首先爬取地址：http://www.air-level.com/

利用的python库，最近最流行的requests，BeautifulSoup。

requests：用于下载html

BeautifulSoup：用于解析

下面开始分析：要获取所有城市的aqi，就要进入每个城市的单独链接，而这些链接可以从主页中获取

打开主网页，查看源代码，可以看到，所有的城市链接都在id=‘citylist’里面

把所有链接爬下来存在一个列表里面，然后依次爬取每个城市的单个链接，附代码：

def get_all_city():    # 爬取城市链接url = "http://www.air-level.com"try:kv = {'user-agent': 'Mozilla/5.0'}  # 伪装成浏览器，headersr = requests.get(url, headers=kv)r.raise_for_status()r.encoding = r.apparent_encodingexcept:print("爬取城市链接失败")demo = r.textsoup = BeautifulSoup(demo, "html.parser")time = soup.find('h4').stringprint(time)for it in soup.find(id="citylist").children:if isinstance(it, bs4.element.Tag):   # 检测it的类型，得是一个bs4.element.Tag类型for its in it.find_all('a'):clist.append(its.get('href'))  # 加入列表当中去cnlist.append(its.string)

之后就是每个城市的单独链接的信息爬取，以北京为例，查看源代码可知：

附爬取每个城市代码：

def get_one_page(city):   # 获得HTML 爬取城市信息url = "http://www.air-level.com"+cityif city in cwlink:aqilist.append("异常链接")else:try:kv = {'user-agent': 'Mozilla/5.0'}  # 伪装成浏览器，headersr = requests.get(url, headers=kv)r.raise_for_status()r.encoding = r.apparent_encodingexcept:print("爬取失败")demo = r.textsoup = BeautifulSoup(demo, "html.parser")s = soup.find("span")aqilist.append(s.string)

但是在爬取的过程中会发现问题，有的一些城市网站用浏览器打不开，也就爬取不了，所以要做处理，

在上面可以看到，本人用cwlist存储了所有异常链接，跳过去，不爬取。

附完整代码：

import requests
from bs4 import BeautifulSoup
import bs4aqilist = []   # 储存城市AQI
clist = []     # 储存城市链接
cnlist = []    # 储存城市名字
cwlink = ["/air/changdudiqu/", "/air/kezilesuzhou/", "/air/linzhidiqu/", "/air/rikazediqu/","/air/shannandiqu/", "/air/simao/", "/air/xiangfan/", "/air/yilihasake/"]   # 异常链接def get_one_page(city):   # 获得HTML 爬取城市信息url = "http://www.air-level.com"+cityif city in cwlink:aqilist.append("异常链接")else:try:kv = {'user-agent': 'Mozilla/5.0'}  # 伪装成浏览器，headersr = requests.get(url, headers=kv)r.raise_for_status()r.encoding = r.apparent_encodingexcept:print("爬取失败")demo = r.textsoup = BeautifulSoup(demo, "html.parser")s = soup.find("span")aqilist.append(s.string)def get_all_city():    # 爬取城市链接url = "http://www.air-level.com"try:kv = {'user-agent': 'Mozilla/5.0'}  # 伪装成浏览器，headersr = requests.get(url, headers=kv)r.raise_for_status()r.encoding = r.apparent_encodingexcept:print("爬取城市链接失败")demo = r.textsoup = BeautifulSoup(demo, "html.parser")time = soup.find('h4').stringprint(time)for it in soup.find(id="citylist").children:if isinstance(it, bs4.element.Tag):   # 检测it的类型，得是一个bs4.element.Tag类型for its in it.find_all('a'):clist.append(its.get('href'))  # 加入列表当中去cnlist.append(its.string)def main():get_all_city()print("共爬取了{}个城市".format(len(clist)))for it in range(len(clist)):get_one_page(clist[it])print("{} {}".format(cnlist[it], aqilist[it]))main()

简单的静态爬取就实现了