用Python爬取天气并且语言播报

发表于:2020-11-05 09:32  作者:程序员小鹏   来源:今日头条

字体: | 上一篇 | 下一篇 |我要投稿 | 推荐标签: 软件开发 Python

  一、 预备知识
  此案例实现功能:利用网络爬虫,爬取某地的天气,并打印和语音播报 。 要用到requests库,lxml库,pyttsx3库,没有的,可以先安装一下,都可以通过pip安装:
  pip install requests 
  pip install lxml 
  pip install pyttsx3 
  Requests库是个功能很强大的网络请求库,可以实现跟浏览器一样发送各种HTTP请求来获取网站的数据。
  Lxml库是处理XML和HTML功能最丰富,最易于使用的库,通常用lxml库中的etree使HTML转化为文档。
  Pyttsx3库是一个很简单的播放语音的库,你给它什么,它就读什么,当然别在意生硬的语气。 基本用法如下:
  import pyttsx3 
   
  word = pyttsx3.init() 
  
  word.say('你好') 
  # 关键一句,没有这行代码,不会播放语音 
  word.runAndWait()
  码字不易废话两句:有需要学习资料的或者有技术问题交流可以私信小编发送“01”即可
  爬虫是爬取网页的相关内容,了解HTML能够帮助你更好的理解网页的结构、内容等。 TCP/IP协议,HTTP协议这些知识了解一下就可以,能够让你了解在网络请求和网络传输上的基本原理,这次的小案例用不到。
  二、 详细说一说
  2.1. get请求目标网址
  我们首先导入requests库,然后就用它来获取目标的网页,我们请求的是天气网站中的北京天气。
  import requests 
  # 向目标url地址发送请求,返回一个response对象 
  req = requests.get('https://www.tianqi.com/beijing/') 
  # .text是response对象的网页html 
  print(req.text) 
  打印出的结果就是网站上显示的内容,浏览器就是通过这些内容“解析”出来我们看到的结构如下:
  我们请求后的获得的数据:
  注意啦,小伙伴们有很大可能运行之后得不到网页代码,而是显示403,这是什么意思呢?
  403错误是一种在网站访问过程中,常见的错误提示,表示资源不可用。服务器理解客户的请求,但拒绝处理它。
  我们写的爬虫一般会默认告诉服务器,自己发送一个Python爬取请求,而很多的网站都会设置反爬虫的机制,不允许被爬虫访问的。
  所以,我们想让目标服务器响应,那就把我们的爬虫进行一下伪装。此小案例就用常用的更改User-Agent字段进行伪装。
  改一下之前的代码,将爬虫伪装成浏览器请求,这样就可以进行正常的访问了。
  import requests 
   
  headers = {'content-type':'application/json', 'User-Agent':'Mozilla/5.0 (Xll; Ubuntu; Linux x86_64; rv:22.0) Gecko/20100101 Firefox/22.0'} 
   
  # 向目标url地址发送请求,返回一个response对象 
  req = requests.get('https://www.tianqi.com/beijing/',headers=headers) 
  # .text是response对象的网页html 
  print(req.text) 
  User-Agent字段怎么来的呢?我们以Chrome浏览器为例子,先随便打开一个网页,按键盘的F12或在空白处点击鼠标右键选择“检查”;然后刷新网页,点击“Network”再点击“Doc”,点击Headers,在信息栏查看Request Headers的User-Agent字段,直接复制,咱们就可以用啦。
  2.2. lxml.etree登场
  我们从网页请求获得的数据繁杂,其中只有一部分是我们真正想得到的数据,例如我们从天气的网站中查看北京的天气,只有下图中使我们想要得到的,我们如如何提取呢?这就要用到lxml.etree。
  整个代码中只有一小部分我们想要的信息,我们发现想要的天气、温度啊都在“class='weather_info'”这一层级下,那这就好办了。我们在请求的代码的后面加上:
  html_obj = etree.HTML(html) 
  html_data = html_obj.xpath("//d1[@class='weather_info']//text()") 
  我们print(html_data)一下看看提取是不是我们想要的数据。
  发现连网页中换行符啊什么的也都提取出来了,还有,别忘了,提取出来的是列表哦。我们还要做一下处理。
  word = "欢迎使用天气播报助手" 
  
  for data in html_data: 
      word += data 
  处理完我们打印一下看看,嗯,我们想要的都有了。不过还多了一个[切换城市],我们精益求精,最后把这个最后再去掉。
  2.3. 把结果说出来
  我们想要的数据都在word变量里啦,现在就让他读出来,用pyttsx3这个库,
  ptt = pyttsx3.init() 
  ptt.say(word) 
  ptt.runAndWait()
  好的,现在都已完成。 我们一步一步都摸索过来,现在整合在一起,最后播放效果还是不错的,这是一次很美好的爬虫之旅,期待下次爬取!

  本文内容不用于商业目的,如涉及知识产权问题,请权利人联系博为峰小编(021-64471599-8017),我们将立即处理

评 论

论坛新帖

顶部 底部


建议使用IE 6.0以上浏览器,800×600以上分辨率,法律顾问:上海信义律师事务所 项棋律师
版权所有 上海博为峰软件技术股份有限公司 Copyright©51testing.com 2003-2021, 沪ICP备05003035号
投诉及意见反馈:webmaster@51testing.com; 业务联系:service@51testing.com 021-64471599-8017

沪公网安备 31010102002173号

51Testing官方微信

51Testing官方微博

扫一扫 测试知识全知道