本帖最后由 ilikehassbian 于 2019-3-1 23:06 编辑
最近在论坛上看到了这个帖子【油价】萌新探索之四：第一个自制脚本爬取简单的HTML信息https://bbs.hassbian.com/thread-3360-1-1.html，寻思着也用这位大神的套路来套一下中国气象台，所以便开始自己琢磨，刚开始想直接抓网页数据，发现好像是引用了外部来的数据，所以没成功，只返回了空格，接下来我用浏览器开发者工具的network来抓了一下包，发现果然数据走了另外一条通道，网页只是引用数据，所以第一次没成功，但是我在network里发现了天气数据的地址，所以便改变了思路，改为从数据里用正则抓包，果然成功，所以便把我的第一个爬虫来给大家看看，后续有时间，我会再完善爬虫功能，毕竟我发现的这个api无限次数，还是气象台官方的，我会争取直接对接HASS，（此贴不断更新中）
下面爬虫
import requests
import re
self_city_code = '54511'
def get_html(url):
heads = {}
heads['User-Agent'] = 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/59.0.3071.115 Safari/537.36'
req = requests.get(url, headers=heads)
req.encoding='utf-8'
html = req.text
return html
def get_weather(html):
temp = r'"temperature":(.+),"airpressure'
temperature = re.findall(temp, html)
sumray = r'"info":"(.+)","img'
sumraylist = re.findall(sumray, html)
hum = r'"humidity":(.+),"rain'
humidity = re.findall(hum, html)
ra = r'"rain":(.+),"rcomfort'
rain = re.findall(ra, html)
feel = r'"feelst":(.+)},"wind"'
feeltemp = re.findall(feel, html)
presure = r'"airpressure":(.+),"humidity"'
airpressure = re.findall(presure, html)
print(sumraylist, temperature, humidity, airpressure, rain, feeltemp,)
if __name__ == '__main__':
url = 'http://www.nmc.cn/f/rest/real/'+self_city_code+''
get_weather(get_html(url))
具体爬虫配置请参考:https://bbs.hassbian.com/thread-3360-1-1.html
self_city_code 是气象台站，需要自己查询，这里默认北京，举几个例子：北京：54511 上海：58367 其他的需要自己去查，
http://www.doc88.com/p-6631998333691.html 或者百度：气象台站号
顺便说一下，这个爬虫还处于原型期，self_city_code ，只可以输出：温度、湿度、降雨量、概况、体感温度、气压。只可以用command_line sensor，并且需要自己制作template sensor，但是等我后期完善后，就直接可以接入hass了，不需要command_line了，自己目前还在研究HASS的开发者文档，应该会于近期发布完整版本，到时候，这个爬虫就应该会具有空气质量，七天预报等功能了，可以作为彩云替代品，而且不用担心api次数，还免费
研究网站不易，这也是我的第一个爬虫，求大神指教如何不用command_line 对接hass，请大神轻拍哦。 | 
发表于 2019-3-1 22:30:16
楼主