目标网址:
空气质量历史数据
1、修改爬虫原因:网址针对爬虫作了防范措施,直接爬取很难奏效。
2、google 的webdriver难以get内容,也许是网站针对性的进行了防范
思路:
1、利用Cenenium+PlatformJS 模拟浏览器请求一个页面
2、Pandas里面的read_html函数读取页面中的表格数据
环境:
python3.6+Cenenium+PlatformJS,安装过程略
代码:
# coding:utf-8
import time
from urllib import parseimport pandas as pdfrom selenium import webdriverdriver = webdriver.PhantomJS('D:\\webdriver\\phantomjs-2.1.1-windows\\bin\\phantomjs.exe')base_url = 'https://www.aqistudy.cn/historydata/daydata.php?city='def get_month_set():
month_set = list()
for i in range(1, 10):
month_set.append(('2014-0%s' % i))
for i in range(10, 13):
month_set.append(('2014-%s' % i))
for i in range(1, 10):
month_set.append(('2015-0%s' % i))
for i in range(10, 13):
month_set.append(('2015-%s' % i))
for i in range(1, 10):
month_set.append(('2016-0%s' % i))
for i in range(10, 13):
month_set.append(('2016-%s' % i))
for i in range(1, 10):
month_set.append(('2017-0%s' % i))
for i in range(10, 13):
month_set.append(('2017-%s' % i))
return month_setdef get_city_set():
str_file = r'city.txt'
fp = open(str_file,'rb')
city_set = list()
for line in fp.readlines():
city_set.append(str(line.strip(),encoding='utf-8'))
return city_setmonth_set = get_month_set()
city_set = get_city_set()for city in city_set:
file_name = city + '.csv'
fp = open(file_name, 'w')
fp.write('%s,%s,%s,%s,%s,%s,%s,%s,%s\n'%('date','AQI','grade','PM25','PM10','SO2','CO','NO2','O3_8h'))#表头for i in range(len(month_set)):
str_month = month_set[i]
weburl = ('%s%s&month=%s' % (base_url, parse.quote(city), str_month))driver.get(weburl)
dfs = pd.read_html(driver.page_source,header=0)[0]
time.sleep(1)#防止页面一带而过,爬不到内容for j in range(0,len(dfs)):
date = dfs.iloc[j,0]
aqi = dfs.iloc[j,1]
grade = dfs.iloc[j,2]
pm25 = dfs.iloc[j,3]
pm10 = dfs.iloc[j,4]
so2 = dfs.iloc[j,5]
co = dfs.iloc[j,6]
no2 = dfs.iloc[j,7]
o3 = dfs.iloc[j,8]
fp.write(('%s,%s,%s,%s,%s,%s,%s,%s,%s\n' % (date,aqi,grade,pm25,pm10,so2,co,no2,o3)))
print('%d---%s,%s---DONE' % (city_set.index(city), city, str_month))
fp.close()
driver.quit()
print ('爬虫已经爬完!请检测!')
【20180213 爬虫爬取空气质量数据】参考:
杜雨大神python教程
最初版本爬虫代码,已失效
https://github.com/Yinghsusong/aqistudy
推荐阅读
- 推荐系统论文进阶|CTR预估 论文精读(十一)--Deep Interest Evolution Network(DIEN)
- Python专栏|数据分析的常规流程
- Python|Win10下 Python开发环境搭建(PyCharm + Anaconda) && 环境变量配置 && 常用工具安装配置
- Python绘制小红花
- Pytorch学习|sklearn-SVM 模型保存、交叉验证与网格搜索
- OpenCV|OpenCV-Python实战(18)——深度学习简介与入门示例
- python|8. 文件系统——文件的删除、移动、复制过程以及链接文件
- 爬虫|若想拿下爬虫大单,怎能不会逆向爬虫,价值过万的逆向爬虫教程限时分享
- 分布式|《Python3网络爬虫开发实战(第二版)》内容介绍
- java|微软认真聆听了开源 .NET 开发社区的炮轰( 通过CLI 支持 Hot Reload 功能)