Hello，大家好呀，我是你们亲爱的 w3cschool 小编，今天给大家分享一份 Python 爬虫入门小案例—-语音播报天气预报。
此案例实现的功能为：利用爬虫，爬取某一地区的天气信息，并打印出进行语音播报。
一、前期准备
此案例中要用到的库有：requests、lxml、pyttsx3，可通过 cmd 命令进去命令提示符界面，通过如下命令安装：
pip install requests
pip install lxml
pip install pyttsx3
requests 比 urllib 更加方便，可以节约我们大量的工作。（用了 requests 之后，你基本都不愿意用 urllib 了）一句话，requests 是 Python 实现的最简单易用的 HTTP 库，建议爬虫使用 requests 库。
lxml 是 Python 的一个解析库，支持 HTML 和 XML 的解析，支持 XPath 解析方式，而且解析效率非常高。
pyttsx3 是一个款将文本转为语音的 Python 包，不同于其他 Python 包，pyttsx3 真的可以文本转语音。基本用法如下：
import pyttsx3
test = pyttsx3.init()
test.say(‘hello w3cschool！’)
# 关键一句，若无，语音不会播放
test.runAndWait()
如果你是 linux 系统，pyttsx3 文本转语音不奏效。那么你可能还需要安装 espeak、ffmpeg 和 libespeak1。安装命令如下：
sudo apt update && sudo apt install espeak ffmpeg libespeak1
爬虫是爬取网页的相关内容，了解 HTML 能够帮助你更好的理解网页的结构、内容等。
TCP / IP 协议，HTTP 协议这些知识最好要了解一下，懂得基本含义，这样能够让你了解在网络请求和网络传输上的基本原理。
二、详细步骤
1、get 请求目标网址
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厦门天气。
import requests
# 向目标url地址发送请求，返回一个response对象
resp = requests.get(‘https://www.tianqi.com/xaimen/’)
# .text是response对象的网页html
print(resp.text)
当然仅凭这三行代码，很大的可能是爬取不到网页的，显示 403，这是什么意思呢？
403 错误是一种常见的网络错误类型，表示资源不可用，服务器知道客户的请求，但拒绝处理它。
这是因为我们写的爬虫如果不添加请求头进行访问的话，脚本会自行发送一个 Python 爬取的请求，而大部分的网站都会设施反爬虫机制，不允许网站内容被爬虫爬取。
那么，这就无解了吗？那肯定是不可能的，俗话说得好，上有政策，下有对策，我们想让目标服务器相应，那么我们就对我们得爬虫进行一下伪装即可。在我们这次的小案例中我们添加常用的 User-Agent 字段进行伪装即可。
所以，改一下我们之前得代码，将爬虫伪装成浏览器请求，如下：
import requests
headers = {‘User-Agent’:’Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36′}
# 向目标url地址发送请求，返回一个response对象
resp = requests.get(‘https://www.tianqi.com/xaimen/’,headers=headers)
# .text是response对象的网页html
print(resp.text)
有小伙伴就要问了：User-Agent 字段怎么来的呢？在这里我们以 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，黏贴到编译器就可以用啦，注意要以字典形式添加呀。
2、lxml.etree 解析网页
我们从网页爬取到得数据杂乱，其中也只有一部分是我们真正想要得到得数据，例如在本案例中我们只需网页中厦门市的天气详细信息，如图所示：
那么我们如如何提取呢？这时候就要用到 lxml.etree 啦。
观察网页结构可以发现我们所需要的天气信息都在“dl class=’weather_info’”这一自定义列表下，于是乎我们只需在之前的代码后添加如下代码便能解析出该信息了：
html = etree.HTML(html)
html_data = html.xpath(“//d1[@class=’weather_info’]//text()”)
我们尝试一下打印其中信息，得到信息如图所示：
不难发现，得到的信息和我们想要的信息不是很一致，网页中的空格及换行符也一并让我们提取了出来，生成的对象也是列表类型。
所以呢，我们接下来还需做如下处理：
txt = “欢迎使用天气播报助手”
for data in html_data:
txt += data
再次打印不难发现我们所需要的信息都已经有了，看上去也是很 nice，不过美中不足的是 [切换城市] 还在，我们呢也不想要它。
那么怎么办呢，咱用字符串方法替换掉它即可。
txt = txt.replace(‘[切换城市]’,”)
三、pyttsx3 播报天气信息
到这一步，我们想要的数据都已被我们爬取下来并处理好保存在 txt 变量里啦，现在就让他读出来，到了 pyttsx3 这个库上场的时候了，代码如下：
test = pyttsx3.init()
test.say(txt)
test.runAndWait()
至此，我们的小案例就做完啦，推荐好课：Python 静态爬虫、Python Scrapy网络爬虫。
一步步的摸索，到功能的实现，在其中得到的乐趣及成就感，相信小伙伴们是很开心的。
最后：完整源码奉上：
import requests
import pyttsx3
from lxml import etree
url = ‘https://www.tianqi.com/xiamen/’
headers = {‘User-Agent’:’Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/87.0.4280.88 Safari/537.36′}
resp = requests.get(url=url, headers=headers) # 向目标url地址发送请求，返回一个response对象
html = resp.text # .text是response对象的网页html
html = etree.HTML(html)
html_data = html.xpath(“//dl[@class=’weather_info’]//text()”)
txt = “欢迎使用天气播报助手”
for data in html_data:
txt += data
print(txt)
txt = txt.replace(‘[切换城市]’,”)
txt += ‘\n播报完毕！谢谢！’
print(txt)
test = pyttsx3.init()
test.say(txt)
test.runAndWait()
小狮博客
