bixby如何获取天气 (如何唤醒Bixby)

作者 VictorChan

本文转自知乎，转载需授权

　　大家好，我是Victor 278，由于本人是做前端的，Python学来作知识扩充的，看到非常多的小伙伴高呼着想从0开始学爬虫，这里开始写定向爬虫从0开始，献给想学爬虫的零基础新人们，欢迎各位大佬们的指点。

　　本文适用人群

　　1、零基础的新人；

　　2、Python刚刚懂基础语法的新人；

　　输入标题学习定向爬虫前需要的基础

　　1、Python语法基础；

　　2、请阅读或者收藏以下几个网站：

　　1）Requests库

　　http://cn.python-requests.org/zh_CN/latest/

　　2）BeautifulSoup4库

　　https://www.crummy.com/software/BeautifulSoup/bs4/doc/

　　没有Python基础的新人，我建议可以学习以下资料：

　　1、官方最新的英文文档（https://docs.python.org/3/）

　　2、python 3.60版本中文文档（http://www.pythondoc.com/pythontutorial3/index.html）

　　3、廖雪峰Python教程（https://www.liaoxuefeng.com/）

　　备注：书籍也有很多选择，但是其实入门教程讲来讲去都是那些东西，不做细究，你随意挑一本完完整整的学习好比你浪费时间选择教材要强多了。

　　正文开始

　　我假设你已经符合上述的标准，现在我们就来开始第一个爬虫的网站，我们首先挑选一个下手；

　　附上URL：中国天气网（http://www.weather.com.cn/weather1d/101280101.shtml#dingzhi_first）

　　第一步：

　　请确保你已经安装了Requests和Beautifulsoup4的库，否则你可以打开CMD（命令提示符）然后输入

　　pip3 install requestspip3 install Beautifulsoup4pip3 install lxml

　　安装完毕后接着打开你的编辑器，这里对编辑器不做纠结，用的顺手就好。

　　首先我们做爬虫，拿到手第一个步骤都是要先获取到网站的当前页的所有内容，即HTML标签。所以我们先要写一个获取到网页HTML标签的方法。

　　整个爬虫的的代码搭建我都采用的是将不同的功能做成不同的函数，在最后需要调用的时候进行传参调用就好了。

　　那么问题来了，为什么要这么做呢？

　　写代码作为萌新要思考几件事：

　　1、这个代码的复用性；

　　2、这个代码的语义化以及功能解耦；

　　3、是否美观简洁，让别人看你的代码能很清楚的理解你的逻辑；

　　代码展示：

　　'''

　　抓取每天的天气数据

　　python 3.6.2

　　url:http://www.weather.com.cn/weather1d/101280101.shtml#dingzhi_first

　　'''

　　importrequests

　　importbs4

　　defget_html(url):

　　'''

　　封装请求

　　'''

　　headers = {

　　'User-Agent':

　　'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.103 Safari/537.36',

　　'ContentType':

　　'text/html; charset=utf-8',

　　'Accept-Encoding':

　　'gzip, deflate, sdch',

　　'Accept-Language':

　　'zh-CN,zh;q=0.8',

　　'Connection':

　　'keep-alive',

　　}

　　try:

　　htmlcontet = requests.get(url, headers=headers, timeout= 30)

　　htmlcontet.raise_for_status()

　　htmlcontet.encoding = 'utf-8'

　　returnhtmlcontet.text

　　except:

　　return" 请求失败 "

　　上述代码几个地方我特别说明一下：

　　'''

　　抓取每天的天气数据

　　python 3.6.2

　　url:http://www.weather.com.cn/weather1d/101280101.shtml#dingzhi_first

　　'''

　　importrequests

　　importbs4

　　养成好习惯代码一开始的注释表明这是一个什么功能的Python文件，使用的版本是什么，URL地址是什么，帮助你下次打开的时候能快速理解这个文件的用途。

　　由于Requests和Beautifulsoup4是第三方的库，所以在下面要用import来进行引入

　　然后是

　　defget_html(url):

　　'''

　　封装请求

　　'''

　　headers = {

　　'User-Agent':

　　'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/51.0.2704.103 Safari/537.36',

　　'ContentType':

　　'text/html; charset=utf-8',

　　'Accept-Encoding':

　　'gzip, deflate, sdch',

　　'Accept-Language':

　　'zh-CN,zh;q=0.8',

　　'Connection':

　　'keep-alive',

　　}

　　try:

　　htmlcontet = requests.get(url, headers=headers, timeout= 30)

　　htmlcontet.raise_for_status()

　　htmlcontet.encoding = 'utf-8'

　　returnhtmlcontet.text

　　except:

　　return" 请求失败 "

　　其中

　　defget_html(url)：

　　构造一个名为get_html的函数，并传入你要请求的URL地址进去，会返回一个请求后的结果，

　　构造好后，调用的时候直接

　　url = '包裹你的url'

　　get_html(url)

　　然后同样备注好你的这个函数的功能是做什么的，headers里面包裹了一些伪装成浏览器访问的一些头部文件可以直接你*过去使用。

　　这里要说一下为什么要做基础的伪装成浏览器，由于有了爬虫，自然就有反爬虫。有些网站为了恶意避免爬虫肆意爬取或者进行攻击等等情况，会做大量的反爬虫。伪装浏览器访问是反爬虫的一小步。

　　好了我们继续，

　　htmlcontet = requests.get(url, headers=headers, timeout=30)

　　htmlcontet.raise_for_status()

　　htmlcontet.encoding = 'utf-8'

　　returnhtmlcontet.text

　　第一条如果我们看了Requests之后就知道这是一个解析你传入的url，并包含了请求头，响应延时

　　第二条，如果当前页面响应的情况会返回一个json数据包，我们通过这个语法来确认是否为我们要的成功响应的结果

　　第三条，解析格式，由于该网站我们可以看到已知字符编码格式为utf-8所以在这里我就写死了是utf-8

　　最后都没问题后，返回一个页面文件出来

　　第二步：

　　拿到一个页面文件后，我们就需要观察一下该网页的HTML结构

　　这里介绍一下如何观察一个网页的结构，打开F12或者，找个空白的位置右键——>检查

　　我们大概会看到这样的一个情况：

　　没错你看到那些