1. 简介

接下来我将通过三篇文章介绍如何通过天气网 (weather.com.cn)爬取天气信息。本文将介绍爬取地区名称与地区ID的对应关系，为爬取天气信息打下基础。

您可以访问我的主页查看另外两篇文章。代码写不完了的博客代码写不完了擅长Python项目,python操作文件,系统环境配置,等方面的知识,代码写不完了关注pandas,python,django,pygame,spark,pip,virtualenv,numpy,flask领域.https://blog.csdn.net/spx_0108

2. 信息收集

（1）点击进入天气网的首页：

天气网

（2）随机搜索一个地区，进入到以下界面，注意URL：

再换一个地区，再次查看URL ：

两个地区天气的URL如下：

南京天气：http://www.weather.com.cn/weather1d/101190101.shtml

北京天气：http://www.weather.com.cn/weather1d/101010100.shtml

看的出来，每个地区对应着一个9位数的ID，只需要替换URL中的ID即可查看到对应地区的天气。打开开发者工具（这里我使用的是微软浏览器），刷新界面，查看资源加载情况：

（3）看到这个city.js的资源名，点进去看一下：

（4） 就是它了！响应的数据是地区名称和地区ID对应关系：

查看一下这个资源的标头信息：

3. 编写爬虫

（1）我们已经得到了地区名称与地区ID的请求URL，请求方法，请求头等信息，编写area_id_spider.py

'''
爬取地区名称与对应的id
'''

import json

import requests
import re

URL = 'https://j.i8tq.com/weather2020/search/city.js'

UA = {
        'Referer': 'http://www.weather.com.cn/',
        'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/114.0.0.0 Safari/537.36 Edg/114.0.1823.43'
      }

class GetAreaID():

    def get_area_id(self):

        areas = requests.get(url=URL, headers=UA)

        if areas.status_code == 200:
            areas.encoding = 'utf-8'
            # print(areas.text)
            # 使用正则表达式,匹配地区名称和地区ID
            matches = re.findall(r'"AREAID":\s*"(\d+)"\s*,\s*"NAMECN":\s*"([\u4e00-\u9fa5]+)"', areas.text)

            # 将匹配结果转换为字典
            result = {match[1]: match[0] for match in matches}

            # 保存匹配结果到json文件
            with open('../data/area_id.json', 'w', encoding='utf-8') as f:
                json.dump(result, f, indent=4, ensure_ascii=False)

            return "请到 data/area_id.json 文件里查看地区id"

        else:
            return "地区id信息爬取失败..."


if __name__ == '__main__':
    msg = GetAreaID().get_area_id()
    print(msg)

上述代码中保存到json文件的步骤，你需要修改为你保存的路径，以下是我的项目的结构：

4. 测试验证

（1）运行上面的爬虫程序，控制台输出：

（2）查看area_id.json文件：

至此，已完成收集该网站中地区与ID的对应关系！

Python爬虫-爬取天气信息(1)

1. 简介

2. 信息收集

3. 编写爬虫

4. 测试验证

猜你喜欢