python爬取aqistudy网站数据的代码相关问题

qq_24720839 2018-03-03 12:52:41
最近在爬取aqistudy网站的历史数据,copy了网上一段代码,代码运行没问题,但爬取的数据是空的,代码如下:

import requests as rq
import re
#import io
from bs4 import BeautifulSoup

Url='https://www.aqistudy.cn/historydata/'
headers = { 'User-Agent':
'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36'
}

def getcity():
hotcitys = rq.get(Url,headers=headers)
soup = BeautifulSoup(hotcitys.text, 'lxml') #这里使用lxml来解析
citynames = []
cityurls = []
citys = soup.find_all('a',limit=19)[-10:] #分片的形式来获取十个热门城市
for city in citys:
cityurl = city.get('href')
cityurls.append(cityurl)
cityname = city.get_text()
citynames.append(cityname)
return cityurls,citynames
cityurls,citynames = getcity()

def getwebs(url):
data = rq.get(url,headers=headers).text
soup = BeautifulSoup(data, 'lxml')
ahrefs = soup.find_all('a') #找到所有的链接
webs = []
# names = []
for href in ahrefs:
href = href.get('href')
hrefd = re.findall('(.*?month=\d{6})',href) #用正则来匹配每月
if hrefd:
urls = Url + hrefd[0]
webs.append(urls)
return webs

def Savepm25(webs,path):
for web in webs:
print('正在下载数据...'+web)
data = rq.get(web,headers=headers).text
soup = BeautifulSoup(data, 'lxml')
pms = soup.find_all('td')
aqis = []
for pm in pms:
data = pm.get_text()
aqis.append(data)
i = 0
while i < 12:
# aqis.pop()
i = i + 1
with open(path+'.csv', 'a+') as f:
i = 1
for aqi in aqis:
if i % 11 != 0:
f.write(aqi + ',') # CSV表格里以','为分隔符
else:
f.write(aqi + '\r\n') #若是行尾则换行
i = i + 1

paths = []
for cityname in citynames:
path = cityname + 'pm25'
paths.append(path)
i = 0
for url in cityurls:
url = Url+url
print(url)
webs=getwebs(url)
path = paths[i]
Savepm25(webs,path)
i = i + 1

请大神看看是那里出错了。
...全文
492 2 打赏 收藏 转发到动态 举报
写回复
用AI写文章
2 条回复
切换为时间正序
请发表友善的回复…
发表回复
ljh_csdn_ljh 2019-08-01
  • 打赏
  • 举报
回复
https://blog.csdn.net/ljh_csdn_ljh/article/details/98082330 我编写的最新解决办法,你试试!
qq_24720839 2018-03-03
  • 打赏
  • 举报
回复
顶贴顶帖,急需解决!谢谢各位大神~
爬取空气质量检测网的部分城市的历年每天质量数据 思路----------------------------------------- 从某城市的空气质量网页获取某市每月的链接,再爬取每个月的表格数据。连云港市:https://www.aqistudy.cn/historydata/daydata.php?city=连云港 连云港2014年5月的空气质量:https://www.aqistudy.cn/historydata/daydata.php?city=连云港&month=2014-05 遇到的问题----------------------------------------- 获取的网页中的表格数据隐藏,尝试requests无法获取。判断可能是动态加载的网页 尝试----------------------------------------- 1. 通过XHR,js查找隐藏数据的加载网页,没有找到。 2. 使用phantomjs.get() result=pd.read_html ,可以获得隐藏的表格数据,但是并不稳定,只是偶尔出现加载的表格数据,无法大规模的获取 解决方法----------------------------------------- 查找资料得知这个网站的表格数据在Console里的items中, 使用selenium的webdriver.firefox(),driver.execute_script("return items") 数据可获得。 仍遇到的问题:----------------------------------------- 爬取一个网页可获得数据,但是连续的获取网页,会出现两个错误。 1.Message: ReferenceError: items is not defined 2.connection refused 解决方法: 1.connection refused问题,可能是网页开太多,使用driver.quit() 2. 如果 execute_script 还是出错,可尝试pd.read_html获取信息。之前用phantomjs获取的时候输出空的表格,可能由于加载不够,用 Waite直到table出现之后再获取网页 Element=wait.until(EC.element_to_be_clickable((By.XPATH,"/html/body/div[3]/div[1]/div[1]/table/tbody"))) 3.之后出现偶尔出现输出为空,使用循环,如果输出表格为空,再重新获取。 if len(result)>1: filename = str(month) + '.xls' result.to_excel('E:\python\案例程序\data\\' + filename) print('成功存入'+filename) driver.quit() else: driver.quit() return getdata(monthhref,month)

249

社区成员

发帖
与我相关
我的任务
社区描述
其他产品/厂家
社区管理员
  • 其他
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧