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，headers

        r = requests.get(url, headers=kv)

        r.raise_for_status()

        r.encoding = r.apparent_encoding

    except:

        print("爬取城市链接失败")

    demo = r.text

    soup = BeautifulSoup(demo, "html.parser")

    time = soup.find('h4').string

    print(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"+city

    if city in cwlink:

        aqilist.append("异常链接")

    else:

        try:

            kv = {'user-agent': 'Mozilla/5.0'}  # 伪装成浏览器，headers

            r = requests.get(url, headers=kv)

            r.raise_for_status()

            r.encoding = r.apparent_encoding

        except:

            print("爬取失败")

        demo = r.text

        soup = 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 bs4

aqilist = []   # 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"+city

    if city in cwlink:

        aqilist.append("异常链接")

    else:

        try:

            kv = {'user-agent': 'Mozilla/5.0'}  # 伪装成浏览器，headers

            r = requests.get(url, headers=kv)

            r.raise_for_status()

            r.encoding = r.apparent_encoding

        except:

            print("爬取失败")

        demo = r.text

        soup = 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，headers

        r = requests.get(url, headers=kv)

        r.raise_for_status()

        r.encoding = r.apparent_encoding

    except:

        print("爬取城市链接失败")

    demo = r.text

    soup = BeautifulSoup(demo, "html.parser")

    time = soup.find('h4').string

    print(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