企业官网建设流程全解析

简介：本资源是一份面向计算机及相关专业本科生的Python期末大作业完整方案，聚焦网络爬虫与数据可视化实战，适用于课程设计、毕业设计参考及项目能力提升。项目基于Python实现天气数据自动化采集、清洗与多维度可视化分析，配套详实的大作业报告（含需求分析、技术选型、代码说明与结果展示），经导师指导并获98分高分评价。压缩包共514个文件，约22.33MB，包含大量SVG图表文件（用于动态可视化渲染）、HTML/CSS/JS前端页面（含keshihua.html等交互式看板）、Python核心脚本、SQL数据库文件及项目文档（如README.md、结课报告.docx），结构清晰、模块分明，便于学习者理解前后端协同逻辑。目前已有383人下载学习，所有源码均经本地编译调试可直接运行，附带完整环境配置说明与常见问题排错提示，是兼具教学规范性与工程实践性的优质学习材料。 做 Python 大作业选什么题目？我个人的答案是：只要能把“爬虫 + 数据处理 + 可视化 + 报告”这条链路完整跑通，就是最稳的选择。天气数据正好卡在这个点上——公开可访问、结构规律、字段丰富，还能做出漂亮的图表，报告也好写。这篇文章就围绕“基于 Python 的网络爬虫爬取天气数据及可视化分析”这个课程项目，把从选型、爬虫设计、数据清洗、可视化到报告撰写的完整思路和代码细节摊开讲清楚。如果你是正在为期末大作业发愁的学生，或者想用一个小项目快速掌握 Python 爬虫和数据可视化的入门操作，这篇文章可以直接当参考模板用。

我带的学弟学妹里，至少有三分之一的人第一门综合实训选了这个方向。原因很简单：天气数据不像电商数据那样反爬严格，也不像社交数据那样涉及隐私，数据量级对个人电脑完全友好，而且可视化结果一说出来人人都能看懂。更重要的是，它天然包含“从网络获取数据 → 处理数据 → 呈现结论”的完整流程，正是老师想看到的“解决实际问题的能力证明”。但很多同学交上来的作业代码就三五十行，爬完存个 Excel，画两张柱状图就完事，深度不够，答辩时很容易被问住。这次我按一个能拿高分的标准把整个项目拆开，每个环节都会解释为什么这么做，以及不这么做会踩什么坑。

1. 项目整体设计与技术选型思路

1.1 为什么选天气数据作为爬虫大作业

选项目题目其实比写代码更重要。我当时给学弟们的筛选标准是三条：数据是否容易获取、数据质量是否稳定、可视化结论是否直观。天气数据在这三点上几乎是完美匹配。目标网站公开可访问，不需要登录，不需要复杂的加密参数，返回的 HTML 结构也比较规整，对刚接触爬虫的同学来说，难度曲线刚好。对比一下其他常见方向：电商商品信息反爬严重，动不动就出现验证码；招聘网站数据是 JavaScript 动态加载，初级爬虫很难直接抓到；影视数据虽然好爬，但可视化做不出太多花样。天气数据则不同，最高温度、最低温度、天气现象、风力风向、降水情况，每个字段都能对应一种图表，报告里根本不愁没内容写。

另外从课程角度说，这类项目避开了“爬虫是否合规”的敏感地带。爬取公开的、非商业和非隐私数据用于学习研究，本身是安全的，但也要注意控制请求频率，别给目标服务器造成压力。这一点在报告里体现出来，反而是加分项，说明你有职业素养。

1.2 技术栈选型及理由

这个项目的技术栈非常固定，但选择背后的逻辑值得说清楚。

• requests：发起 HTTP 请求。它是 Python 生态里最常用的请求库，相比 urllib 更加简洁，能够自动处理编码、会话、请求头，代码可读性好很多。
• BeautifulSoup4：解析 HTML 文档。对于静态网页，bs4 是个非常友好的选择，它能把 HTML 转成一棵可遍历的树，用 find/find_all 就能提取出标签内容，学习成本很低。相比正则表达式硬抠文本，bs4 更不容易出错。
• pandas：数据清洗和表格处理。天气数据量不大，但字段多、格式杂，用 pandas 处理后能非常高效地完成去重、缺失值填充和数据类型转换。
• matplotlib：可视化。尽管 pyecharts 画出来的图更好看，但 matplotlib 胜在稳定、可控、无需额外依赖，而且写进大作业报告里的图片一般也是静态图为主，所以选它最省心。

为什么不选 Scrapy？Scrapy 确实是工业级的爬虫框架，有自己的调度器、下载器、中间件，但对一个课程大作业来说，它的架构复杂度远远超出了需求。用 Scrapy 写一个爬虫，你需要理解 Spiders、Items、Pipelines 等一系列概念，如果本身对爬虫还不熟，很容易为了用框架而用框架，反而把时间浪费在不必要的配置上。requests + bs4 的组合恰好覆盖了作业中 90% 的需求，代码量也更好控制，适合在报告中逐行讲解。

为什么不把数据存进数据库？有人会觉得用 SQLite 或 MySQL 显得更高级。但天气数据不过几百行到几千行，存 CSV 文件完全够用，而且 CSV 可以直接用 pandas 读取，对老师检查代码也更友好。如果你想展示数据库能力，可以在报告里加一句“后续可扩展为数据库存储”，但不要在没有明确需求的情况下增加复杂度。

1.3 整体实现流程

整个项目的执行链路大致分为五步：

1. 分析目标网站页面结构，确定 URL 规律和数据字段在 HTML 中的位置。
2. 使用 requests 携带合适的请求头访问页面，拿到 HTML 文本。
3. 使用 BeautifulSoup 解析 HTML，提取需要的数据字段，比如日期、最高气温、最低气温、天气、风力等。
4. 将数据整理成表格格式，用 pandas 保存为 CSV 文件。
5. 读取 CSV，做数据清洗和预处理，再用 matplotlib 绘制多张图表，分析天气变化规律。

严格来说，完整的大作业还要加上第 6 步：把分析结论写成报告，插入图表并附上源码说明。这一点在后面的章节中单独展开。

2. 爬虫模块：把天气数据稳定地抓下来

2.1 目标分析与 URL 构造

写爬虫第一步永远是“分析页面”，不是马上写代码。打开目标天气网站，找到你要爬取的城市天气页面。这类页面的 URL 一般有固定规律，例如城市的 ID 会体现在路径或查询参数中。通过观察几个不同城市的 URL，可以总结出规律，后续只要替换城市 ID，就能复用到任意城市。

这里要特别强调：实际爬取之前，先确认目标页面是静态渲染还是动态渲染。在浏览器中右键选择“查看网页源代码”，如果能直接看到天气数据文本，说明是静态网页，用 requests 拿到的 HTML 里就包含数据，可以用 BeautifulSoup 直接解析。如果源代码里只有一堆 JavaScript，而数据是后续异步加载的，那么直接用 requests 是抓不到数据的。天气类网站一般是静态居多，但也会有一部分数据放在接口里，这种情况可以在开发者工具的 Network 面板中找 JSON 接口，同样用 requests 获取后按字典处理即可。

拿到网页之后，用开发者工具的元素选择器查看天气数据所在的 HTML 结构。基本上每条天气记录都会包含在一个列表项标签中，下面有日期节点、温度节点、天气节点和风力节点，各节点的 class 名称一般能直接看出含义。你需要把每个字段对应的选择器准确记下来，这是整个爬虫最核心的功课。

2.2 请求头伪装与反爬规避

网站的服务器会检查请求的 User-Agent，如果发现是爬虫默认的 Python-requests 标识，很可能直接拒绝响应。最简单的解决方法就是手动设置一个常见的浏览器 User-Agent。我在项目里通常还会加上 Referer 和 Accept-Language，这样请求更像真实用户。

除了请求头，请求频率同样需要控制。在循环遍历多个城市或多页数据时，每一轮请求后加一个time.sleep(random.uniform(1, 3))的小延迟，模拟人的操作节奏。这既是为了防止 IP 被临时封禁，也是爬虫伦理的基本要求：不给目标网站服务器造成压力。

还有一个非常常见的坑：有些网站会校验 Cookie，第一次访问得到的是一个临时的 Cookie，第二次带这个 Cookie 访问才能拿到真实数据。用 requests 的 Session 对象可以自动保存 Cookie。我建议直接用requests.Session()发请求，这样能省掉很多后续排查反爬问题的时间。

2.3 核心爬虫代码实现

下面给出一段完整的爬虫示例代码。它会请求目标天气网站的某城市页面，解析并保存天气数据。注意，代码中的选择器和网站 URL 需要根据你实际选择的目标网站做调整，但整体结构是通用的。

import requests from bs4 import BeautifulSoup import pandas as pd import time import random # 构造请求头，模拟真实浏览器 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://weather.example.com/", "Accept-Language": "zh-CN,zh;q=0.9" } def fetch_weather(city_url): """ 获取指定城市天气页面的 HTML 文本。 city_url: 目标城市天气页面地址 """ session = requests.Session() session.headers.update(headers) resp = session.get(city_url, timeout=10) resp.encoding = resp.apparent_encoding # 自动识别网页编码 if resp.status_code == 200: return resp.text else: print(f"请求失败，状态码: {resp.status_code}") return "" def parse_weather(html): """ 解析 HTML，提取日期、天气、温度等字段。 返回一个字典列表，每个字典代表一天的数据。 """ soup = BeautifulSoup(html, "html.parser") data_list = [] # 假设每条天气记录在 ul.list 下的 li 标签里 items = soup.select("ul.list li") for item in items: date_el = item.select_one(".date") weather_el = item.select_one(".weather") temp_el = item.select_one(".temp") wind_el = item.select_one(".wind") if not (date_el and weather_el and temp_el): continue date = date_el.get_text(strip=True) weather = weather_el.get_text(strip=True) temp_text = temp_el.get_text(strip=True) # 温度字段通常是 "12℃ ~ 23℃" 这类格式，需要拆开 temps = temp_text.replace("℃", "").split("~") if len(temps) == 2: temp_low = float(temps[0].strip()) temp_high = float(temps[1].strip()) else: continue wind = wind_el.get_text(strip=True) if wind_el else "" data_list.append({ "日期": date, "天气": weather, "最低温度": temp_low, "最高温度": temp_high, "风力": wind }) return data_list if __name__ == "__main__": url = "https://weather.example.com/city/101010100" # 替换为目标城市实际地址 html = fetch_weather(url) if html: weather_data = parse_weather(html) df = pd.DataFrame(weather_data) df.to_csv("weather_data.csv", index=False, encoding="utf-8-sig") print(f"成功保存 {len(df)} 条数据") else: print("未获取到网页内容")

这段代码里有一个很容易被忽略但对初学者很关键的细节：resp.encoding = resp.apparent_encoding。如果不设置编码，requests 会使用响应头中声明的编码，但部分网站响应头里的 charset 和实际内容不一致，导致解析出来的中文变成乱码。apparent_encoding 是根据页面内容自动推测出的编码结果，能有效避免这类问题。

解析逻辑中我用的是 CSS 选择器，.select_one(".date")表示选取 class 为 date 的第一个元素。当然也可以用find("div", class_="date")，两者效果一样，看个人习惯。我自己更推荐 CSS 选择器，因为代码更紧凑，而且在面对嵌套不深的 HTML 时可读性更好。

注意保存 CSV 时使用了encoding="utf-8-sig"。如果只用utf-8，生成的 CSV 用 Excel 打开时中文会乱码，因为 Excel 默认用 ANSI 编码解析 CSV；utf-8-sig会在文件开头写入一个 BOM 标记，Excel 就能正确识别。这个细节很多教程都不会提，但每次都能让一批同学的作业“起死回生”。

2.4 数据字段的扩展与采集策略

如果只想让作业达到基本要求，上面的代码已经够用了。但如果想把报告写得更有深度，可以考虑扩充数据字段和采集范围。

一是增加城市维度，比如分别爬取北方城市和南方城市的数据，做对比分析；二是增加时间跨度，爬取多个自然月的数据，分析季节变化趋势；三是增加空气质量指数。这些扩展会让报告的分析维度更丰富，图表数量也会更多。

不过要提醒的是，采集多个城市的数据会显著增加请求数量。假设你要爬 10 个城市各 30 天的数据，即使每个城市只请求 1 次，也需要 10 次请求，加上每次请求间隔 2 到 3 秒，整个过程不到一分钟。但如果页面采用分页展示历史数据，爬取多页时要尤其注意 URL 中的页码参数和日期参数，否则很容易爬到重复数据。

3. 数据清洗：别让脏数据毁掉图表

3.1 读取数据与初步检查

爬虫保存的数据往往不会直接可用。因为页面结构变化或者解析遗漏，可能产生空值、重复值、格式不一致等问题。所以在画图之前，必须先读取 CSV 并做检查。

import pandas as pd df = pd.read_csv("weather_data.csv", encoding="utf-8-sig") print(df.head()) print(df.info()) print(df.describe())

df.head()用来查看前几行数据，确认字段是否完整；df.info()用来查看每列的数据类型和缺失值数量；df.describe()查看数值列的统计指标，比如均值、最值、分位数，这些信息能帮助发现异常值。如果最低温度出现 -999 这样的占位符，或者最高温度明显偏离其他值，那就要注意了。

3.2 常见数据问题与处理方案

天气数据的常见问题大致有四类：日期格式不统一、温度字段混入单位或非数值字符、天气现象描述不一致、缺失值。

日期格式问题：有的网站在不同页面里日期可能显示为2024-01-01、1月1日或2024/1/1。处理思路是统一转换为 pandas 的 datetime 类型：pd.to_datetime(df["日期"], format="mixed", errors="coerce")。转换后方便按月份、季节分组统计。注意errors="coerce"会在转换失败时生成 NaT 而不是抛异常，方便后续过滤。

温度字段问题：有时候爬取下来的字符串里除了数字还带着℃或者空格。处理方式有两种，一种是在解析阶段就直接清理，另一种是在清洗阶段用正则或 pandas 的字符串方法统一处理。我倾向于在解析阶段就处理干净，因为越是靠前修复问题，后面越省事。

缺失值处理：如果缺失的数据很少，可以直接删除：df.dropna()。如果缺失的是温度这类连续型字段，也可以用该列均值填充：df["最低温度"].fillna(df["最低温度"].mean())。但要在报告里如实说明采用了哪种方式，不要默默处理，这体现了对数据质量的意识。

天气现象不一致：比如“晴”和“晴天”、“多云”和“阴”这些描述，只是文字形式不同，本质是同一天气或相近天气。在做天气类型统计分析时，需要人为归并，把相近的描述统一成标准类别。这一步虽然有点繁琐，但它直接决定了后续饼图或柱状图的准确性。

3.3 新增派生字段的思路

为了让可视化素材更丰富，可以在清洗过程中新增一些派生字段。比如从日期中提取“月份”和“星期”，用于分析不同月份的温差变化，或者工作日与周末的气温差异；把“最高温度 - 最低温度”计算为“温差”，用于分析昼夜温差。

df["日期"] = pd.to_datetime(df["日期"]) df["月份"] = df["日期"].dt.month df["星期"] = df["日期"].dt.dayofweek # 0 表示周一 df["温差"] = df["最高温度"] - df["最低温度"]

别小看这些从现有数据中组合出来的字段。在报告里，一句“我们进一步计算了昼夜温差，发现该城市春季温差最大，平均达到 12℃”就能体现你在思考数据背后的规律，而不是完成一次机械的搬运。

4. 可视化：让天气数据开口说话

4.1 中文字体问题是第一个拦路虎

matplotlib 默认字体不包含中文字符，直接绘制中文标签会出现一个个方框，也就是传说中的“豆腐块”。这个问题在项目开始时就要解决。

import matplotlib import matplotlib.pyplot as plt # 设置支持中文的字体 plt.rcParams["font.sans-serif"] = ["Microsoft YaHei", "SimHei", "PingFang SC"] plt.rcParams["axes.unicode_minus"] = False # 解决负号显示异常

字体列表里放了你系统上可能存在的字体名，matplotlib 会逐个尝试。Windows 一般可以写SimHei或Microsoft YaHei，macOS 写PingFang SC或Arial Unicode MS。axes.unicode_minus设为 False 是为了防止坐标轴上的负号显示成方框。

如果是 Linux 服务器上跑代码，系统可能一个中文字体都没有，需要手动安装字体文件并刷新 matplotlib 的字体缓存，这个复杂度建议不要在报告中大篇幅展开，直接说明“本地运行请使用本机支持的中文字体”即可。

4.2 理解图表在报告中的叙事作用

可视化不是把数据画出来就完了，每张图都要能回答一个具体的问题。比如：这一年的气温走势如何，最低温出现在哪一天，最高温出现在哪一天，降水集中在哪几个月，不同天气类型出现的频率如何？带着问题去选图，报告才能逻辑连贯。

我建议一个完整项目至少配备四张图：

1. 最高温和最低温的折线走势图，展示温度的时间变化规律。
2. 降水量的柱状图，展示降水的时间分布。
3. 天气类型的饼图或柱状图，展示不同天气现象出现的频次。
4. 温度分布的箱线图，展示最高温、最低温的分布形态和异常值。

4.3 折线图与柱状图实现

折线图是最直观的温度走势图。如果数据跨多个月，直接把每天两个温度画出来，图会非常密集。一种做法是只画最高温曲线，另一种做法是先用groupby("月份")分组计算月均值，再画折线。月更符合人类对“季节变化”的感知。

monthly = df.groupby("月份").agg({"最高温度": "mean", "最低温度": "mean"}).reset_index() plt.figure(figsize=(10, 6)) plt.plot(monthly["月份"], monthly["最高温度"], marker="o", label="月平均最高温") plt.plot(monthly["月份"], monthly["最低温度"], marker="s", label="月平均最低温") plt.xlabel("月份") plt.ylabel("温度 / ℃") plt.title("某城市各月平均气温变化") plt.legend() plt.grid(True, linestyle="--", alpha=0.5) plt.savefig("temperature_trend.png", dpi=300, bbox_inches="tight") plt.show()

柱状图用于降水量这类“总量”型的字段展示。如果只有天气现象字段而没有降水量数值，可以把“雨”“雪”“大雨”“小雨”归并为“降水事件”，用事件频次替代降水量，同样能反映降水规律。这种替代思路在数据缺失时非常实用。

4.4 饼图与箱线图的组合使用

天气类型频次用饼图展示最形象，但饼图的分类不能太多，否则图例密密麻麻。我在实际项目中会把“晴”“多云”“阴”等高频类别单独保留，低频类别合并为“其他”。这样既保留了主要信息，又避免了视觉杂乱。

箱线图则更适合表现温度分布。它把每一天的最高温看成一个观测值，通过箱体的位置和长度能直观判断气温的中位数、四分位距和异常值。比如“该城市五月的最高温中位数是 28.5℃，但出现了一次 35℃ 的异常高温”这样的结论，就是箱线图给出来的。

fig, axes = plt.subplots(1, 2, figsize=(12, 5)) temp_data = [df[df["月份"] == m]["最高温度"].values for m in range(1, 13)] axes[0].boxplot(temp_data, labels=range(1, 13)) axes[0].set_title("各月最高温分布箱线图") axes[0].set_xlabel("月份") axes[0].set_ylabel("最高温度 / ℃") weather_counts = df["天气"].value_counts() axes[1].pie(weather_counts.values[:5], labels=weather_counts.index[:5], autopct="%.1f%%", startangle=90, counterclock=False) axes[1].set_title("主要天气类型占比") plt.tight_layout() plt.savefig("weather_analysis.png", dpi=300, bbox_inches="tight") plt.show()

这一张图同时输出两个子图，既能节省报告版面，也显得观察角度更全面。箱线图会显示可能存在的异常值点，报告里可以专门分析这些异常日期，说明当时出现了什么天气过程。如果数据里恰巧包含寒潮或高温事件，这部分的解读会非常有亮点。

4.5 图表保存与报告插入要点

画完图之后，推荐统一用plt.savefig(..., dpi=300, bbox_inches="tight")保存，300dpi 打印到纸上或嵌入 Word 文档都足够清晰。bbox_inches="tight"会自动裁剪空白边缘，避免图表周围有大面积白边。在报告里插入图片时，先写结论再放图，比如“3 月降水事件出现次数最多，是全年最多雨的月份”，然后紧跟柱状图，这样老师读起来不会被图片带着跑，而是顺着你的分析思路走。

5. 大作业报告的结构设计与写作思路

5.1 报告标准骨架

课程设计报告的评阅人通常没有时间逐行看代码，他拿到报告看的是结构、逻辑和结果呈现。一个能拿高分的报告建议按下面的结构组织：

1. 项目背景与目标：说明为什么选择天气数据，目标是什么。
2. 需求分析：从用户角度列出项目需要实现的功能模块。
3. 技术方案与工具：介绍使用 Python、requests、BeautifulSoup、pandas、matplotlib 的理由。
4. 系统设计：画模块划分和整体流程，描述爬虫模块、数据处理模块、可视化模块的分工。
5. 详细实现：按模块粘贴核心代码，每段代码前用三五行文字说明“这段代码的功能和关键点”。
6. 结果分析与展示：插入所有图表，逐图说明结论。
7. 项目总结与展望：总结完成了什么，还有哪些可以改进的地方。
8. 参考文献：列出官方文档、学习资料等。

5.2 摘要与关键词的写法

摘要不是把目录抄一遍，而是用 200 到 300 字概括整个项目做了什么、怎么做的、得出什么结论。比如：“本项目以某城市天气预报为数据源，利用 Python 爬虫技术采集连续三个月的天气数据，使用 pandas 完成数据清洗，并通过 matplotlib 从温度变化、降水分布、天气类型等维度进行可视化分析。分析结果表明……”这种写法的好处是让评阅人第一眼就抓住项目的核心工作量。

关键词推荐填：Python、网络爬虫、天气数据、数据清洗、数据可视化。这几个词也是题目里出现过的核心词，保持统一能增加报告的辨识度。

5.3 报告中怎样展示代码

很多同学喜欢把全部代码塞进报告，几十页全是代码，这反而会拉低质量。正确的做法是精选具有代表性的代码片段，每段 10 到 20 行为宜，并在代码上方写清楚“要解决什么问题”，代码下方标注“关键点在哪里”。比如爬虫模块，展示请求头发送和解析逻辑就够了，不需要把每个函数都贴一遍。文档整体代码占比控制在 30% 到 40% 比较合适，其余是思路说明和结果分析。

5.4 答辩时老师常问的问题

答辩环节往往比报告本身更考验人。老师常见的问题包括：为什么选这个网站，数据会遇到什么反爬机制？如果网站改版了，你的爬虫还能用吗？CSV 里数据缺失怎么办？你的图展示了什么结论？你如何证明爬取的数据是准确的？

准备思路也很简单，每个问题都对应项目中的一个真实环节。比如反爬问题答“我通过设置浏览器 User-Agent 和延时访问降低请求频率”，验证数据准确问题答“我抽样检查了 10 天的数据，与网页页面人工核对一致”。只要项目是自己一步步写出来的，这些问题都能接得住。

6. 常见问题与排错技巧实录

6.1 请求返回 403 或空内容

403 是访问被拒的典型标志，绝大多数情况是请求头缺失或不合规。排查步骤：先把浏览器上的 User-Agent 完整复制到代码里，再确认网站是否有基础登录要求。如果返回空内容但状态码是 200，大概率是页面编码问题或数据是异步加载的。前者按resp.encoding = resp.apparent_encoding处理；后者则需要切换到接口请求方式。

6.2 解析结果为空列表

这是初学者最容易挫败的环节。写完选择器，运行半天，结果items是空的。第一步，不要在代码里猜，直接把抓到的 HTML 保存成文本文件，用编辑器打开，搜索 “晴” 或 “日期” 等关键词，确认数据是否真的在 HTML 里。第二步，确认你写选择器时用的是正确的 class 名称，有些网站的 class 是动态生成的，每次刷新都可能变化，这时候就需要改用更多的结构关系来找元素，比如先找到包含整块列表的父节点，再逐层往下获取。

6.3 CSV 文件用 Excel 打开乱码

保存 CSV 时用encoding="utf-8-sig"就能解决。如果已经保存成utf-8了，也可以手动用 Excel 的“数据—自文本”方式导入，并指定编码为 UTF-8，但这样做很麻烦，不如直接改代码重新跑一遍。

6.4 图表中文字体显示为方框

这属于本机字体问题。先用 Python 查看 matplotlib 当前可用的字体列表：

from matplotlib import font_manager fonts = [f.name for f in font_manager.fontManager.ttflist] print(fonts)

看你的系统字体里哪一个包含中文字符，然后手动指定。如果你的系统只有英文版，建议先安装一个中文字体文件再设置。一个简单的替代方案是给所有图表改用英文标签，但在课程报告中，中文标签是刚需，所以还是把字体问题彻底解决比较好。

6.5 请求次数过多导致临时封禁

如果短时间内连续请求几十次，有些网站会暂时屏蔽 IP。遇到这种情况，停止爬取几分钟后一般会恢复。日常处理时，把请求间隔拉长到 3 到 5 秒，并增加一次随机延迟，就能大幅降低触发封禁的概率。核心逻辑是：我们做的是课程项目，数据量不大，没必要也不应该高频请求。

7. 经验总结与扩展方向

从我这个项目的实操体验来说，最大的收获不是学会了某个库的某个函数，而是建立了“拿到一个问题先拆解流程”的思维习惯。爬虫、清洗、可视化三个模块看起来很独立，但实际调试时它们是互相纠缠的：前端解析错了，后面所有图表就跟着错；CSV 编码没处理好，报告里贴出来的表格就是乱码。每一步都稳扎稳打，整体才能顺利跑通。

如果你交完作业还想继续精进，这个项目有很多自然的扩展点。你可以把抓取目标从单一城市扩展到多个城市，做区域气候对比；也可以在爬虫层引入代理池和 Web 框架，做成一个小型天气查询 API；还可以在可视化层引入 pyecharts 生成交互式图表，放到 Web 页面里展示。这些方向本质上都是在同一个骨架上添砖加瓦，前期基础打得越扎实，后面扩展越轻松。

最后分享一个小技巧：无论代码多忙，爬下来的原始数据一定要保留一份，不要覆盖。我在做可视化调整时，就曾因为反复运行爬虫把原始 CSV 覆盖掉了，导致数据字段格式变乱，排查了半天才发现是源头文件的问题。把原始数据、清洗后数据、图表输出和报告草稿分目录存放，看起来是小事，但能在最后交作业前帮你省下大量时间。

本文还有配套的精品资源，点击获取