企业官网建设流程全解析

最近在准备AI课程的练习素材，一直想找一个既能讲清楚Python基础语法、又能让学生一眼看到有趣结果的例子。前后试过猜数字、爬虫抓标题，效果都一般。最后定了这个方案：输入你的名字和城市，程序自动打印一段彩色个性化问候，顺便把当地实时天气也带上，整个代码不到一百行，却把输入输出、函数、字典映射、异常处理、第三方库、API调用全串起来了。

这个项目挂在AI课程的“综合练习”阶段超级合适。学生写完代码，运行起来看到自己名字以彩色出现，还有实时天气，那种“这玩意真的在我电脑上跑起来了”的兴奋感，比刷二十道语法题都管用。对自学Python的人来说，这也是一个很好的“第一个有点用的程序”模板——你能看懂它、改它、塞进自己的工具箱。

下面我把整个项目的设计思路、代码拆解、踩坑记录全部写出来，想自用还是想拿去当教学案例都行。

1. 项目背景与设计思路

1.1 为什么选“名字+城市+天气”这个组合

AI课程里给学生布置综合练习题，我一直坚持一个原则：要能立刻看到反馈，要和真实世界有关系。打印九九乘法表符合第一条，不符合第二条；爬一个新闻标题符合第二条，但反爬、解析、乱码一堆破事，新手很容易卡住。我需要一个“看起来不难，但五脏俱全”的项目。

“名字+城市+天气”赢在哪？输入只有两个普通的信息，输出却是一段带着温度的问候语。学生输入自己的名字，看到程序叫自己“林晓”，再输入城市，看到上海现在的气温，这种“程序认识我、程序知道世界”的体验，是极好的激励。而且它天生带扩展空间：你可以加穿衣建议，可以加多个城市对比，可以给不同天气配不同颜色，后面想往哪发展都顺。

另一个现实原因是成本。免费且不用注册的天气接口有，调用学习成本极低，不用担心学生人手一个API key造成滥用。这个项目把“别人提供的服务怎么集成进来”这件事讲清楚了，而这恰恰是AI课程里非常重要的一个素养——不是所有功能都要自己造轮子。

1.2 技术选型：天气数据从哪来

天气数据的来源是整个项目的核心决策。当时我列了个对比清单：

如果有人问我为什么不选国内平台，我会说：不是不好，而是课程场景下每个学生都去注册一个key，排队、审核、限额，一堂课半小时就耗完了。Open-Meteo不需要任何认证，拿到经纬度就能查天气，全球范围都覆盖，而且支持中文城市名解析，刚合适。

这里要拆分两个接口。Open-Meteo的天气查询接收的是经纬度坐标，不是城市名，所以要先通过它的地理编码接口把“上海”变成“纬度31.23，经度121.47”，再用这个坐标去拿天气数据。逻辑上就像你先查邮编再寄信，两个动作分开。代码里体现为两个函数，职责清晰，也方便以后替换成其他服务。

1.3 彩色输出：终端也能有视觉温度

为什么非得搞彩色输出？说实话，最初版没有色彩，纯黑底白字的问候语，学生看完反应平淡。加上颜色之后，晴天是亮黄色，雨天是蓝色，雪天是青色，整个终端像一个迷你天气仪表盘，观感完全不同。这个“视觉反馈”的成本极低，但带来的体验提升非常大。

原理不复杂。终端里有一种叫ANSI转义序列的东西，本质是往标准输出里塞一串特殊字符，比如\033[31m表示红色，后面的文字都会变红，直到遇到\033[0m复位。Python的print天生支持输出这些字符，不需要额外库。但Windows老版本终端不支持，所以我在Windows下调用colorama.init()做兼容，它会把ANSI转义序列自动翻译成Windows API调用。注意，这个库只在你用Windows而且遇到颜色显示异常时才必须，其他场景可有可无。

2. 核心环节拆解与代码落地

2.1 城市名转坐标：一条隐藏的分支

前面提到天气接口只要经纬度，所以第一步是“地点解析”。Open-Meteo的地理解析接口长这样：

url = "https://geocoding-api.open-meteo.com/v1/search" params = { "name": city_name, "count": 1, "language": "zh", "format": "json" } resp = requests.get(url, params=params, timeout=10) data = resp.json()

返回结果里results[0]就是最匹配的城市，里面包含latitude和longitude。这里有个细节，count=1只取最匹配的一条，是因为很多城市存在重名，比如“中山”在广东和台湾都有，取第一条至少保证程序不崩。如果你教学生，可以用个循环把results里的所有候选城市都打印出来，让用户自己选，这是很好的交互扩展点。

实际跑的时候有个坑：中文城市名有时能解析出来，有时解析不到。因为地理编码服务对中文的支持并不完美，这时候我建议学生在自己的代码里加一个“别名映射表”，最常用的是把拼音也接上。比如：

CITY_ALIAS = { "上海": "shanghai", "北京": "beijing", "广州": "guangzhou", }

查不到中文名就自动换上拼音再查一次。这个兜底逻辑在课程里可以单独讲一遍，因为它就是“容错设计”的启蒙案例。

2.2 天气码与中文描述的映射

拿到坐标后调用天气接口：

url = "https://api.open-meteo.com/v1/forecast" params = { "latitude": lat, "longitude": lon, "current": "temperature_2m,relative_humidity_2m,weather_code,wind_speed_10m", "timezone": "Asia/Shanghai" }

返回的current里有一个weather_code，这是WMO（世界气象组织）定义的天气现象代码，纯数字。我需要把代码翻译成中文。这个翻译用字典搞定，是Python里最直观的映射方式：

这个表直接放在代码里就是一个全局字典WEATHER_CODE_MAP。天气码一来，中文描述和颜色一起确定。我特意把颜色选择也做成一个函数，对着天气码给出颜色名，这样以后想扩展比如“雷暴显示红色”就只改一处。

2.3 问候语生成：按时间和温度调整

问候语不能写死，否则每个人看到的都一样，这就失去“个性化”的意义了。我的做法分两层：第一层看时间，第二层看气温。

时间判断用datetime.now().hour，分成几个区间：深夜、清晨、上午、中午、下午、晚上。不同区间用不同的开头词，“早上好”“下午好”这种。第二层看温度，给一条穿衣建议，比如超过30度提醒防暑，低于0度提醒保暖。这两层信息拼起来，就成了一个看着很“懂你”的问候：

下午好，林晓！你在上海，当前天气小雨，气温18℃，相对湿度82%，风速11km/h。温度有点凉，记得加件外套。愿你今天心情也像天气一样清爽～

这里的语气词“愿你今天心情也像天气一样清爽”是我故意留的，它让程序不再像机械报表，更像一个真人朋友在说话。如果你想让学生改动，可以让他们自己写一句结尾祝福，看看谁的文案更有意思，课堂气氛一下就活了。

3. 完整实现与运行效果

3.1 环境准备与依赖安装

拿这个项目做教学，环境准备越简单越好。我推荐Windows笔记本上用VSCode，Python3.8以上都行，不需要虚拟环境，直接装两个包：

pip install requests pip install colorama

requests是HTTP客户端，封装了所有网络请求细节；colorama只在Windows下处理ANSI转义序列兼容，Linux和macOS终端原生支持，不装也能跑。如果你用PyCharm，安装路径在Settings里找Project Interpreter，点加号搜索就行。

为什么要单独讲环境？因为AI课程里十个学生有八个第一次跑命令行程序，最容易反馈“我运行了但没反应”“颜色没出来”。提前把终端切到支持UTF-8这一步做好，后面真正写逻辑时就能少打断课堂节奏。

3.2 完整代码（可以直接抄作业）

下面是我实际在用的版本，注释我尽量留得清楚：

import sys import requests from datetime import datetime COLOR_MAP = { "red": "\033[31m", "green": "\033[32m", "yellow": "\033[33m", "blue": "\033[34m", "magenta": "\033[35m", "cyan": "\033[36m", "white": "\033[37m", "bold": "\033[1m", "reset": "\033[0m" } def color_print(text, color="white"): if color in COLOR_MAP: start = COLOR_MAP[color] end = COLOR_MAP["reset"] print(f"{start}{text}{end}") else: print(text) WEATHER_CODE_MAP = { 0: "晴", 1: "以晴为主", 2: "多云", 3: "阴", 45: "雾", 48: "冻雾", 51: "小毛毛雨", 53: "毛毛雨", 55: "大毛毛雨", 61: "小雨", 63: "中雨", 65: "大雨", 71: "小雪", 73: "中雪", 75: "大雪", 80: "小阵雨", 81: "阵雨", 82: "强阵雨", 95: "雷暴" } CITY_ALIAS = { "北京": "beijing", "上海": "shanghai", "广州": "guangzhou", "深圳": "shenzhen" } def get_coordinates(city_name): if city_name in CITY_ALIAS: city_name = CITY_ALIAS[city_name] url = "https://geocoding-api.open-meteo.com/v1/search" params = {"name": city_name, "count": 1, "language": "zh", "format": "json"} resp = requests.get(url, params=params, timeout=10) resp.raise_for_status() data = resp.json() if not data.get("results"): raise ValueError(f"未找到城市：{city_name}") item = data["results"][0] return item["latitude"], item["longitude"], item.get("name", city_name) def get_weather(lat, lon): url = "https://api.open-meteo.com/v1/forecast" params = { "latitude": lat, "longitude": lon, "current": "temperature_2m,relative_humidity_2m,weather_code,wind_speed_10m", "timezone": "Asia/Shanghai" } resp = requests.get(url, params=params, timeout=10) resp.raise_for_status() return resp.json()["current"] def weather_color(weather_code): if weather_code in (0, 1): return "yellow" if weather_code in (2, 3, 45, 48): return "white" if weather_code in (51, 53, 55, 61, 63, 65, 80, 81, 82, 95): return "blue" if weather_code in (71, 73, 75): return "cyan" return "green" def build_greeting(name, city, weather_info, weather_text): hour = datetime.now().hour if hour < 6: time_word = "夜深了" elif hour < 9: time_word = "早上好" elif hour < 12: time_word = "上午好" elif hour < 14: time_word = "中午好" elif hour < 18: time_word = "下午好" else: time_word = "晚上好" temp = weather_info["temperature_2m"] humidity = weather_info["relative_humidity_2m"] wind = weather_info["wind_speed_10m"] if temp > 30: advice = "热得够呛，注意防暑补水" elif temp > 20: advice = "体感舒适，适合出门走走" elif temp > 10: advice = "温度有点凉，记得加件外套" elif temp > 0: advice = "比较冷，注意保暖" else: advice = "天寒地冻，围巾手套安排上" return (f"{time_word}，{name}！你在{city}，当前天气{weather_text}，" f"气温{temp}℃，相对湿度{humidity}%，风速{wind}km/h。{advice}。" f"愿你今天心情也像天气一样清爽～") def main(): if sys.platform.startswith("win"): import colorama colorama.init() name = input("请输入你的名字：").strip() city = input("请输入所在城市：").strip() if not name: name = "朋友" if not city: city = "北京" try: lat, lon, city_std = get_coordinates(city) weather_info = get_weather(lat, lon) code = weather_info["weather_code"] weather_text = WEATHER_CODE_MAP.get(code, "未知天气") color = weather_color(code) msg = build_greeting(name, city_std, weather_info, weather_text) color_print(msg, color) color_print("=" * 40, "magenta") color_print(f"数据来源：Open-Meteo | 当前时间 {datetime.now().strftime('%Y-%m-%d %H:%M:%S')}", "white") except requests.exceptions.RequestException as e: color_print(f"网络请求失败：{e}", "red") except ValueError as e: color_print(f"输入异常：{e}", "red") except Exception as e: color_print(f"运行出错：{e}", "red") if __name__ == "__main__": main()

说几个我测试过的细节。build_greeting里的f-string跨行拼接，我用了括号包住，这样代码不会超过80个字符，阅读起来舒服。CITY_ALIAS里的兜底逻辑在上文讲过，它解决的是中文名解析率不高的问题，如果你想把代码精简掉，也可以删掉这个字典，直接全部传中文。

3.3 运行效果与参数调整

实际运行长这样（我输入“林晓”和“上海”）：

请输入你的名字：林晓 请输入所在城市：上海 下午好，林晓！你在上海，当前天气小雨，气温18℃，相对湿度82%，风速11km/h。温度有点凉，记得加件外套。愿你今天心情也像天气一样清爽～ ======================================== 数据来源：Open-Meteo | 当前时间 2025-06-24 15:30:05

第一行问候语的字体是蓝色的，因为天气码对应了“小雨”，系统自动选了blue。分割线是品红色，信息行是白色。整体视觉效果，一句话就是“终端的仪式感”。

调整也很容易。想换颜色，改COLOR_MAP里对应颜色的ANSI转义值就行，比如红色\033[31m改成粉色，你查一下对应代码填进去即可。想改文案风格，直接动build_greeting里的字符串。想加“风力”判断，把wind_speed_10m拿来做if判断，再拼一段文案，很顺手。

4. 常见问题排查与避坑经验

4.1 Windows终端中文乱码

这个坑太常见了，几乎每届学生都会踩。Windows默认控制台代码页经常是GBK，我print出来带中文的字符串就会出现乱码。我自己跑教学班的时候，最直接的办法是让同学在VSCode里运行，把终端编码设为UTF-8；或者打开CMD后先执行chcp 65001切到UTF-8代码页。

Python3本身的源码是UTF-8编码，问题主要出在控制台显示环节。如果你用的是命令行跑脚本，chcp 65001是最省事的。要是还是乱码，检查一下系统区域的“Beta版使用Unicode UTF-8提供全球语言支持”这个选项，勾上重启，绝大多数情况都好了。

4.2 颜色不生效或出现大量转义字符

如果你看到输出是一堆\033[31m这样的字符，而不是颜色，说明当前终端不支持ANSI转义序列。Windows老终端（尤其是Cmd的旧版）就是这样。解决方式就是让colorama.init()生效，这个库在程序启动时把终端切到“支持ANSI”模式。加了之后还不行，就换Windows Terminal，新终端默认支持。

还有一种情况是你在IDE的Output面板里运行，有些IDE的日志窗口不解析ANSI。这种情况下颜色输出不了但也不会出现乱码的转义字符，属于预期行为。教学时我会提醒学生：想要最佳效果，请在真正的终端里运行，比如VSCode的集成终端。

4.3 找不到城市或解析到错误城市

刚才代码里抛了ValueError("未找到城市")，这是兜底。但更气人的是解析到错误城市，比如你输入“中山”，结果匹配到别的国家的中山。Open-Meteo的geocoding接口有一个参数countryCode，你可以限定国家，比如中国是CN，能减少误匹配。我不建议新手加太多参数，但可以在课程扩展环节提一下。

最稳妥的方案是你在代码里维护一个小字典，把你需要的城市写成“中文名-经纬度”的键值对。虽说写死了不够优雅，但在演示场景里是最稳定、最不依赖外部服务的做法。

4.4 请求超时和免费接口的限制

Open-Meteo虽然是免费接口，但也不是无限量给你刷的。如果你连续高频请求，服务会拒绝你。我在代码里给每个请求都加timeout=10，就是避免某个请求卡死时整个程序挂着不动。这个方法虽然简单，但能救场。

如果哪天接口真的不可用了，代码里的异常捕获会把“网络请求失败”打出来，学生至少知道不是自己语法写错了。至于要不要换备用接口，课程场景下我一般不展开，重点是把“外部服务可能挂，程序要想好退路”这个意识传递到位。

4.5 常见问题速查表

5. 从这个小工具到AI课程的思维跃迁

5.1 可以往哪些方向扩展

这个小程序完全具备“长成大树”的潜质。我给课程设计的扩展路径有几条，你可以按学生的兴趣挑：

第一，命令行参数化。把input()改成用argparse接收命令行参数，运行方式变成python weather.py 林晓 上海，听起来就专业不少。第二，多城市对比。把城市列表传进去，循环输出好几个城市的天气卡片，用分隔线隔开，很有仪表盘的感觉。第三，写入Excel。把每天的数据追加到openpyxl工作表里，累积一周就能画气温折线图，这就自然衔接到了数据分析。

更贴近AI课程主题的扩展，是让大模型来生成问候语。你可以保留“获取天气”这个后端逻辑，把天气数据拼成一段Prompt，丢给大模型生成更自然、更有梗的问候文案。学生看到“AI生成”和“规则生成”两种效果对比，对这个项目的理解会立刻上一个层次。

5.2 教学场景中的使用建议

作为AI课程的教练项目，我建议分“三步走”来带学生。第一步先让他们把程序原样跑起来，什么都别改，体验完整的“输入-处理-输出”流程。第二步让他们改颜色和问候语，这能加深对字典、字符串拼接和函数返回值的理解。第三步再引入一个没有被映射的天气码，让学生自己查WMO表、加进字典，这一步考验的是“看懂代码以后动手改”的能力。

课时紧张的话，第二步和第三步可以合并，让每个学生做一个“只属于自己版本”的问候程序，分享到群里互相看看效果。这种即时反馈带来的成就感，比任何测试数据都能说明问题。

最后分享一个我自己的小体会：这类综合小项目，最重要的价值不在于代码量有多大，而在于它把一个真实场景的完整链路压缩到了新手能消化的范围内。学生在它身上练熟的不只是语法，还有“拆解需求、调用服务、处理异常、迭代优化”这套做事的思维。我的建议是，把这个程序反复改三遍以上。第一遍跑通，第二遍加功能，第三遍精简代码。三次下来，Python基础基本就活了。