**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
## 爬取中国天气网的天气预报
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 + "）"
```
## 爬取百度热搜
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，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
```
## 爬取金山词霸每日一句
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。
本篇文章所有python源码都在下方链接中，欢迎下载并交流沟通
[https://www.dslt.tech/article-563-1.html](https://www.dslt.tech/article-563-1.html)
版权声明：本文由 **ARtcgb** 原创，欢迎分享本文，转载请保留出处