python爬取全國水雨情信息詳解
分析
我們沒有找到接口,所以打算利用selenium來爬取。
代碼
import datetime import pandas as pd from bs4 import BeautifulSoup from selenium import webdriver from selenium.webdriver.support.ui import WebDriverWait from selenium.webdriver.common.by import By from selenium.webdriver.support import expected_conditions as EC from selenium.webdriver.chrome.options import Options #建議使用谷歌瀏覽器 import time chrome_options = Options() chrome_options.add_argument('--headless') driver = webdriver.Chrome() # 存儲中英文對應的變量的中文名 word_dict = {"poiBsnm": "流域", "poiAddv": "行政區", "rvnm": "河名", "stnm": "站名", "tm": "時間", "zl": "水位(米)", "ql": "流量(立方米/秒)", "wrz": "警戒水位(米)"} # 空df接收結果 rain_total = pd.DataFrame([]) url = 'http://xxfb.mwr.cn/sq_dxsk.html' driver.get(url) time.sleep(5) infos = driver.find_elements_by_xpath("/html/body//tbody[@id='DataContainer']/tr") # pd.set_option('display.max_columns', None)#所有列 # pd.set_option('display.max_rows', None)#所有行 # 列表提取 for info in infos: poiBsnm = info.find_element_by_xpath("./td[1]").text poiAddv = info.find_element_by_xpath("./td[2]").text rvnm = info.find_element_by_xpath("./td[3]").text stnm = info.find_element_by_xpath("./td[4]").text tm = info.find_element_by_xpath("./td[5]").text zl = info.find_element_by_xpath("./td[6]").text ql = info.find_element_by_xpath("./td[7]").text wrz = info.find_element_by_xpath("./td[8]").text # 組成pandas對象 rain_data = [[poiBsnm,poiAddv,rvnm,stnm,tm,zl,ql,wrz]] rain_df = pd.DataFrame(data=rain_data,columns=list(word_dict.values())) rain_total = pd.concat([rain_total,rain_df]) print(rain_total) # 關閉瀏覽器 driver.close() # 保存數據 data_str = datetime.datetime.now().strftime('%Y_%m_%d') rain_total.to_csv("%s_全國水雨情信息.csv" % (data_str),index=None, encoding="GB18030")
結果
總結
時間爬取出現瞭一點問題,我也很不理解,其次,循環哪裡應該可以簡潔代碼,寫的不是很好,第三,沒有形成模塊化的代碼。還有就是謝謝崔工的支持。
本篇文章就到這裡瞭,希望能夠給你帶來幫助,也希望您能夠多多關註WalkonNet的更多內容!
推薦閱讀:
- python實現selenium網絡爬蟲的方法小結
- 使用selenium+chromedriver+xpath爬取動態加載信息
- python+selenium對table表和分頁處理
- Python語言中的Selenium環境搭建
- Python腳本Selenium及頁面Web元素定位詳解