分析
我们没有找到接口,所以打算利用selenium来爬取。
代码
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 #建议使用谷歌浏览器 import time chrome_options = Options() chrome_options.add_argument('--headless') driver = webdriver.Chrome() # 存储中英文对应的变量的中文名 word_dict = {"poiBsnm": "流域", "poiAddv": "行政区", "rvnm": "河名", "stnm": "站名", "tm": "时间", "zl": "水位(米)", "ql": "流量(立方米/秒)", "wrz": "警戒水位(米)"} # 空df接收结果 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 # 组成pandas对象 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) # 关闭浏览器 driver.close() # 保存数据 data_str = datetime.datetime.now().strftime('%Y_%m_%d') rain_total.to_csv("%s_全国水雨情信息.csv" % (data_str),index=None, encoding="GB18030")
结果
总结
时间爬取出现了一点问题,我也很不理解,其次,循环哪里应该可以简洁代码,写的不是很好,第三,没有形成模块化的代码。还有就是谢谢崔工的支持。
本篇文章就到这里了,希望能够给你带来帮助,也希望您能够多多关注服务器之家的更多内容!
原文链接:https://blog.csdn.net/renyuan_99/article/details/120876982