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
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 + "）"
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class='list-title'，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
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。
完整代码
import simplejson as json
import requests
import datetime
import fake_useragent # 这个库可以不用
from bs4 import BeautifulSoup
import time
def get_fake_ua(): #这个函数是用来获取随机UA的，可以不用
location = '/fake_useragent_0.1.11.json' #这里是我导入的fakeuseragent库文件，可以不用
ua = fake_useragent.UserAgent(path=location)
headers = {
'user-agent': ua.random
}
return headers
def get_week_day(date):
week_day_dict = {
0: '星期一',
1: '星期二',
2: '星期三',
3: '星期四',
4: '星期五',
5: '星期六',
6: '星期天',
}
day = date.weekday()
return "今天日期为：" + str(datetime.date.today()) + ' ' + week_day_dict[day]
def get_weather():
url = "https://d1.weather.com.cn/sk_2d/101010100.html?_=1618886817920"
r_url = requests.get(url, headers=get_fake_ua())
message = json.loads(r_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 + "）"
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')
i = 0
top_list = []
for text in soup_text:
i += 1
top_list.append(text.string.encode("latin1").decode("GBK"))
if i == 10:
break
return top_list
def get_daily_sentence():
url = "http://open.iciba.com/dsapi/"
r = requests.get(url, headers=get_fake_ua())
r = json.loads(r.text)
content = r["content"]
note = r["note"]
daily_sentence = content + "\n" + note
return daily_sentence
def get_sendContent():
sendContent = get_week_day(datetime.date.today()) + "\n\n" + get_weather() + "\n\n" + str(get_top_list()).replace(
"', '", '\n').replace("['", "").replace("']", "") + "\n\n" + get_daily_sentence()
return sendContent
def send(content):
url = # 填写你的webhook链接
headers = {"Content-Type": "text/plain"}
data = {
"msgtype": "text",
"text": {
"content": content,
}
}
requests_url = requests.post(url, headers=headers, data=json.dumps(data))
if requests_url.text == '{"errcode":0,"errmsg":"ok"}':
return "发送成功"
else:
return "发送失败" + requests_url.text
print(send(get_sendContent()))
| 
[复制链接]
发表于 2021-4-22 10:32
|
发表于 2021-4-22 10:55
