大神论坛

找回密码
快速注册
查看: 321 | 回复: 6

[源码] python自动化抓取天气预报,热搜等 通过企业微信机器人发出

digest

主题

帖子

10

积分

初入江湖

UID
41
积分
10
精华
威望
20 点
违规
大神币
68 枚
注册时间
2021-05-03 08:21
发表于 2021-05-05 14:05
本帖最后由 by小才 于 2021-05-05 14:05 编辑

工具需求:Python3 + 企业微信机器人
第三方库需求:requests + BeautifulSoup
演示环境:macOS 11.2.3 + Pycharm 2021

目标:  爬取中国天气网的天气预报;爬取百度热搜;爬取金山词霸每日一句;通过企业微信机器人推送至群聊内。

教程&源码

爬取中国天气网的天气预报

随便点进一个城市的详细天气预报,这里以北京为例。
按照惯例开下F12。这种实时更新的界面一般是通过ajax传入json文件实现的,打开network选项卡刷新验证一下。


果然,在这个文件中我们能找到我们需要的信息,我们右键打开这个链接。打开居然是乱码?那这估计就是编码问题了,我们先来写程序。

url = "https://d1.weather.com.cn/sk_2d/101010100.html?_=1618886817920"
requests_url = requests.get(url)

这里的url是刚才那个文件的url,在Network选项卡中右键复制即可获得。
可以给requests.get加一个请求头,放一个假UA,防止被反爬。

message = json.loads(requests_url.text.encode("latin1").decode("utf8").replace("var dataSK = ", ""))

获取文件信息
这里我先用latin1 编码,再用utf-8解码,发现可以提取出正常的文本信息,这时通过str文本的replace方法把里面的代码部分var dataSK =去除,再用json库的loads方法将其转化成Python字典。

到这一步就很简单了,通过字典的键获取对应的值。

cityname = message['cityname']
aqi = int(message['aqi'])
sd = message['sd']
wd = message['WD']
ws = message['WS']
temp = message['temp']
weather = message['weather']

最后按照想要的格式输出就可以了,为了方便整个程序的操作,我把这一段代码封装成了函数。

def get_weather():
    url = "https://d1.weather.com.cn/sk_2d/101010100.html?_=1618886817920"
    requests_url = requests.get(url)
    message = json.loads(requests_url.text.encode("latin1").decode("utf8").replace("var dataSK = ", ""))
    cityname = message['cityname']
    aqi = int(message['aqi'])
    sd = message['sd']
    wd = message['WD']
    ws = message['WS']
    temp = message['temp']
    weather = message['weather']
    if aqi <= 50:
        airQuality = "优"
    elif aqi <= 100:
        airQuality = "良"
    elif aqi <= 150:
        airQuality = "轻度污染"
    elif aqi <= 200:
        airQuality = "中度污染"
    elif aqi <= 300:
        airQuality = "重度污染"
    else:
        airQuality = "严重污染"
    return cityname + " " + '今日天气:' + weather + ' 温度:' + temp + ' 摄氏度 ' + wd + ws + ' 相对湿度:' + sd + ' 空气质量:' \
           + str(aqi) + "(" + airQuality + ")"

爬取百度热搜

不多说,直接打开F12,Network选项卡中却没有我们想要的,看来这次只能直接爬取网页了。这里要使用BeautifulSoup库。

requests_page = requests.get('http://top.baidu.com/buzz?b=1&c=513&fr=topbuzz_b42_c513')
soup = BeautifulSoup(requests_page.text, "lxml")

这里解析出所有的html代码,再F12一下看看我们需要的内容在哪个标签下。定位一下主页里的标题,啊,我一看,原来是个a标签,这好办。

soup_text = soup.find_all("a", class_='list-title')

然后我们把它输出出来。

for text in soup_text:
        print(text.string)

然后发现,还他喵的是乱码,我们再试试.encode("latin1").decode("GBK")

for text in soup_text:
        print(text.string.encode("latin1").decode("GBK"))

还真成了,我吐了,敢情你俩是一家的。。。
这里改动一下,我们把他们封装进列表里面,方便整理。

def get_top_list():
    requests_page = requests.get('http://top.baidu.com/buzz?b=1&c=513&fr=topbuzz_b42_c513')
    soup = BeautifulSoup(requests_page.text, "lxml")
    soup_text = soup.find_all("a", class_='list-title')
    top_list = []
    for text in soup_text:
        top_list.append(text.string.encode("latin1").decode("GBK"))
    return top_list

爬取金山词霸每日一句

我直接找到他的每日一句文件。
直接开始写代码,轻车熟路。这里很简单,不解释。

def get_daily_sentence():
    url = "http://open.iciba.com/dsapi/"
    r = requests.get(url)
    r = json.loads(r.text)
    content = r["content"]
    note = r["note"]
    daily_sentence = content + "\n" + note
    return daily_sentence


整理信息

简单的调用一下我们写的函数,将返回信息整理到一个字符串内即可,方便我们下一步的发送。具体代码跟随后面整体代码展示一遍展示。

通过企业微信机器人发送

首先将机器人添加到群聊,具体步骤不演示,不会自行百度或查阅官方文档。

然后获取你的机器人的webhook链接。(不要把这个链接散播出去,要不然谁都可以调用你的机器人发送信息,造成垃圾信息污染)

我们直接向这个链接发送Post请求就可以完成机器人发送信息了,十分的简单。

url = #这里填写你的机器人的webhook链接
headers = {"Content-Type": "text/plain"}
data = {
        "msgtype": "text",
        "text": {
                        "content": #这里填写要发送的内容,这里选择了纯文本模式
        }
}
requests_url = requests.post(url, headers=headers, data=json.dumps(data))

完成。



下方是完整代码


下方隐藏内容为本帖所有文件下载链接:

游客你好,如果您要查看本帖隐藏链接需要登录才能查看, 请先登录

主题

帖子

0

积分

初入江湖

UID
73
积分
0
精华
威望
0 点
违规
大神币
68 枚
注册时间
2021-05-15 15:17
发表于 2021-05-15 15:29:10.0
哈哈

主题

帖子

0

积分

初入江湖

UID
85
积分
0
精华
威望
0 点
违规
大神币
68 枚
注册时间
2021-05-27 11:40
发表于 2021-05-27 11:44:12.0
111

主题

帖子

0

积分

初入江湖

UID
85
积分
0
精华
威望
0 点
违规
大神币
68 枚
注册时间
2021-05-27 11:40
发表于 2021-05-27 11:46:01.0
这坑爹呢,链接失效了!