【从零开始学爬虫】采集全国历史天气数据

l 采集网站

【场景描述】采集全国历史天气数据。

【源网站介绍】天气后报网提供全国历史天气查询、历史天气预报温度记录查询，历史天气数据包含全国各城市区县的最高温度、最低气温、天气状况、风力风向等天气指标。

【使用工具】前嗅 ForeSpider 数据采集系统

【入口网址】

http://www.tianqihoubao.com/lishi/index.htm

【采集内容】

采集天气后报上的全国各城市的历史天气数据。

【采集效果】

如下图所示：

l 思路分析

配置思路概览：

l 配置步骤

1.新建采集任务

选择【采集配置】，点击任务列表右上方【+】号可新建采集任务，将采集入口地址填写在【采集地址】框中，【任务名称】自定义即可，点击下一步。

2.获取城市链接

采用链接过滤的方法来抽取城市链接，具体如下所示：①点击采集预览，先观察城市链接规律，找到规律，很明显城市链接中都包含：http://www.tianqihoubao.com/lishi/城市名全拼.html

②设置地址过滤，过滤包含“http://www.tianqihoubao.com/lishi/\c.html”的链接，\c 表示一串英文字母，这样就把城市链接过滤出来了。

3.抽取各月链接

①新建模板 02，在模板 02 下新建一个链接抽取，改名为【月份链接】。

②关联模板，将城市链接抽取，关联模板 02。

③使用链接过滤的方法来获取列表链接，先采集预览，打开列表链接预览结果，找到月份链接并观察规律，发现其中都包括：“http://www.tianqihoubao.com/lishi/城市名全拼/month/月份日期.html”

③设置地址过滤，过滤包含“http://www.tianqihoubao.com/lishi/\c/month/\d.html”的链接，\c 表示一串英文字母，\d 表示一串数字，这样就把月份链接过滤出来了。

4.抽取历史天气数据

①新建模板 03，在其下新建一个数据抽取模板，具体操作如下所示：

②数据建表，按照下图所示建数据表。（注意字段属性等应严格按照下图进行设置）

③将新建好的数据表，关联到模板中去，如下图所示:

④填写示例地址

采集预览，复制任意一条月份链接。

⑤将链接粘贴到本模板示例地址中，并双击内置浏览器空白部分，加载本链接。

⑥关联模板

将模板月份链接抽取模板关联模板 03，如下图所示：

⑦识别列表

选择数据抽取模板，然后如下图所示，识别列表。

⑧数据取值

使用定位取值和数据清洗的方法，title 字段如下所示：

Date_字段如下所示：

trend 字段如下所示：

Weather 字段如下所示：

Temp_字段如下所示：

⑧采集预览

采集预览如下图所示，说明配置成功，可以开始采集。如果有哪个字段或者数据没有出来，再次检查之前配置，正确配置模板。

l 采集步骤

模板配置完成，采集预览没有问题后，可以进行数据采集。

1.建立数据表单

选择【数据建表】，点击【表单列表】中该模板的表单，在【关联数据表】中选择【创建】，表名称自定义，这里命名为【tianqi】（注意命名不能用数字和特殊符号），点击【确定】。创建完成，勾选数据表，并点击右上角保存按钮。

2.开始采集

选择【数据采集】，勾选任务名称，点击【开始采集】，则正式开始采集。

3.导出数据

采集结束后，可以在【数据浏览】中，选择数据表查看采集数据，并可以导出数据。

导出的文件打开如下图所示：

本教程仅供教学使用，严禁用于商业用途！