python使用scrapy框架爬取一周天气预报

这两天找了一本书讲的python实战，有实战项目，看到了scrapy框架部分的天气预报，决定把自己所学分享出来。
废话不多说，下面开始。

参考资料《Python网络爬虫实战 第2版》
资源链接：https://pan.baidu.com/s/1khiN7c87VTiaoybMOd3Bgg
提取码：chjf

建议使用pycharm
官网链接：http://www.jetbrains.com/pycharm/

scrapy框架的安装

首先是准备工作，我用的Windows系统，所以就只讲Windows系统了，很简单win+R，键入“cmd”打开控制台，安装scrapy，前提是得有python啊，这个肯定都有的吧。cmd里输入下面命令

pip install scrapy 

我已经安装过了，没安装的话应该是有好多个进度条的。
第二种方法就是使用pycharm安装，操作如下
1.打开“文件（Flie）”中的“设置（Settings）”

2.点“Project Interpreter”右上角的加号，添加第三方库

之后点击下面的install package等一会就安装好了。

项目的创建

scrapy startproject weather_demo01

创建的项目如下图所示：

项目中各个文件介绍

书上差不多把所有的文件都介绍了，其实主要用的就几个，我就着重说主要用到的几个了：

settings.py

这个文件主要是说最后是由谁处理爬取的数据的，比如我们定义一个文件a功能是处理爬取的数据，但是运行发现数据没按照自己想要的格式保存下来，就是因为最后settings这个文件里没指明让a来处理。
部分代码如下

# -*- coding: utf-8 -*-

# Scrapy settings for weather_demo01 project
#
# For simplicity, this file contains only settings considered important or
# commonly used. You can find more settings consulting the documentation:
#
#     https://docs.scrapy.org/en/latest/topics/settings.html
#     https://docs.scrapy.org/en/latest/topics/downloader-middleware.html
#     https://docs.scrapy.org/en/latest/topics/spider-middleware.html

BOT_NAME = 'weather_demo01'

SPIDER_MODULES = ['weather_demo01.spiders']
NEWSPIDER_MODULE = 'weather_demo01.spiders'


# Crawl responsibly by identifying yourself (and your website) on the user-agent
#USER_AGENT = 'weather_demo01 (+http://www.yourdomain.com)'
ITEM_PIPELINES = {
   
   }
# Obey robots.txt rules
ROBOTSTXT_OBEY = True

这些值都是项目创立时自动写好的不需要改动。

然后就是ITEM_PIPELINES = {}，这个变量是后面需要的，里面写的就是最后用来处理数据的文件，下面会讲

这里提一下ROBOTSTXT_OBEY这个变量的值，有true和false两个值，这个是是否遵守robots协议，robots协议是网站目录中包含一个robots.txt文件，这个文件记录着允许访问哪些目录，哪些不允许访问。下面用淘宝网的做个示范

这个文件一般都是隐藏着的，不允许访问的目录肯定是有东西不想让你知道，隐藏就不会知道哪些不让访问，淘宝留着不知道为啥，不过我估计也没人能对淘宝网造成啥伤害。扯远了，上面这个变量的含义主要是说爬虫爬的时候是否遵守robots.txt协议，如果是true，则不会访问disallow列出的目录，如果是false则是无视这个文件了。

items.py

items.py文件的作用是定义爬虫最终需要哪些项（例如天气、风力、温度等等），内容如下：

# -*- coding: utf-8 -*-

# Define here the models for your scraped items
#
# See documentation in:
# https://docs.scrapy.org/en/latest/topics/items.html

import scrapy


class WeatherDemo01Item(scrapy