此案例实现功能：利用网络爬虫，爬取某地的天气，并打印和语音播报 。 要用到requests库，lxml库，pyttsx3库，没有的，可以先安装一下，都可以通过pip安装：

pip install requests 
pip install lxml 
pip install pyttsx3 

Requests库是个功能很强大的网络请求库，可以实现跟浏览器一样发送各种HTTP请求来获取网站的数据。

Lxml库是处理XML和HTML功能最丰富，最易于使用的库，通常用lxml库中的etree使HTML转化为文档。

Pyttsx3库是一个很简单的播放语音的库，你给它什么，它就读什么，当然别在意生硬的语气。 基本用法如下：

import pyttsx3 
 
word = pyttsx3.init() 
​ 
word.say('你好') 
# 关键一句，没有这行代码，不会播放语音 
word.runAndWait() 

我们首先导入requests库，然后就用它来获取目标的网页，我们请求的是天气网站中的北京天气。

import requests 
# 向目标url地址发送请求，返回一个response对象 
req = requests.get('https://www.tianqi.com/beijing/') 
# .text是response对象的网页html 
print(req.text) 

打印出的结果就是网站上显示的内容，浏览器就是通过这些内容“解析”出来我们看到的结构如下：

我们请求后的获得的数据

注意啦，小伙伴们有很大可能运行之后得不到网页代码，而是显示403，这是什么意思呢?

403错误是一种在网站访问过程中，常见的错误提示，表示资源不可用。服务器理解客户的请求，但拒绝处理它。

我们写的爬虫一般会默认告诉服务器，自己发送一个Python爬取请求，而很多的网站都会设置反爬虫的机制，不允许被爬虫访问的。

所以，我们想让目标服务器响应，那就把我们的爬虫进行一下伪装。此小案例就用常用的更改User-Agent字段进行伪装。

改一下之前的代码，将爬虫伪装成浏览器请求，这样就可以进行正常的访问了。

User-Agent字段怎么来的呢?我们以Chrome浏览器为例子，先随便打开一个网页，按键盘的F12或在空白处点击鼠标右键选择“检查”;然后刷新网页，点击“Network”再点击“Doc”，点击Headers，在信息栏查看Request Headers的User-Agent字段，直接复制，咱们就可以用啦。

我们从网页请求获得的数据繁杂，其中只有一部分是我们真正想得到的数据，例如我们从天气的网站中查看北京的天气，只有下图中使我们想要得到的，我们如如何提取呢?这就要用到lxml.etree。

整个代码中只有一小部分我们想要的信息，我们发现想要的天气、温度啊都在“class='weather_info'”这一层级下，那这就好办了。我们在请求的代码的后面加上：

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

我们print(html_data)一下看看提取是不是我们想要的数据。

发现连网页中换行符啊什么的也都提取出来了，还有，别忘了，提取出来的是列表哦。我们还要做一下处理。

word = "欢迎使用天气播报助手" 
​ 
for data in html_data: 
    word += data 

处理完我们打印一下看看，嗯，我们想要的都有了。不过还多了一个[切换城市]，我们精益求精，最后把这个最后再去掉。

我们想要的数据都在word变量里啦，现在就让他读出来，用pyttsx3这个库，

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

好的，现在都已完成。 我们一步一步都摸索过来，现在整合在一起，最后播放效果还是不错的，这是一次很美好的爬虫之旅，期待下次爬取!

原文来自：https://developer.51cto.com/art/202011/630716.htm

本文地址：https://www.linuxprobe.com/python-wether-talk.html编辑：清蒸github，审核员：逄增宝

Linux命令大全：https://www.linuxcool.com/

Linux系统大全：https://www.linuxdown.com/

红帽认证RHCE考试心得：https://www.rhce.net/