[Python知识库]python爬虫爬取中央气象台每日天气图

中央气象台网站更新后，以前的爬虫方式就不太能用了，我研究了一下发现主要是因为网站上天气图的翻页模式从点击变成了滑动，页面上的图片src也只显示当前页面的，因此，按照网络通俗的方法去爬取就只能爬出一张图片。看了一些大佬的教程后自己改出来一个代码。

1.安装Selenium

Selenium是一个Web的自动化（测试）工具，它可以根据我们的指令，让浏览器执行自动加载页面，获取需要的数据等操作。

pip install selenium

2. 安装chromedriver

Selenium 自身并不具备浏览器的功能，Google的Chrome浏览器能方便的支持此项功能，需安装其驱动程序Chromedriver

下载地址：http://chromedriver.storage.googleapis.com/index.html

在google浏览器的地址栏输入‘chrome://version/’，可以查看版本信息，下载接近版本的就可以。

3.代码

代码参考了

Python Selenium 实战教学：爬取每日天气 - 松鼠爱吃饼干的文章 - 知乎 https://zhuanlan.zhihu.com/p/170137309

从图里可以看到，向前翻页指令对应的id是'prev'

?

from selenium import webdriver  ## 导入selenium的浏览器驱动接口
from selenium.webdriver.common.action_chains import ActionChains
from selenium.webdriver.support.ui import Select
import time
import os
import urllib.request
level=['地面','925hPa','850hPa','700hPa','500hPa','100hPa']

chrome_driver = '路径/chromedriver.exe'  #chromedriver的文件位置
driver = webdriver.Chrome(executable_path = chrome_driver)          #加载浏览器驱动
driver.get('http://www.nmc.cn/publish/observations/china/dm/weatherchart-h000.htm')  #打开页面
time.sleep(1)
#模拟鼠标选择高度层
for z in level:
    button1=driver.find_element_by_link_text(z)     #通过link文字精确定位元素
    action = ActionChains(driver).move_to_element(button1) #鼠标悬停在一个元素上
    action.click(button1).perform()                        #鼠标单击
    time.sleep(1)              
    for p in range(0,6):    #下载最近6个时次的天气图
        str_p=str(p)
        #模拟鼠标选择时间
        button2=driver.find_element_by_id('prev')             #通过id精确定位元素
        action = ActionChains(driver).move_to_element(button2) #鼠标悬停在一个元素上
        action.click(button2).perform()                        #鼠标单击
        time.sleep(1)
    #模拟鼠标选择图片
        elem_pic = driver.find_element_by_id('imgpath')       #通过id精确定位元素
        action = ActionChains(driver).move_to_element(elem_pic)
    #action.context_click(elem_pic).perform()              #鼠标右击
        filename= str(elem_pic.get_attribute('src')).split('/')[-1].split('?')[0]  #获取文件名
    #获取图片src
        src1=elem_pic.get_attribute('src')
        if os.path.exists('存图路径/'+z+'') is not True :
            	os.makedirs('存图路径/'+z+'')
        urllib.request.urlretrieve(src1 , '存图路径/'+z+'/'+filename)
        print(filename)
        time.sleep(1)

然后就可以轻松的爬取所有图片

?