用Python爬取http://tianqi.com2020年所有月份的数据，存储为csv

要在Python中使用requests和BeautifulSoup库爬取并保存2020年每个月份的天气数据到CSV文件，首先你需要安装这两个库，如果还没安装可以使用pip进行安装：

pip install requests beautifulsoup4 pandas

接下来是一个简单的示例步骤，假设网站结构允许直接获取到所需数据：

1. 导入必要的库：

import requests
from bs4 import BeautifulSoup
import csv
import pandas as pd
from datetime import datetime

2. 定义URL的规律，因为不是每个月份都有数据，我们可以先列出2020年的月份：

months = ['01', '02', '03', ..., '12']

3. 创建一个函数来抓取单个月份的数据：

def fetch_month_data(month):
    url = f'http://tianqi.com/weather/monthly/{month}'
    response = requests.get(url)
    soup = BeautifulSoup(response.text, 'html.parser')
    # 解析页面内容以提取数据（这里假设数据在特定的HTML标签内）
    data = parse_weather_data(soup)  # 提供实际解析函数

    return data

4. 实现`parse_weather_data()`函数来从HTML中解析数据。这将取决于网站的具体结构。例如：

def parse_weather_data(soup):
    # 假设数据在class='weather-data'的div下
    weather_table = soup.find('div', class_='weather-data')
    rows = weather_table.find_all('tr')  # 获取表格行
    data_list = []
    for row in rows:
        cells = row.find_all('td')  # 获取单元格
        date, temp, ... = cells  # 提取需要的数据
        data_list.append([date.text, temp.text, ...])  # 格式化数据列表
    return data_list

5. 爬取所有月份的数据并写入CSV：

results = {}
for month in months:
    results[datetime.strptime(month, '%m')] = fetch_month_data(month)

# 将结果转换为pandas DataFrame
df = pd.DataFrame(results).T

# 写入CSV文件
with open('tianqi_2020.csv', 'w', newline='', encoding='utf-8-sig') as csvfile:
    writer = csv.writer(csvfile)
    df.to_csv(writer, index=False)

注意：上述代码是基于假设的网页结构编写，实际操作时需要查看目标网站的源码确定数据的位置和格式。并且，有些网站可能会有反爬虫机制或版权保护，所以在爬取数据前，请务必确保遵守网站的使用条款。