同學(xué)們！歡迎大家來(lái)到馬哥自學(xué)Python編程教室，在上一講我們已經(jīng)可以查天氣了，但是是不是有人對(duì)城市代碼的查詢還感到不滿意呢?今天我們就這里的內(nèi)容再跟大家深入講解一下，了解一下城市代碼的抓取過(guò)程，也會(huì)讓你對(duì)網(wǎng)頁(yè)抓取有更深的理解哦。

天氣網(wǎng)的城市代碼信息結(jié)構(gòu)比較復(fù)雜，所有代碼按層級(jí)放在了很多xml為后綴的文件中。而這些所謂的“xml”文件又不符合x(chóng)ml的格式規(guī)范，導(dǎo)致在瀏覽器中無(wú)法顯示，給我們的抓取又多加了一點(diǎn)難度。

首先，抓取省份的列表：

url1 = 'http://m.weather.com.cn/data5/city.xml' 
content1 = urllib2.urlopen(url1).read() 
provinces = content1.split(',')

輸出content1可以查看全部省份代碼：

01|北京,02|上海,03|天津,...

對(duì)于每個(gè)省，抓取城市列表：

url = 'http://m.weather.com.cn/data3/city%s.xml' 
for p in provinces: 
p_code = p.split('|')[0] 
url2 = url % p_code 
content2 = urllib2.urlopen(url2).read() 
cities = content2.split(',')

輸出content2可以查看此省份下所有城市代碼：

1901|南京,1902|無(wú)錫,1903|鎮(zhèn)江,...

再對(duì)于每個(gè)城市，抓取地區(qū)列表：

for c in cities[:3]: 
c_code = c.split('|')[0] 
url3 = url % c_code 
content3 = urllib2.urlopen(url3).read() 
districts = content3.split(',')

content3是此城市下所有地區(qū)代碼：

190101|南京,190102|溧水,190103|高淳,...

最后，對(duì)于每個(gè)地區(qū)，我們把它的名字記錄下來(lái)，然后再發(fā)送一次請(qǐng)求，得到它的最終代碼：

for d in districts: 
d_pair = d.split('|') 
d_code = d_pair[0] 
ame = d_pair[1] 
url4 = url % d_code 
content4 = urllib2.urlopen(url4).read() 
code = content4.split('|')[1]

name和code就是我們最終要得到的城市代碼信息。它們格式化到字符串中，最終保存在文件里：

line = " '%s': '%s',n" % (name, code) 
result += line

同時(shí)你也可以輸出它們，以便在抓取的過(guò)程中查看進(jìn)度：

print name + ':' + code

如果你只是想抓幾個(gè)測(cè)試一下，并不用全部抓下來(lái)，在provices后面加上[:3]，抓3個(gè)省的試試看就好了。

恭喜你在Python自學(xué)的道路上又堅(jiān)持了一天，相信到今天為止，你可以毫無(wú)壓力地跟別人說(shuō)查詢天氣太簡(jiǎn)單了，一串代碼的事!那你了解完了如何用Python去查天氣，那你可以查詢下別的嗎?比如火車票呢?思考一下，并試著動(dòng)手實(shí)踐一下吧!更多Python相關(guān)的精彩內(nèi)容，盡在馬哥教育官網(wǎng)，敬請(qǐng)關(guān)注!

好啦，今天的分享到這里就結(jié)束了，希望大家能夠持續(xù)關(guān)注馬哥教育官網(wǎng)，每天都會(huì)有大量?jī)?yōu)質(zhì)內(nèi)容與大家分享！

聲明：文章來(lái)源于網(wǎng)絡(luò)，侵刪！