python爬虫天气实例_Python爬虫 --- 2.4 Scrapy之天气预报爬虫实践
目的
写一个真正意义上一个爬虫,并将他爬取到的数据分别保存到txt、json、已经存在的mysql数据库中。
目标分析:
数据的筛选:
我们使用chrome开发者工具,模拟鼠标定位到相对应位置:
可以看到我们需要的数据,全都包裹在
里。 我们用bs4、xpath、css之类的选择器定位到这里,再筛选数据就行。 本着学习新知识的原则,文中的代码将会使用xpath定位。 这里我们可以这样:
response.xpath('//ul[@class="t clearfix"]')
Scrapy 框架的实施:
创建scrapy项目和爬虫:
$ scrapy startproject weather
$ cd weather
$ scrapy genspider HFtianqi www.weather.com.cn/weather/101220101.shtml
这样我们就已经将准备工作做完了。 看一下当前的目录:
├── scrapy.cfg
└── weather
├── __init__.py
├── __pycache__
│ ├── __init__.cpython-36.pyc
│ └── settings.cpython-36.pyc
├── items.py
├── middlewares.py
├── pipelines.py
├── settings.py
└── spiders
├── HFtianqi.py
├── __init__.py
└── __pycache__
└── __init__.cpython-36.pyc
4 directories, 11 files
编写items.py:
这次我们来先编写items,十分的简单,只需要将希望获取的字段名填写进去:
import scrapy
class WeatherItem(scrapy.Item):
# define the fields for your item here like:
# name = scrapy.Field()
date = scrapy.Field()
temperature = scrapy.Field()
weather = scrapy.Field()
wind = scrapy.Field()
编写Spider:
这个部分使我们整个爬虫的核心!!
主要目的是:
将Downloader发给我们的Response里筛选数据,并返回给PIPELINE处理。
下面我们来看一下代码:
# -*- coding: utf-8 -*-
import scrapy
from weather.items import WeatherItem
class HftianqiSpider(scrapy.Spider):
name = 'HFtianqi'
allowed_domains = ['www.weather.com.cn/weather/101220101.shtml']
start_urls = ['http://www.weather.com.cn/weather/101220101.shtml']
def parse(self, response):
'''
筛选信息的函数:
date = 日期
temperature = 当天的温度
weather = 当天的天气
wind = 当天的风向
'''
# 先建立一个列表,用来保存每天的信息
items = []
# 找到包裹着天气信息的div
day = response.xpath('//ul[@class="t clearfix"]')
# 循环筛选出每天的信息:
for i in list(range(7)):
# 先申请一个weatheritem 的类型来保存结果
item = WeatherItem()
# 观察网页,并找到需要的数据
item['date'] = day.xpath('./li['+ str(i+1) + ']/h1//text()').extract()[0]
item['temperature'] = day.xpath('./li['+ str(i+1) + ']/p[@class="tem"]/i/text()').extract()[0]
item['weather'] = day.xpath('./li['+ str(i+1) + ']/p[@class="wea"]/text()').extract()[0]
item['wind'] = day.xpath('./li['+ str(i+1) + ']/p[@class="win"]/em/span/@title').extract()[0] + day.xpath('./li['+ str(i+1) + ']/p[@class="win"]/i/text()').extract()[0]
items.append(item)
return items
编写PIPELINE:
我们知道,pipelines.py是用来处理收尾爬虫抓到的数据的, 一般情况下,我们会将数据存到本地:
文本形式: 最基本的存储方式
json格式 :方便调用
数据库: 数据量比较大时选择的存储方式
TXT(文本)格式:
import os
import requests
import json
import codecs
import pymysql
class WeatherPipeline(object):
def process_item(self, item, spider):
print(item)
# print(item)
# 获取当前工作目录
base_dir = os.getcwd()
# 文件存在data目录下的weather.txt文件内,data目录和txt文件需要自己事先建立好
filename = base_dir + '/data/weather.txt'
# 从内存以追加的方式打开文件,并写入对应的数据
with open(filename, 'a') as f:
f.write(item['date'] + '\n')
f.write(item['temperature'] + '\n')
f.write(item['weather'] + '\n')
f.write(item['wind'] + '\n\n')
return item
json格式数据:
我们想要输出json格式的数据,最方便的是在PIPELINE里自定义一个class:
class W2json(object):
def process_item(self, item, spider):
'''
讲爬取的信息保存到json
方便其他程序员调用
'''
base_dir = os.getcwd()
filename = base_dir + '/data/weather.json'
# 打开json文件,向里面以dumps的方式吸入数据
# 注意需要有一个参数ensure_ascii=False ,不然数据会直接为utf编码的方式存入比如:“/xe15”
with codecs.open(filename, 'a') as f:
line = json.dumps(dict(item), ensure_ascii=False) + '\n'
f.write(line)
return item
数据库格式(mysql):
Python对市面上各种各样的数据库的操作都有良好的支持, 但是现在一般比较常用的免费数据库mysql。
在本地安装mysql:
linux和mac都有很强大的包管理软件,如apt,brew等等,window 可以直接去官网下载安装包。
由于我是Mac,所以我是说Mac的安装方式了。
$ brew install mysql
在安装的过程中,他会要求你填写root用户的密码,这里的root并不是系统层面上的超级用户,是mysql数据库的超级用户。 安装完成后mysql服务是默认启动的, 如果重启了电脑,需要这样启动(mac):
$ mysql.server start
登录mysql并创建scrapy用的数据库:
# 登录进mysql
$ mysql -uroot -p
# 创建数据库:ScrapyDB ,以utf8位编码格式,每条语句以’;‘结尾
CREATE DATABASE ScrapyDB CHARACTER SET 'utf8';
# 选中刚才创建的表:
use ScrapyDB;
# 创建我们需要的字段:字段要和我们代码里一一对应,方便我们一会写sql语句
CREATE TABLE weather(
id INT AUTO_INCREMENT,
date char(24),
temperature char(24),
weather char(24),
wind char(24),
PRIMARY KEY(id) )ENGINE=InnoDB DEFAULT CHARSET='utf8'
来看一下weather表长啥样:
show columns from weather
或者:desc weather
安装Python的mysql模块:
pip install pymysql
最后我们编辑一下代码:
class W2mysql(object):
def process_item(self, item, spider):
'''
将爬取的信息保存到mysql
'''
# 将item里的数据拿出来
date = item['date']
temperature = item['temperature']
weather = item['weather']
wind = item['wind']
# 和本地的scrapyDB数据库建立连接
connection = pymysql.connect(
host='127.0.0.1', # 连接的是本地数据库
user='root', # 自己的mysql用户名
passwd='********', # 自己的密码
db='ScrapyDB', # 数据库的名字
charset='utf8mb4', # 默认的编码方式:
cursorclass=pymysql.cursors.DictCursor)
try:
with connection.cursor() as cursor:
# 创建更新值的sql语句
sql = """INSERT INTO WEATHER(date,temperature,weather,wind)
VALUES (%s, %s, %s, %s)"""
# 执行sql语句
# excute 的第二个参数可以将sql缺省语句补全,一般以元组的格式
cursor.execute(
sql, (date, temperature, weather, wind))
# 提交本次插入的记录
connection.commit()
finally:
# 关闭连接
connection.close()
return item
编写Settings.py
我们需要在Settings.py将我们写好的PIPELINE添加进去, scrapy才能够跑起来。
这里只需要增加一个dict格式的ITEM_PIPELINES, 数字value可以自定义,数字越小的优先处理。
BOT_NAME = 'weather'
SPIDER_MODULES = ['weather.spiders']
NEWSPIDER_MODULE = 'weather.spiders'
ROBOTSTXT_OBEY = True
ITEM_PIPELINES = {
'weather.pipelines.WeatherPipeline': 300,
'weather.pipelines.W2json': 400,
'weather.pipelines.W2mysql': 300,
}
让项目跑起来:
$ scrapy crawl HFtianqi
结果展示:
文本格式:
json格式:
数据库格式:
这次的例子就到这里了,主要介绍如何通过自定义PIPELINE来将爬取的数据以不同的方式保存。
相关文章和视频推荐
圆方圆学院汇集 Python + AI 名师,打造精品的 Python + AI 技术课程。 在各大平台都长期有优质免费公开课,欢迎报名收看。
公开课地址:https://ke.qq.com/course/362788
python爬虫天气实例_Python爬虫 --- 2.4 Scrapy之天气预报爬虫实践相关推荐
- python爬虫天气实例_Python爬虫实例扒取2345天气预报
寒假里学习了一下python爬虫,使用最简单的方法扒取需要的天气数据,对,没听错,最简单的方法.甚至没有一个函数封装.. 网址:http://tianqi.2345.com/wea_history/5 ...
- python爬虫天气数据_python爬虫:天气数据的分析
就在前几天还是二十多度的舒适温度,今天一下子就变成了个位数,小编已经感受到冬天寒风的无情了.之前对获取天气都是数据上的搜集,做成了一个数据表后,对温度变化的感知并不直观.那么,我们能不能用python ...
- python爬虫天气实例scrapy_python爬虫之利用scrapy框架抓取新浪天气数据
scrapy中文官方文档:点击打开链接 Scrapy是Python开发的一个快速.高层次的屏幕抓取和web抓取框架,用于抓取web站点并从页面中提取结构化的数据.Scrapy用途广泛,可以用于数据挖掘 ...
- python闭包应用实例_Python中的闭包详细介绍和实例
一.闭包 来自wiki: 闭包(Closure)是词法闭包(Lexical Closure)的简称,是引用了自由变量的函数.这个被引用的自由变量将和这个函数一同存在,即使已经离开了创造它的环境也不例外 ...
- python接口脚本实例_python图形用户接口实例详解
本文实例为大家分享了python图形用户接口实例的具体代码,供大家参考,具体内容如下 运用tkinter图形库,模拟聊天应用界面,实现信息发送. from tkinter import * impor ...
- python温度转换实例_Python温度转换实例分析
Python温度转换实例分析 本文主要研究的是Python语言实现温度转换的相关实例,具体如下. 代码如下: #TempConvert.py val=input("请输入带有温度表示符号的温 ...
- python爬虫应用实例_Python爬虫进阶必备 | 一个典型的 AES 加密在爬虫中的应用案例...
一个典型的AES案例 AES 的案例之前有推荐大家关于 AES 加密的案例文章,不少朋友问我加密解决了有什么用? 最大的用途当然就是不用模拟请求,大大提高了爬取效率. 可能之前举例都是使用的 AES ...
- python 爬网站 实例_python爬虫实战:之爬取京东商城实例教程!(含源代码)
前言: 本文主要介绍的是利用python爬取京东商城的方法,文中介绍的非常详细,下面话不多说了,来看看详细的介绍吧. 主要工具 scrapy BeautifulSoup requests 分析步骤 1 ...
- python爬虫天气数据_Python爬取真气网天气数据
使用工具:pycharm,Chrome driver 使用库:selenium 前言: 我们无时无刻不在呼吸着周围的空气, 可身边的空气质量怎样呢? 嗯~~~ 大多数人会沉思一会儿, 最后还是会说:不 ...
最新文章
- 关于ASP.NET MVC的一些工作中遇到的问题
- php安全配置总结,php安全配置详细说明(1/2)_PHP教程
- vue改变页面顶部浏览器标题栏图标
- 20220208--CTF MISC--两道简单的MISC题目
- Codeforces Round #114 (Div. 2)
- neo4j python_Python 操作 Neo4j 数据库!
- [数据库]oracle导出数据库
- 落实业务服务管理从基础设施管理做起
- 广芯微电子产品使用笔记分享
- 【MySQL】MySQL安装图解
- 《路由器开发 - 路由器刷机指南》优酷路由宝 YK-L1刷机
- 简易命令行界面的C/S聊天室
- 学大伟业 Day 5 培训总结
- 中文字体设置fontFamily无效
- SANGFOR V批N_v7.0如何开启硬件特征码认证
- python爬取百度百科保存scv
- [2021绿城杯] [Misc] 流量分析 + cobaltstrike 流量解密
- 【阅读笔记】Taro转小程序编译源码解析
- 图片马 php 菜刀,图片马的制作以及菜刀的使用
- java 金额千位用逗号隔开_金额格式化 处理千分位 金额逗号,隔开
热门文章
- 2023最新SSM计算机毕业设计选题大全(附源码+LW)之java班级事务管理系统n2tzw
- 【Android工具】手机屏幕录制并转换成GIF
- Linus,一生只为寻找欢笑(上)
- 鸟笼山剿匪记(爆笑)4铃声 鸟笼山剿匪记(爆笑)4手机铃声免...
- 小米刚出的刷脸手机Note 3,刷的是便捷还是危险?
- Creative Commons(知识共享)
- 货币政策,美联储又双叒加息了,对我们的生活有什么影响?
- Java 初学万年日历
- 深度学习——Face Verificaton(人脸验证)与Face Recognition(人脸识别)在FaceNet的应用案例
- java读取文件目录返回树形结构