工欲善其事必先利其器，因此我们有必要在进行coding前先配置一个适合我们自己的开发环境，我搭建的开发环境是：
操作系统：ubuntu 14.04 lts
python版本：2.7.6
代码编辑器：sublime text 3.0
这次的网络爬虫需求背景我打算延续dotnet开源大本营在他的那篇文章中的需求，这里就不再详解。我们只抓取某一省中所有主要城市从2015-11-22到2015-10-24的白天到夜间的所有天气情况。这里以湖北省为例。
2.实战网页爬虫：
2.1.获取城市列表：
首先，我们需要获取到湖北省所有城市的网页，然后进行网页解析。网络地址为：http://www.tianqihoubao.com/weather/province.aspx?id=420000
我们查看该网页的源码可以发现所有的城市列表都是以
，因此，我们可以封装一个函数来通过使用正则表达式获取我们想要的数据，示例代码如下所示：
复制代码 代码如下:def showcity():
html=requests.get(http://www.tianqihoubao.com/weather/province.aspx?id=420000)
citys= re.findall('', html.text,re.s)
for city in citys:
print city
抓取的结果如下所示： 1 top/anlu.html title=安陆历史天气查询 2 top/badong.html title=巴东历史天气查询 3 top/baokang.html title=保康历史天气查询 4 top/caidian.html title=蔡甸历史天气查询 5 top/changyang.html title=长阳历史天气查询 6 top/chibi.html title=赤壁历史天气查询 7 top/chongyang.html title=崇阳历史天气查询 8 top/dawu.html title=大悟历史天气查询 9 top/daye.html title=大冶历史天气查询10 top/danjiangkou.html title=丹江口历史天气查询11 top/dangyang.html title=当阳历史天气查询12 top/ezhou.html title=鄂州历史天气查询13 top/enshi.html title=恩施历史天气查询14 top/fangxian.html title=房县历史天气查询15 top/gongan.html title=公安历史天气查询16 top/gucheng.html title=谷城历史天气查询17 top/guangshui.html title=广水历史天气查询18 top/hanchuan.html title=汉川历史天气查询19 top/hanyang.html title=汉阳历史天气查询20 top/hefeng.html title=鹤峰历史天气查询21 top/hongan.html title=红安历史天气查询22 top/honghu.html title=洪湖历史天气查询23 top/huangpi.html title=黄陂历史天气查询24 top/huanggang.html title=黄冈历史天气查询25 top/huangmei.html title=黄梅历史天气查询26 top/huangshi.html title=黄石历史天气查询27 top/jiayu.html title=嘉鱼历史天气查询28 top/jianli.html title=监利历史天气查询29 top/jianshi.html title=建始历史天气查询30 top/jiangxia.html title=江夏历史天气查询31 top/jingshan.html title=京山历史天气查询32 top/jingmen.html title=荆门历史天气查询33 top/jingzhou.html title=荆州历史天气查询34 top/laifeng.html title=来凤历史天气查询35 top/laohekou.html title=老河口历史天气查询36 top/lichuan.html title=利川历史天气查询37 top/lvtian.html title=罗田历史天气查询38 top/macheng.html title=麻城历史天气查询39 top/nanzhang.html title=南漳历史天气查询40 top/qichun.html title=蕲春历史天气查询41 top/qianjiang.html title=潜江历史天气查询42 top/sanxia.html title=三峡历史天气查询43 top/shennongjia.html title=神农架历史天气查询44 top/shiyan.html title=十堰历史天气查询45 top/shishou.html title=石首历史天气查询46 top/songzi.html title=松滋历史天气查询47 top/suizhou.html title=随州历史天气查询48 top/tianmen.html title=天门历史天气查询49 top/hbtongcheng.html title=通城历史天气查询50 top/tongshan.html title=通山历史天气查询51 top/wufeng.html title=五峰历史天气查询52 top/wuchang.html title=武昌历史天气查询53 top/wuhan.html title=武汉历史天气查询54 top/wuxue.html title=武穴历史天气查询55 top/hbxishui.html title=浠水历史天气查询56 top/xiantao.html title=仙桃历史天气查询57 top/xianfeng.html title=咸丰历史天气查询58 top/xianning.html title=咸宁历史天气查询59 top/xiangyang.html title=襄阳历史天气查询60 top/xiaogan.html title=孝感历史天气查询61 top/hbxinzhou.html title=新洲历史天气查询62 top/xingshan.html title=兴山历史天气查询63 top/xuanen.html title=宣恩历史天气查询64 top/hbyangxin.html title=阳新历史天气查询65 top/yiling.html title=夷陵历史天气查询66 top/yichang.html title=宜昌历史天气查询67 top/yicheng.html title=宜城历史天气查询68 top/yidu.html title=宜都历史天气查询69 top/yingcheng.html title=应城历史天气查询70 top/hbyingshan.html title=英山历史天气查询71 top/yuanan.html title=远安历史天气查询72 top/yunmeng.html title=云梦历史天气查询73 top/yunxi.html title=郧西历史天气查询74 top/hbyunxian.html title=郧县历史天气查询75 top/zaoyang.html title=枣阳历史天气查询76 top/zhijiang.html title=枝江历史天气查询77 top/zhongxiang.html title=钟祥历史天气查询78 top/zhushan.html title=竹山历史天气查询79 top/zhuxi.html title=竹溪历史天气查询80 top/zigui.html title=秭归历史天气查询81 [finished in 15.4s]
2.2.获取对应城市的所有天气信息：
然后我们需要根据抓取到的城市链接去抓取对应城市的天气情况，这里我们再封装一个函数用于显示对应城市的所有天气状况：
def showweather(city): res =str(city).split(' title=') print res[1],'(白天-->夜间)' html=requests.get(http://www.tianqihoubao.com/weather/{0}.format(res[0])) weather=re.search('(.*?)
', html.text,re.s).group(1) res=re.findall('(.*?)
', weather,re.s) for x in res[2:]: w = re.findall('>(.*?)(.*?)<', x,re.s) for y in w[1:]: if len(y.strip())<=0: pass else: print y print '--'*40 print '\n','*'*40def showcity(): html=requests.get(http://www.tianqihoubao.com/weather/province.aspx?id=420000) citys= re.findall('', html.text,re.s) for city in citys: showweather(city)def main(): showcity()if __name__=='__main__': main()
是的，你没有看错，短短34行代码就可以爬取湖北省所有的主要城市1个月的所有天气情况，是不是很厉害呀！！？？？不过不要高兴的太早，凡事有利有弊，看看它的运行结果吧：[finished in 371.8s]
3.知识总结：
3.1.编码问题：
#在ubuntu上，由于编码问题，我们需要在代码的开始位置添加一行注释，告诉pyhton解释器我们指定的编码格式：
#此外，我们还需要设置默认的编码格式，否则sublime text会无法识别中文，报告一个错误：“unicodeencodeerror: 'ascii' codec can't encode characters in position”
#-*-coding:utf8-*-import sysreload(sys)sys.setdefaultencoding('utf-8')
3.2.正则表达式：
导入正则表达式库：import re
匹配任意字符：.
匹配前一个字符0次或无限次:*
匹配前一个字符0次或一次：？
贪心算法：.*
非贪心算法：.*?
匹配数字：(\d+)
常用函数：
re.findall(pattern, string)re.search(pattern, string)re.sub(pattern, repl, string)
最后的最后，如果你尝试过运行我贴出来的完整代码，或许你会遇到和我一样的瓶颈，就是运行的速度不够快（尤其像我这种机器配置不是很好的电脑）。在我的机器上运行这段脚本总共花费了 371.8s。我运行过多次，每次都是在350+。因此，如果你的程序不在乎运行速度，那么可能python还是挺适合的，毕竟可以通过它写更少的代码去做更多的事情！！！！