本文研究的主要是Python爬蟲天氣預報的相關內容，具體介紹如下。

這次要爬的站點是這個：http://www.weather.com.cn/forecast/

要求是把你所在城市過去一年的歷史數據爬出來。

分析網站

首先來到目標數據的網頁 http://www.weather.com.cn/weather40d/101280701.shtml

我們可以看到，我們需要的天氣數據都是放在圖表上的，在切換月份的時候，發現只有部分頁面刷新了，就是天氣數據的那塊，而URL沒有變化。

這是因為網頁前端使用了JS異步加載的技術，更新時不用加載整個頁面，從而提升了網頁的加載速度。

對于這種非靜態頁面，我們在請求數據時，就不能簡單的通過替換URL來請求不同的頁面。

著眼點要放在Network，觀察整個請求的過程，從中尋找突破口。

老規矩按下F12 > network，切換下頁面，發現多了一些東西，這就是切換月份，瀏覽器發出的請求，可以很清楚的看到請求頭和請求參數。

再來看看Response是怎樣的吧

真是沒想到，返回的居然是json格式的天氣數據！直接做 json 反序化就能變成字典的形式，省掉了我們解析 html 的麻煩呀。既然找到了數據所在的地方，就可以開始嘗試構建請求了。

構建請求

先直接copy上面的Request URL，試下請求。http://d1.weather.com.cn/calendar_new/2017/101280701_201706.html?_=1495720234075
然后發現報錯了，先把請求頭全部滿上懟進去，發現可以正常的響應。
但是我們還要分析下到底哪個參數不對出了問題。經過嘗試，發現請求頭里的Referer的原因，去掉就會報錯。

這是因為這是瀏覽器發出請求時，會通過Referer告訴服務器我是從哪個頁面鏈接過來的，有些網站會對這個做驗證，主要時為了防止別人盜鏈的問題。

這個中國天氣網，就是驗證了Referer里的域名是不是自己的，不是的話就會403禁止訪問服務器。

接下來就要考慮怎么請求不同月份的數據。

通過觀察URL，發現其實很簡單，直接替換年月，就可以循環抓取，得到整年的數據。

那中間的101280701是什么意思呢，經過請求不同的城市對比URL，我發現這是表示地理位置的一個數據。

前3位表示國家中國，后6位依次表示，省份，城市和區縣。修改這里，就能實現對不同城市進行查詢了。

最后一個參數1495720234075，開始以為是隨機數，后來有朋友提醒這是unix時間戳，實際上就算去掉這個，也能正常訪問數據，沒什么影響。