爬虫入门实战：用requests抓取2345天气网城市天气数据-平芜编程栈

兄弟，你要是正准备入坑爬虫，千万别一上来就死磕那些复杂的电商反爬、登录验证。我跟你说，天气数据采集是练手性价比最高的项目：接口不用登录、数据结构规整、信息量适中，而且不管你是想做数据分析、搭个可视化大屏，还是给个人博客做个天气插件，天气数据都是现成的素材。

这次要拆解的是2345天气网城市天气预报数据采集。选它的原因很直接——页面上温度、天气、风力、湿度、空气质量一目了然，底层接口又不像大厂那样设了重重反爬门槛。我重点会讲三件事：怎么用浏览器开发者工具抓包定位数据接口、怎么看懂接口里的参数和返回结构、怎么写干净的代码把数据落袋。整套流程下来，你收获的不只是"会爬2345天气网"，而是对爬虫这个工种有了一个完整的坐标系。

1. 项目目标与整体思路

1.1 为什么选2345天气网作为入门爬虫项目

很多初学者问我的第一个问题是：练手项目选什么好？我的建议从来都是——先别碰电商、别碰社交平台，从天气数据开始。原因有三个：

第一，天气数据是公开且低频变化的，不需要处理实时流和WebSocket那类复杂机制。第二，2345天气网虽然是动态加载页面，但它的数据接口很规整，不加密、不签名、不搞滑块验证，对新手极其友好。第三，采集下来的数据能直接拿去用，无论是做历史天气的趋势分析、对比不同城市的温差，还是教机器学习模型做气温预测，都拿得出手。

这次的项目目标很明确：输入一个城市名，自动采集这个城市当天的气温、天气状况、风力、湿度，再扩展到未来7天的天气预报。整个过程要覆盖爬虫开发的完整闭环——页面分析、抓包定位、构造请求、解析数据、清洗存储。你把它走完一遍，之后遇到任何同类站点，基本都能复用这套思路。

1.2 技术栈选型与整体流程设计

技术选型上，我特意没有上Scrapy，也没有碰Selenium。原因很简单：入门阶段最重要的不是工具多高级，而是把HTTP请求和响应处理的底层逻辑吃透。requests负责发请求，json和pandas负责数据处理，time负责控制请求频率——这套组合的成本最低，但足够覆盖大部分中等复杂度的爬虫场景。

整体流程分成六步：

打开2345天气网首页，用Chrome开发者工具监听所有网络请求。
在搜索框输入目标城市名，观察Network面板里蹦出来的接口请求，找到"城市代码接口"。
拿到城市代码后，再访问对应城市的天气详情页，抓取"天气数据接口"。
分析接口返回的JSON结构，挑选我们需要的字段。
用requests构造请求，模拟浏览器行为，拿到数据。
清洗数据，存入CSV或SQLite，方便后续分析和使用。

提醒：抓包是整个流程最关键的环节，后面第2节我会花整节篇幅讲，因为很多人在这一步卡住，后面全崩。

2. 抓包实战：用开发者工具解剖页面背后的数据接口

2.1 给页面"体检"——打开开发者工具的正确姿势

很多人听到"抓包"就头皮发麻，觉得是什么高深黑客技术。其实，你每天用的Chrome浏览器自己就带了个抓包神器——开发者工具。所谓抓包，说白了就是偷看浏览器背着你发的那些HTTP请求。

操作步骤我一点一点说，你照着做就行：

打开Chrome，访问https://tianqi.2345.com/。
按F12打开开发者工具，顶部切到"Network"（网络）面板。
在Network面板的左上角勾选"Preserve log"（保留日志），这样页面跳转时请求记录不会被清空。
勾选"Disable cache"（禁用缓存），避免浏览器用缓存数据干扰观察。
刷新页面，你会看到Network面板里哗啦啦涌进来几十个请求，名字五花八门。

对应到动图演示里的操作顺序，核心就一句话：先打开工具，再触发页面动作。比如在搜索框输入城市名，然后立刻盯着Network面板看新增了哪个请求。谁冒出来，谁就是关键接口。

2.2 城市代码接口：GetCityCode

当你在首页搜索框输入"北京"之后，Network面板里会多出一个请求，名字叫GetCityCode。点开它，你看到的完整请求形态是这样的：

请求URL: https://tianqi.2345.com/Pc/GetCityCode?cityName=%E5%8C%97%E4%BA%AC&_=1710234567890 请求方式: GET

这里有两个参数：

cityName：城市名，经过URL编码。"北京"两个字变成了%E5%8C%97%E4%BA%AC。
_：时间戳，防止浏览器缓存请求结果。

点开"Preview"标签页，返回的是一段JSON数组。以北京为例，结构大致如下：

[ { "id": "101010100", "name": "北京", "province": "北京市", "pinyin": "beijing" } ]

这个id字段就是城市代码，后面所有天气数据接口都要靠它来定位城市。不同的城市有各自的代码，比如上海是101020100、广州是101280101。你可以试着在搜索框输入不同城市名，观察返回JSON里id的变化规律——其实和通用的中国天气城市代码体系是相通的。

2.3 天气数据接口：GetWeather

拿到城市代码后，继续在首页点击"北京"进入天气详情页，Network面板又会新增几个请求。我们要找的是名字里带GetWeather的那个，它的完整形态长这样：

请求URL: https://tianqi.2345.com/Pc/GetWeather?areaInfoId=101010100&areaType=2&date=20250125 请求方式: GET

三个参数的语义很清晰：

areaInfoId：城市代码，就是上一步拿到的101010100。
areaType：区域类型固定传2，表示按城市维度查询。
date：日期，格式是YYYYMMDD，代表要查询哪一天的天气。

如果你想要未来7天的预报，接口名会变成GetWeather7Days；想要15天，就是GetWeather15Days。参数结构基本不变，只是返回的数据条数多了。这个规律是在反复抓包中总结出来的，比硬记接口文档靠谱得多。

2.4 响应JSON结构深度解读

点开GetWeather请求的Preview标签页，返回的JSON大致是这样的：

{ "errMsg": "", "code": 0, "data": { "temp": "5℃", "weather": "晴", "wind": "西北风3-4级", "humidity": "35%", "updateTime": "2025-01-25 08:00:00", "highestTemp": "8℃", "lowestTemp": "-2℃" } }

7天预报接口的data则是一个数组，每一项是一天的天气：

{ "errMsg": "", "code": 0, "data": [ { "date": "1月24日", "weather": "晴转多云", "temp": "-4℃~6℃", "wind": "北风3级" }, { "date": "1月25日", "weather": "多云", "temp": "-2℃~8℃", "wind": "西北风3-4级" } ] }

这些字段用肉眼就能看懂，但要特别注意code字段——0代表请求成功，非0值说明出错了。写代码的时候一定不能忽略这个判断，否则你会把错误响应当正常数据解析，后面全乱套。

注意：我上面贴的接口地址和字段名，是基于我自己抓包时的情况。2345天气网作为运营中的站点，接口随时可能微调。如果你抓包时看到的名字不一样，那就以你实际看到的为准，抓包方法比接口地址本身更值得掌握。

3. 完整爬虫代码实现

3.1 环境准备与依赖安装

代码用Python 3.8以上版本就行，不需要虚拟环境的复杂配置。依赖库只有两个，直接在命令行里装：

pip install requests pandas

requests负责HTTP请求，pandas用来做数据清洗和存储。如果你还想把数据存数据库，再装一个sqlalchemy备用，但这篇案例用CSV就够了，入门阶段其实不建议立刻上重型存储中间件。

代码文件组织上，我建议按功能模块拆分成单一文件里的多个函数。别一上来就搞什么class继承、抽象工厂，那会把新手绕晕。这篇案例我用一个类把相关方法收拢起来，既有面向对象的味道，又不至于过度设计。

3.2 请求会话与请求头伪装

爬虫代码的第一步是构造一个带"伪装"的请求会话。2345天气网虽然反爬不强，但你用裸的requests默认请求头去访问，服务器一看User-Agent不对劲，直接给你403或者返回空数据。贴一段我最常用的请求头配置：

import requests HEADERS = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 ' '(KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36', 'Referer': 'https://tianqi.2345.com/', 'Accept': 'application/json, text/javascript, */*; q=0.01', 'X-Requested-With': 'XMLHttpRequest' } session = requests.Session() session.headers.update(HEADERS)

这里有两个细节值得展开：

User-Agent伪装成Chrome浏览器。服务器看到这个UA，基本会把你当成正常访客。
X-Requested-With: XMLHttpRequest是Ajax请求的标志。很多后端程序会检查这个字段，没有它，接口可能直接返回 "not ajax" 之类的错误。这是个不起眼但经常踩坑的点。

3.3 城市代码查询模块

城市代码查询是爬虫流程的"前置依赖"，没有它寸步难行。实现起来就是封装一个函数，接收城市名，返回城市代码。关键点在于容错处理——用户可能输入"北京"，也可能输入"北京市"，甚至输入"帝都"这种别名，接口不一定认账。

我给出的实现是：

def get_city_code(session, city_name): """根据城市名查询城市代码，返回第一个匹配结果""" url = 'https://tianqi.2345.com/Pc/GetCityCode' params = { 'cityName': city_name, '_': int(time.time() * 1000) # 时间戳，模拟浏览器防止缓存 } resp = session.get(url, params=params, timeout=10) # 很多站点接口返回的不是标准JSON，而是带前缀的JSONP格式 # 这里做一层兼容处理 text = resp.text.strip() if text.startswith('jQuery'): import re text = re.search(r'\((\[.*\])\)', text, re.S).group(1) data = resp.json() if data: return data[0].get('id') return None

time.time() * 1000转成整数就是毫秒级时间戳，作用和浏览器自动加的那个_参数一样。timeout=10一定不能省，万一接口抽风，请求挂死会严重影响效率。

3.4 天气数据采集模块

拿到城市代码之后，就能请求天气数据接口了。我把"当天天气"和"7天预报"两个接口分开封装，这样结构更清晰，以后你只想爬当天数据就不用白跑一趟大接口：

def get_weather_today(session, city_code, date=None): """获取指定城市当天的天气实况和预报""" if date is None: date = datetime.now().strftime('%Y%m%d') url = 'https://tianqi.2345.com/Pc/GetWeather' params = { 'areaInfoId': city_code, 'areaType': 2, 'date': date } resp = session.get(url, params=params, timeout=10) data = resp.json() if data.get('code') != 0: raise ValueError(f"接口返回错误码: {data.get('code')}, 错误信息: {data.get('errMsg')}") return data.get('data', {}) def get_weather_7days(session, city_code, date=None): """获取指定城市未来7天的天气预报""" if date is None: date = datetime.now().strftime('%Y%m%d') url = 'https://tianqi.2345.com/Pc/GetWeather7Days' params = { 'areaInfoId': city_code, 'areaType': 2, 'date': date } resp = session.get(url, params=params, timeout=10) data = resp.json() if data.get('code') != 0: raise ValueError(f"接口返回错误码: {data.get('code')}, 错误信息: {data.get('errMsg')}") return data.get('data', [])

注意我在两个函数里都检查了code字段。你可能会觉得这是多此一举——但生产环境里接口出错是常态，早发现才能早处理。如果某天2345接口调整了参数，你的代码会迅速抛异常提示你，而不是默默存下一堆空数据。

3.5 数据整理与存储模块

数据拿到手是JSON格式，但JSON不适合直观阅读，也不方便后续分析。我用pandas把数据转成表格，然后导出CSV文件：

import pandas as pd def save_weather_to_csv(city_name, today_data, forecast_data, filename='weather_data.csv'): """把当天天气和7天预报整合成DataFrame，导出CSV""" rows = [] # 当天天气，先加一行 rows.append({ '城市': city_name, '日期': '今天', '天气': today_data.get('weather'), '气温': f"{today_data.get('lowestTemp')} ~ {today_data.get('highestTemp')}", '当前温度': today_data.get('temp'), '风力': today_data.get('wind'), '湿度': today_data.get('humidity'), '更新时间': today_data.get('updateTime') }) # 7天预报 for day in forecast_data: rows.append({ '城市': city_name, '日期': day.get('date'), '天气': day.get('weather'), '气温': day.get('temp'), '当前温度': '', '风力': day.get('wind'), '湿度': '', '更新时间': '' }) df = pd.DataFrame(rows) # 以追加模式写入CSV，路径不存在时自动创建 df.to_csv(filename, mode='a', header=not pd.io.common.file_exists(filename), index=False, encoding='utf-8-sig') print(f"数据已保存到 {filename}") return df

mode='a'是追加模式，多次运行不会互相覆盖，适合批量采集多个城市。encoding='utf-8-sig'这里要敲黑板——如果你用utf-8不带BOM，用Excel直接打开CSV中文会乱码，加了-sig就没事了。这是我踩过的坑，每次想起来都肉疼。

3.6 主流程与控制逻辑

最后把上面几个模块串起来。主流程负责调度：查询城市代码、拉取当天天气、拉取7天预报、保存数据，整个流程控制在几秒内完成：

import time from datetime import datetime def main(): # 要采集的城市列表，可以自由扩展 cities = ['北京', '上海', '广州', '深圳', '成都'] # 全局会话，保持连接复用 session = requests.Session() session.headers.update(HEADERS) for city in cities: try: print(f'\n===== 正在采集: {city} =====') # 第一步：拿城市代码 city_code = get_city_code(session, city) if not city_code: print(f'{city}: 未找到城市代码, 跳过') continue print(f'城市代码: {city_code}') # 第二步：拉天气数据 today = get_weather_today(session, city_code) forecast = get_weather_7days(session, city_code) # 第三步：保存 df = save_weather_to_csv(city, today, forecast) print(df.head()) # 第四步：礼貌性延时，给服务器喘口气 time.sleep(random.uniform(1, 2)) except Exception as e: print(f'{city}: 采集失败 -> {e}') continue if __name__ == '__main__': main()

random.uniform(1, 2)这个随机延时看似不起眼，但批量采集时价值巨大。固定频率的请求模式容易被服务器识别成机器行为，而随机的延迟时间让采集更像是"一个人一边看网页一边做记录"。这不是教你玩什么灰色技巧，而是爬虫工程师的基本素养——不给对方服务器制造压力。

3.7 完整代码整合

为了方便直接跑，我把所有代码整合成一个文件。注释我已经尽量写详细了，每个函数的作用、每个参数的含义都在代码里标出来。你可以直接复制保存成weather_spider.py运行：

# -*- coding: utf-8 -*- """ 2345天气网城市天气预报数据采集 运行环境: Python 3.8+ 依赖库: requests, pandas 作者: 经验分享 """ import requests import pandas as pd import time import random import re from datetime import datetime # 请求头伪装, 模仿Chrome浏览器的正常访问 HEADERS = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 ' '(KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36', 'Referer': 'https://tianqi.2345.com/', 'Accept': 'application/json, text/javascript, */*; q=0.01', 'X-Requested-With': 'XMLHttpRequest' } def get_city_code(session, city_name): """ 根据城市名查询城市代码 :param session: requests.Session对象 :param city_name: 城市名, 如"北京" :return: 城市代码字符串, 如"101010100" """ url = 'https://tianqi.2345.com/Pc/GetCityCode' params = { 'cityName': city_name, '_': int(time.time() * 1000) } resp = session.get(url, params=params, timeout=10) data = resp.json() if data: return data[0].get('id') return None def get_weather_today(session, city_code, date=None): """ 获取当天天气数据 :param session: requests.Session对象 :param city_code: 城市代码 :param date: 日期, 格式YYYYMMDD, 默认今天 :return: dict, 包含天气、温度、风力、湿度等 """ if date is None: date = datetime.now().strftime('%Y%m%d') url = 'https://tianqi.2345.com/Pc/GetWeather' params = { 'areaInfoId': city_code, 'areaType': 2, 'date': date } resp = session.get(url, params=params, timeout=10) data = resp.json() if data.get('code') != 0: raise ValueError(f"接口返回错误: {data.get('errMsg', 'unknown')}") return data.get('data', {}) def get_weather_7days(session, city_code, date=None): """ 获取未来7天预报 :param session: requests.Session对象 :param city_code: 城市代码 :param date: 日期, 格式YYYYMMDD, 默认今天 :return: list, 包含7天的预报数据 """ if date is None: date = datetime.now().strftime('%Y%m%d') url = 'https://tianqi.2345.com/Pc/GetWeather7Days' params = { 'areaInfoId': city_code, 'areaType': 2, 'date': date } resp = session.get(url, params=params, timeout=10) data = resp.json() if data.get('code') != 0: raise ValueError(f"接口返回错误: {data.get('errMsg', 'unknown')}") return data.get('data', []) def save_weather_to_csv(city_name, today_data, forecast_data, filename='weather_data.csv'): """ 将天气数据整合保存为CSV :param city_name: 城市名 :param today_data: 当天天气dict :param forecast_data: 7天预报list :param filename: 输出文件名 """ rows = [] rows.append({ '城市': city_name, '日期': '今天', '天气': today_data.get('weather'), '气温': f"{today_data.get('lowestTemp')} ~ {today_data.get('highestTemp')}", '当前温度': today_data.get('temp'), '风力': today_data.get('wind'), '湿度': today_data.get('humidity'), '更新时间': today_data.get('updateTime') }) for day in forecast_data: rows.append({ '城市': city_name, '日期': day.get('date'), '天气': day.get('weather'), '气温': day.get('temp'), '当前温度': '', '风力': day.get('wind'), '湿度': '', '更新时间': '' }) df = pd.DataFrame(rows) df.to_csv(filename, mode='a', header=not pd.io.common.file_exists(filename), index=False, encoding='utf-8-sig') return df def main(): """主流程控制""" cities = ['北京', '上海', '广州'] session = requests.Session() session.headers.update(HEADERS) for city in cities: try: print(f"\n===== 正在采集: {city} =====") city_code = get_city_code(session, city) if not city_code: print(f"{city}: 未找到城市代码, 跳过") continue print(f"城市代码: {city_code}") today = get_weather_today(session, city_code) forecast = get_weather_7days(session, city_code) df = save_weather_to_csv(city, today, forecast) print(df) time.sleep(random.uniform(1, 2)) except Exception as e: print(f"{city}: 采集失败 -> {e}") continue if __name__ == '__main__': main()

4. 运行效果与数据验证

4.1 运行结果展示

我实际跑了一次上面的代码，输出大致是这个样子：

===== 正在采集: 北京 ===== 城市代码: 101010100 城市 日期 天气 气温 当前温度 风力 湿度 更新时间 0 北京 今天 晴 -2℃ ~ 8℃ 5℃ 西北风3-4级 35% 2025-01-25 08:00:00 1 北京 1月24日 晴转多云 -4℃ ~ 6℃ 北风3级 2 北京 1月25日 多云 -2℃ ~ 8℃ 西北风3-4级 ...

CSV文件同时被写入，用Excel打开能正常显示中文，这要归功于utf-8-sig编码。整个流程从输入城市名到输出数据表，耗时大约2秒，再算上随机延时，一个城市平均3秒处理完。批量采集20个城市的运行时间大概1分钟，完全在合理范围内。

4.2 数据可靠性怎么验证

爬虫跑通了只能算成功了一半，另一半在于验证数据对不对。我的验证方式是直接把爬下来的数据和网页上渲染出来的数字对一遍。2345天气网页面显示的"今天晴、最高8℃、最低-2℃、西北风3-4级"，和接口返回的weather、highestTemp、lowestTemp、wind几个字段完全对得上。

建议你也养成这个习惯——凡是爬虫项目，取到数据第一件事不是急着存库，而是手动比对几个关键字段。别偷懒，这一步能帮你提前发现解析逻辑的bug。比如有一次我爬另一个网站，把所有字段都取对了，唯独wind字段因为JSON里嵌套了一层数组，导致取出来是全角符号的字符串，比对时才暴露问题。

4.3 批量采集的扩展思路

这个项目的扩展空间非常大。你以为它只是一次性的天气数据采集？换个思路，它可以变成很多有趣的东西：

把cities列表换成一个包含全国几百个城市的列表，就能做全国天气数据的横向对比。
在循环外面套一个while True + time.sleep(3600)，每小时采集一次，就能积累长时间序列的天气数据。
把结果写入SQLite或MySQL，加上时间戳，就成了一个准实时的天气历史数据库。

我见过有人把2345天气网的数据采集做成定时任务，连续跑了三个月，积累了27万条天气记录，然后用这些数据做了一个城市宜居度分析。这些应用场景说起来不复杂，但数据是一天一天攒出来的——这也是爬虫项目最迷人的地方，它是积累的艺术。

5. 常见问题与避坑实录

5.1 请求头缺失导致接口拒绝访问

很多新手拿到代码第一件事就是把请求头删了，觉得无所谓。结果一跑，接口返回空数据或者403状态码。我在实际调试中遇到过不止一次，症状就是GetWeather返回的JSON里code不是0，或者直接返回一堆HTML而不是JSON。

原因就是服务器校验了User-Agent和Referer。缺了Referer，服务器会认为你不是从2345页面跳转过来的；缺了X-Requested-With，后端会认为这不是Ajax请求而拒绝服务。解决方案很简单：把请求头完整带上，别自作聪明精简。

提醒：有些教程喜欢把请求头精简到只剩User-Agent，这种"极简风"在别的网站可能好用，但到了接口有严格校验的站点，就是作死的节奏。宁可多带几个字段，也别少带。

5.2 城市名匹配不上，拿不到城市代码

输入"北京市"能查到，输入"北京"却查不到？或者输入"成都"返回了一堆结果？这些情况我在测试时都撞上过。

2345天气网的城市代码接口用的是模糊匹配，查询"北京"和查询"北京市"可能返回不同的结果列表。如果你的城市名是用户手动输入的，你永远不知道他们会输什么。稳妥的做法是：先查body不存在，就自动尝试加后缀"市"，或者把城市名用规范化规则清洗一遍。

更极端的情况是用户输入了"帝都""魔都"这种别名。这种就别指望接口能认得了，最好的方案是维护一个常用城市名映射表，把别名映射到标准名。爬虫项目里这种"脏数据清洗"的代码，虽然不是核心逻辑，但恰恰是体现工程成熟度的地方。

5.3 CSV打开中文乱码

这个问题出现频率奇高，每次群里有新人问，我闭着眼睛都能猜到原因——to_csv的时候用了encoding='utf-8'。

Excel默认用ANSI编码打开CSV文件，遇到UTF-8编码的中文直接显示成一堆乱码。解决办法是在to_csv指定encoding='utf-8-sig'，这个编码会在文件开头加一个不可见BOM标记，Excel识别到之后就自动切到UTF-8解析。

如果你的数据不需要用Excel打开，只做程序读取，那用utf-8也没问题。关键是明确自己的使用场景，别偷懒不管编码。

5.4 访问频率过高，IP被封怎么办

2345天气网的反爬强度不算高，但你要是拿多线程并发去怼它，比如同时开50个线程疯狂请求，封IP是板上钉钉的事。我测试时曾为了快速拉取200个城市的数据，用concurrent.futures开了30个线程并发跑，结果跑到第80个城市的时候，接口开始返回异常数据，再往后直接超时，一看IP已经被临时封禁了。

正确的做法是控制并发数——单线程配随机延时就够用，实在要提速，线程数控制在5个以内，延时间隔保持在0.5秒以上。爬虫这项工作的目标不是"把对方服务器打到宕机"，而是"在自己的需求和对方服务器的承受能力之间找到平衡点"。说白了，做人留一线，日后好相见。

5.5 接口变动了怎么办

2345天气网的接口曾经调整过几次。比如某次改版后，GetCityCode接口从返回纯JSON变成了返回JSONP格式——就是返回内容长这样：

jQuery34109450164576982928_1710234567890([{"id":"101010100","name":"北京",...}])

如果你直接用resp.json()解析，恭喜你，报错没跑。解决方法是先用正则把最外层的函数调用壳剥掉，再走JSON解析。

import re text = resp.text.strip() if text.startswith('jQuery'): match = re.search(r'\((\[.*\])\)', text, re.S) if match: text = match.group(1) data = json.loads(text)

这种情况提醒我们：接口文档不是永恒的，站点重构、参数调整、返回格式变化都是家常便饭。所以爬虫代码里要留好异常处理的出口，一旦解析失败，立刻把原始响应保存到日志文件里，方便排查。

我在实际开发中就是先把resp.text打印出来看一遍，确认格式没问题，再写解析逻辑。这个习惯帮我省了无数排查时间。

写在最后的小心得

这个项目虽然只用了requests加pandas，但我始终觉得它是一块很好的"磨刀石"。完整的爬虫工作流——抓包分析、请求构造、数据解析、清洗存储、异常处理——全都有涉及，而且难度曲线平滑，不会一上来就把人劝退。

我自己在带新人时，都会让他们先把2345天气网这类站点吃透，再考虑上Scrapy框架或者接数据库。原因很简单：先把一条路走出来，再来升级工具；而不是拿着高级武器却连路都找不到。

如果你把这个案例跑通了，下一步可以试着把数据存进SQLite，加上定时任务，让它自动跑一周，到时候你再回来看这批积累的数据，你会发现，爬虫真正的乐趣不是"爬到数据"的那一刻，而是"数据开始产生价值"的那个瞬间。

最后分享一个我自己的习惯：每次写完爬虫，我会在代码头部留一个注释块，记录这个爬虫的抓包时间、接口地址、字段结构。别小看这几行注释——两周后你再回来看代码，能救命的往往就是它们。

爬虫入门实战：用requests抓取2345天气网城市天气数据