作者CCpiano (钢琴社公告用id)
看板Python
标题[问题] 撷取气象局定时发布的资料
时间Wed Jul 17 01:30:09 2013
请问各位关於python撷取网页的问题
因为我对台风资讯还满有兴趣的
因此我想要蒐集每次台风的所有台风警报单内容
而在中央气象局的网页上
http://www.cwb.gov.tw/V7/prevent/warning/w23.htm?
这是台风警报(现在是热带性低气压特报)会出现的网址
我想要写python program让他自动在发报时间後帮我从网站上取出警报单的内容
像现在就是:
发布时间：2013/07/16 22:31
热带性低气压１００２百帕，在北纬１６．２度，东经１２３．７度，即在菲律宾东方海
面，向西北移动，时速１５公里，未来有发展为轻度台风的趋势，本局正密切注意中；请
在巴士海峡航行及作业船只特别注意。
我用的是python 3.3.2
我爬了文可以使用urllib.request
但我试过之後发现他没有帮我撷取到以上我想要的资讯内容
请问各位我该如何做到这点?
还是气象局网页不让别人这麽做@@
--
※ 发信站: 批踢踢实业坊(ptt.cc)
◆ From: 140.112.249.236
1F：→ suzuke:你该把你的code贴出来让大家帮你看问题在哪, 而不是问 07/17 02:27
2F：→ suzuke:你该怎麽做, 等着让别人告诉你答案 07/17 02:28
3F：推 carlcarl:你用urllib你是截取到什麽东西? 07/17 02:52
不好意思
我补上我的code (on python 3.3.2)
import urllib.request
web=urllib.request.urlopen('
http://www.cwb.gov.tw/V7/prevent/warning/w23.htm?')
webcontent=web.read()
print(webcontent)
这样得到一堆big5编码的内容
https://www.space.ntu.edu.tw/navigate/s/233DBD84725147E999B6835585877100QQY
我刚刚发现里面有发报的时间点，最新的是在2013/07/17 04:00发的
但是我不知道该如何decode其他文字><
我有用.decode('big5')
但是一直出现类似这样的error
UnicodeDecodeError: 'big5' codec can't decode byte 0xe7 in position 0:
illegal multibyte sequence
还有请大家指导指导 谢谢!!
※ 编辑: CCpiano 来自: 140.109.113.31 (07/17 09:19)
4F：→ swpoker:errors='ignore' 看看一下 Codec Base Classes 07/17 10:16
5F：→ swpoker:因为网页通常会有奇怪的字元,所以转码要设定忽略错误 07/17 10:16
6F：推 trashprince:pyquery不错用 07/18 00:52