)
# 关闭文件
csv_file.close()
save_csv(weather_info_final)
4.天气信息可视化展示
（1）成都——深圳平均温度对比图
line = (
Line(
init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_duration=5000),
bg_color='rgba(255,250,205,0.2)',
width='1000px',
height='600px',
page_title='成都——深圳平均天气对比图',
# 设置主题
theme=ThemeType.MACARONS
)
)
.add_xaxis(xaxis_data=x)
.add_yaxis(series_name="成都", y_axis=y_cd, is_smooth=True)
.add_yaxis(series_name="深圳", y_axis=y_sz, is_smooth=True)
.set_global_opts(title_opts=opts.TitleOpts(title="成都——深圳平均温度对比图"),
xaxis_opts=opts.AxisOpts(name='年月'),
yaxis_opts=opts.AxisOpts(name='温度 单位：℃'), )
.render('compare_average_tem.html')
)
（2）成都——深圳最高温度对比图
import csv
import pyecharts.options as opts
from pyecharts.charts import Line
import numpy
line = (
Line(
init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_duration=5000),
bg_color='rgba(255,250,205,0.2)',
width='1000px',
height='600px',
page_title='成都——深圳最高温度对比图',
theme=ThemeType.ROMANTIC
)
)
.add_xaxis(xaxis_data=x)
.add_yaxis(series_name="成都", y_axis=y_cd, is_smooth=True)
.add_yaxis(series_name="深圳", y_axis=y_sz, is_smooth=True)
.set_global_opts(title_opts=opts.TitleOpts(title="成都——深圳最高温度对比图"),
xaxis_opts=opts.AxisOpts(name='年月'),
yaxis_opts=opts.AxisOpts(name='温度 单位：℃'), )
.render('compare_max_tem.html')
)
（3）成都——深圳最低温度对比图
import csv
import pyecharts.options as opts
from pyecharts.charts import Line
import numpy
line = (
Line(
init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_duration=5000),
bg_color='rgba(255,250,205,0.2)',
width='1000px',
height='600px',
page_title='成都——深圳最低温度对比图',
theme=ThemeType.WESTEROS
)
)
.add_xaxis(xaxis_data=x)
.add_yaxis(series_name="成都", y_axis=y_cd, is_smooth=True)
.add_yaxis(series_name="深圳", y_axis=y_sz, is_smooth=True)
.set_global_opts(title_opts=opts.TitleOpts(title="成都——深圳最低温度对比图"),
xaxis_opts=opts.AxisOpts(name='年月'),
yaxis_opts=opts.AxisOpts(name='温度 单位：℃'), )
.render('compare_min_tem.html')
)
（4）成都——深圳温度区间天数图
import csv
from pyecharts.globals import ThemeType
import pyecharts.options as opts
from pyecharts.charts import Bar
import pandas as pd
bar = (
Bar(
# 设置果冻特效动画
init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_delay=500, animation_easing="elasticOut"),
bg_color='rgba(255,250,205,0.2)',
width='1000px',
height='600px',
page_title='成都——深圳温度区间天数图',
theme=ThemeType.INFOGRAPHIC
)
)
.add_xaxis(xaxis_data=x)
.add_yaxis(series_name="成都", y_axis=cd_max_count)
.add_yaxis(series_name="深圳", y_axis=sz_max_count)
.set_global_opts(title_opts=opts.TitleOpts(title="成都——深圳温度区间天数图"),
xaxis_opts=opts.AxisOpts(name='温度区间'),
yaxis_opts=opts.AxisOpts(name='天数 单位：天'), )
.render('compare_tem_count.html')
)
（5）成都半年每日最高温度占比
pie = (
Pie(
# 设置果冻特效动画
init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_delay=500, animation_easing="elasticOut"),
bg_color='rgba(255,250,205,0.2)',
width='1000px',
height='600px',
page_title='成都半年每日最高温度占比',
# theme=ThemeType.INFOGRAPHIC
)
)
.add('成都180天高温温度占比',
list(zip(attr_tem_interval, cd_max_count)),
)
.set_global_opts(title_opts=opts.TitleOpts(title="成都半年每日最高温度占比"),
legend_opts=opts.LegendOpts(pos_left='center'
, pos_bottom='bottom'
, orient="horizontal"
)
)
# a:系列名称（标题），b:数据项名称，c:数值，d:百分比
.set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c}天({d}%)'))
# 设置每块区域的颜色
.set_colors(['#00FFFF', '#00BFFF', '#FFD700', '#FFA500', '#FF0000'])
.render('cd_tem_pie.html')
)
（6）成都半年每日最高温度占比——南丁格尔图
pie = (
Pie(
# 设置果冻特效动画
init_opts=opts.InitOpts(animation_opts=opts.AnimationOpts(animation_delay=500, animation_easing="elasticOut"),
bg_color='rgba(255,250,205,0.2)',
width='1000px',
height='600px',
page_title='成都半年每日最高温度占比——南丁格尔图',
# theme=ThemeType.INFOGRAPHIC
)
)
.add('成都180天高温温度占比',
list(zip(attr_tem_interval, cd_max_count)),
# 是否展示成南丁格尔图，通过半径区分数据大小。可选择两种模式：
# 'radius' 扇区圆心角展现数据的百分比，半径展现数据的大小。
# 'area' 所有扇区圆心角相同，仅通过半径展现数据大小。
rosetype="radius",
# 饼图的半径，数组的第一项是内半径，第二项是外半径（如果两项均设置则为环状图）
# 默认设置成百分比，相对于容器高宽中较小的一项的一半
radius="55%",
# 饼图的中心（圆心）坐标，数组的第一项是横坐标，第二项是纵坐标
# 默认设置成百分比，设置成百分比时第一项是相对于容器宽度，第二项是相对于容器高度
center=["50%", "50%"],
)
.set_global_opts(title_opts=opts.TitleOpts(title="成都半年每日最高温度占比——南丁格尔图"),
legend_opts=opts.LegendOpts(pos_left='center'
, pos_bottom='bottom'
, orient="horizontal"
)
)
# a:系列名称（标题），b:数据项名称，c:数值，d:百分比
.set_series_opts(label_opts=opts.LabelOpts(formatter='{b}:{c}天({d}%)'))
# 设置每块区域的颜色
.set_colors(['#00FFFF', '#00BFFF', '#FFD700', '#FFA500', '#FF0000'])
.render('cd_tem_pie_coxcomb.html')
)
若本篇内容对您有所帮助，请三连点赞，关注，收藏支持下。
创作不易，白嫖不好，各位的支持和认可，就是我创作的最大动力，我们下篇文章见！
圈圈仔OvO | 文
如果本篇博客有任何错误，请批评指教，不胜感激 ！
原文链接:https://blog.csdn.net/m0_47258632/article/details/125982902
所属网站分类: 技术文章 > 博客
作者：php码农的美好生活
链接：http://www.phpheidong.com/blog/article/546637/8eefea6cbca0446c49ca/
来源：php黑洞网
任何形式的转载都请注明出处,如有侵权 一经发现 必将追究其法律责任
29
0
收藏该文
昵称:
评论内容：(最多支持255个字符)
---无人问津也好，技不如人也罢，你都要试着安静下来，去做自己该做的事，而不是让内心的烦躁、焦虑，坏掉你本来就不多的热情和定力
程序员的那些事(new)
电子书(new)
博客(new)
视频教程(new)
问答(new)
游戏(new)