Python爬取天氣資訊並語音播報

爬蟲是爬取網頁的相關內容，瞭解HTML能夠幫助你更好的理解網頁的結構、內容等。 TCP/IP協議，HTTP協議這些知識瞭解一下就可以，能夠讓你瞭解在網路請求和網路傳輸上的基本原理，這次的小案例用不到。

此案例實現功能：利用網路爬蟲，爬取某地的天氣，並列印和語音播報 。 要用到requests庫，lxml庫，pyttsx3庫，沒有的，可以先安裝一下，都可以透過pip安裝：

pip install requests 
pip install lxml 
pip install pyttsx3

Requests庫是個功能很強大的網路請求庫，可以實現跟瀏覽器一樣傳送各種HTTP請求來獲取網站的資料。

Lxml庫是處理XML和HTML功能最豐富，最易於使用的庫，通常用lxml庫中的etree使HTML轉化為文件。

Pyttsx3庫是一個很簡單的播放語音的庫，你給它什麼，它就讀什麼，當然別在意生硬的語氣。 基本用法如下：

import pyttsx3 
 
word = pyttsx3.init() 
 
word.say('你好') 
# 關鍵一句，沒有這行程式碼，不會播放語音 
word.runAndWait()

我們首先匯入requests庫，然後就用它來獲取目標的網頁，我們請求的是天氣網站中的北京天氣。

import requests 
# 向目標url地址傳送請求，返回一個response物件 
req = requests.get(') 
# .text是response物件的網頁html 
print(req.text)

列印出的結果就是網站上顯示的內容，瀏覽器就是透過這些內容“解析”出來我們看到的結構如下：

我們請求後的獲得的資料

注意啦，小夥伴們有很大可能執行之後得不到網頁程式碼，而是顯示403，這是什麼意思呢?

403錯誤是一種在網站訪問過程中，常見的錯誤提示，表示資源不可用。伺服器理解客戶的請求，但拒絕處理它。

我們寫的爬蟲一般會預設告訴伺服器，自己傳送一個Python爬取請求，而很多的網站都會設定反爬蟲的機制，不允許被爬蟲訪問的。

所以，我們想讓目標伺服器響應，那就把我們的爬蟲進行一下偽裝。此小案例就用常用的更改User-Agent欄位進行偽裝。

改一下之前的程式碼，將爬蟲偽裝成瀏覽器請求，這樣就可以進行正常的訪問了。

User-Agent欄位怎麼來的呢?我們以Chrome瀏覽器為例子，先隨便開啟一個網頁，按鍵盤的F12或在空白處點選滑鼠右鍵選擇“檢查”;然後重新整理網頁，點選“Network”再點選“Doc”，點選Headers，在資訊欄檢視Request Headers的User-Agent欄位，直接複製，我們們就可以用啦。

我們從網頁請求獲得的資料繁雜，其中只有一部分是我們真正想得到的資料，例如我們從天氣的網站中檢視北京的天氣，只有下圖中使我們想要得到的，我們如如何提取呢?這就要用到lxml.etree。

整個程式碼中只有一小部分我們想要的資訊，我們發現想要的天氣、溫度啊都在“class='weather_info'”這一層級下，那這就好辦了。我們在請求的程式碼的後面加上：

html_obj = etree.HTML(html) 
html_data = html_obj.xpath("//d1[@class='weather_info']//text()")

我們print(html_data)一下看看提取是不是我們想要的資料。

發現連網頁中換行符啊什麼的也都提取出來了，還有，別忘了，提取出來的是列表哦。我們還要做一下處理。

word = "歡迎使用天氣播報助手" 
 
for data in html_data: 
    word += data

處理完我們列印一下看看，嗯，我們想要的都有了。不過還多了一個[切換城市]，我們精益求精，最後把這個最後再去掉。

我們想要的資料都在word變數裡啦，現在就讓他讀出來，用pyttsx3這個庫，

ptt = pyttsx3.init() 
ptt.say(word) 
ptt.runAndWait()

好的，現在都已完成。 我們一步一步都摸索過來，現在整合在一起，最後播放效果還是不錯的，這是一次很美好的爬蟲之旅，期待下次爬取!

原文地址：