Java爬虫获取中国天气网7日天气预报

前言
工具准备
爬取数据
- 获取日期和星期
- 获取天气描述
- 获取温度范围
- 获取风向及风力
完整代码
引用

前言

项目需要获取7日天气预报，免费好用的接口寻觅不到，搜索一番后发现用简单的爬虫可以实现，在完成python版本后，想着能否用java来实现，一番学习后完成了需求，结果如下

工具准备

在Maven项目中添加相应依赖，这里使用httpclient+jsoup的组合来完成
httpclient用来发送请求，而jsoup用来解析请求结果
两者的详细介绍参考文末引文


    org.apache.httpcomponents
    httpclient
    4.5.13


    org.jsoup
    jsoup
    1.13.1

爬取数据

首先看到中国天气网的界面如下（随着时间段的不同，界面可能显示不同）
打开控制台看到目标url，url最后的数字标识地区代码，这是我们爬虫的入口，请求头中的User-Agent属性标识自己使用的浏览器。

新建HtmlUtil类用来发送请求，爬取数据需要先从此类获取

package com.ljp.springandpython.utils;

import org.apache.http.client.config.RequestConfig;
import org.apache.http.client.methods.CloseableHttpResponse;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.impl.client.CloseableHttpClient;
import org.apache.http.impl.client.HttpClientBuilder;
import org.apache.http.util.EntityUtils;

import java.io.IOException;

public class HtmlUtil {
    public static String getResult(String url) {
        try (CloseableHttpClient httpClient = HttpClientBuilder.create().build();
             CloseableHttpResponse response = httpClient.execute(new HttpGetConfig(url))) {
            String result = EntityUtils.toString(response.getEntity(),"utf-8"); //设置编码，防止乱码
            return result;
        } catch (IOException e) {
            e.printStackTrace();
            return "";
        }
    }
}

class HttpGetConfig extends HttpGet {
    public HttpGetConfig(String url) {
        super(url);
        setDefaultConfig();
    }

    private void setDefaultConfig() {
        this.setConfig(RequestConfig.custom()
                .setConnectionRequestTimeout(1000 * 10)
                .setConnectTimeout(1000 * 10)
                .setSocketTimeout(1000 * 10)
                .build());
        this.setHeader("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:92.0) Gecko/20100101 Firefox/92.0");
    }
}

获取日期和星期

在界面中审查元素，找到“4日（今天）”元素，发现为< h1 >标签，另外可以发现在此页面中，h1标签在这里首次出现，那么我们可以获取全部的h1标签，最后只取前7个，提取出日期
jsoup中的select方法可以方便的提取页面中的元素，更多用法参照 jsoup中select的用法

String result=HtmlUtil.getResult("http://www.weather.com.cn/weather/101110200.shtml");
document document= Jsoup.parse(result);
Elements elements;

// 获取日期和星期
elements=document.select("h1");
List dateList=new ArrayList<>();
List dayList=new ArrayList<>();
for (int i = 0; i < 7; i++) {
    String text=elements.get(i).text();
    int length=text.length();
    dateList.add(text.substring(0,length-4));
    dayList.add(text.substring(length-3,length-1));
}
System.out.println(dateList);
System.out.println(dayList);

获取天气描述

获取天气较为简单，发现天气位于p标签内，class属性为“wea”，接上文代码

// 获取天气
elements=document.select("p[class=wea]");
List weatherList=new ArrayList<>();
for (Element item : elements) {
    weatherList.add(item.text());
}
System.out.println(weatherList);

获取温度范围

温度范围类似，不再赘述

// 获取温度，最高温和最低温
elements=document.select("p[class=tem]");
int i=0;
List highTempList=new ArrayList<>();
List lowTempList=new ArrayList<>();
for (Element item : elements) {
    highTempList.add(item.select("span").text()+"℃");
    lowTempList.add(item.select("i").text());
}
System.out.println(highTempList);
System.out.println(lowTempList);

获取风向及风力

风向和风力有多个子标签嵌套，仔细分析结构

// 获取风向及风力
elements=document.select("p[class=win]");
List windDirectionList1=new ArrayList<>();
List windDirectionList2=new ArrayList<>();
List windSpeedList=new ArrayList<>();
for (Element item : elements) {
    Element em=item.child(0); //获取em标签，em标签中包含了两个span标签，是需要的风向
    windDirectionList1.add(em.select("span").get(0).attr("title")); //attr函数用来获取标签内的属性值
    windDirectionList2.add(em.select("span").get(1).attr("title"));
    windSpeedList.add(item.select("i").text());
}
System.out.println(windDirectionList1);
System.out.println(windDirectionList2);
System.out.println(windSpeedList);

完整代码

package com.ljp.springandpython.utils;

import org.jsoup.Jsoup;
import org.jsoup.nodes.document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import org.junit.jupiter.api.Test;
import org.springframework.boot.test.context.SpringBootTest;

import java.util.*;

@SpringBootTest
class HtmlUtilTest {
    @Test
    void test1(){
        String result=HtmlUtil.getResult("http://www.weather.com.cn/weather/101110200.shtml");
        document document= Jsoup.parse(result);
        Elements elements;

        // 获取日期和星期
        elements=document.select("h1");
        List dateList=new ArrayList<>();
        List dayList=new ArrayList<>();
        for (int i = 0; i < 7; i++) {
            String text=elements.get(i).text();
            int length=text.length();
            dateList.add(text.substring(0,length-4));
            dayList.add(text.substring(length-3,length-1));
        }
        System.out.println(dateList);
        System.out.println(dayList);

        // 获取天气
        elements=document.select("p[class=wea]");
        List weatherList=new ArrayList<>();
        for (Element item : elements) {
            weatherList.add(item.text());
        }
        System.out.println(weatherList);

        // 获取温度，最高温和最低温
        elements=document.select("p[class=tem]");
        int i=0;
        List highTempList=new ArrayList<>();
        List lowTempList=new ArrayList<>();
        for (Element item : elements) {
            highTempList.add(item.select("span").text()+"℃");
            lowTempList.add(item.select("i").text());
        }
        System.out.println(highTempList);
        System.out.println(lowTempList);

        // 获取风向及风力
        elements=document.select("p[class=win]");
        List windDirectionList1=new ArrayList<>();
        List windDirectionList2=new ArrayList<>();
        List windSpeedList=new ArrayList<>();
        for (Element item : elements) {
            Element em=item.child(0); //获取em标签，em标签中包含了两个span标签，是需要的风向
            windDirectionList1.add(em.select("span").get(0).attr("title")); //attr函数用来获取标签内的属性值
            windDirectionList2.add(em.select("span").get(1).attr("title"));
            windSpeedList.add(item.select("i").text());
        }
        System.out.println(windDirectionList1);
        System.out.println(windDirectionList2);
        System.out.println(windSpeedList);

        // 封装结果，每天一行
        List> list=new ArrayList<>();
        for (int j = 0; j < 7; j++) {
            Map map=new linkedHashMap<>();
            map.put("date",dateList.get(j));
            map.put("day",dayList.get(j));
            map.put("weather",weatherList.get(j));
            map.put("highTemp",highTempList.get(j));
            map.put("lowTemp",lowTempList.get(j));
            map.put("windDirection1",windDirectionList1.get(j));
            map.put("windDirection2",windDirectionList2.get(j));
            map.put("windSpeed",windSpeedList.get(j));
            list.add(map);
        }

        list.forEach(System.out::println);
    }

}

运行结果：

引用

使用HttpClient和Jsoup实现一个简单爬虫
Java爬虫-快速入门 HttpClient+JSoup详解
使用Jsoup的select语法进行元素查找
Python爬虫入门实战--------一周天气预报爬取
Python爬虫实战(3) | 爬取一周的天气预报信息

Java爬虫 获取中国天气网7日天气预报

Java相关栏目本月热门文章

Java爬虫获取中国天气网7日天气预报