百度地圖POI數據爬取,突破百度地圖API爬取數目“400條“的限制11。
1.POI爬取方法說明
1.1AK申請
登錄百度賬號,在百度地圖開發者平臺的API控制臺申請一個服務端的ak,主要用到的是Place API.檢校方式可設置成IP白名單,IP直接設置成了0.0.0.0/0比較方便。
Place API 提供的接口用於返回查詢某個區域的某類POI數據,且提供單個POI的詳情查詢服務,用戶可以使用C#、C++、Java,Python等開發語言發送請求,接收json、xml的數據。關於Place API的具體使用可以參考:Place API Web服務API
1.2爬取方式
百度地圖將POI數據劃分為多個類別,我想要爬取某個城市的所有類別的POI名稱和經緯度信息。爬取時,先將類別存儲在一個“POI總表.csv”文件中,再逐類別爬取POI數據。POI總表包含POI類別、POI類別對應的編碼、各類POI記錄條數。
1.2.1城市內檢索
城市內檢索主要的請求參數是query查詢的類別、region查詢的城市名稱。將查詢得到json格式的數據,解碼為utf-8編碼方式後存儲在content中。通過正則表達式可以得到POI的名稱和經緯度信息。
reg = r‘"name":"([\d\D]*?)",[\d\D]*?"lat":([\d\D]*?),[\d\D]*?"lng":([\d\D]*?)},‘
pattern = re.compile(reg)
1.2.2矩形檢索
矩形檢索的主要請求參數是query查詢的類別、bounds查詢區域的左下、右上經緯度。lat,lng(左下角坐標),lat,lng(右上角坐標)。查詢得到的結果與城市範圍內檢索結果相似。
通過兩種方式實現POI的區域檢索都很便捷,但是當城市較大,某一類POI信息數量大時,由於百度API的限制,1.2.1城市內檢索最多只能返回400條POI數據,會造成查不全的現象。這時,可以利用矩形檢索,將區域的外包矩形劃分為多個小網格,並確保每個網格中該類別POI數據的條數不會超過400條,這樣逐個小網格進行矩形檢索,最終得到城市區域某一類別POI的所有數據。
2.Python代碼實現
2.1 城市內檢索
城市區域內檢索通過正則表達式re獲取需要的信息,當該城市某一類POI數量大於400時,可使用劃分為網格的矩形檢索進行POI爬取,以保證爬取到完整的POI數據。
# -*- coding: utf-8 -*- import sys import codecs import urllib import urllib2 import re import pandas as pd reload(sys) sys.setdefaultencoding(‘utf-8‘) user_agent = ‘Mozilla/5.0 (Windows; U; Windows NT 5.2)‘ headers = {‘User-Agent‘:user_agent} inpath = ‘POI總表.csv‘ path = unicode(inpath, ‘utf-8‘) poi_list = pd.read_csv(path) api_key="" #輸入AK for poi in range(len(poi_list)): outpath = ‘+str(poi)+‘_‘+poi_list.iloc[poi, 1] + ‘.csv‘ path = unicode(outpath, ‘utf-8‘) with open(path, ‘w‘) as f: f.write(codecs.BOM_UTF8) f.write(‘id,name,lat,lng\n‘) i=1 j=1 try: for i in range(int(poi_list.iloc[poi,4])/10+2): url = "http://api.map.baidu.com/place/v2/search?q="+poi_list.iloc[poi,3]+"&page_size=10&page_num=" url = url+str(i-1) + "&scope=1®ion=%E6%AD%A6%E7%A9%B4&city_limit=true&coord_type=1&output=json&ak=" +api_key # ak需輸入申請的ak request = urllib2.Request(url, headers=headers) response = urllib2.urlopen(request) content = response.read().decode("utf-8") # print content reg = r‘"name":"([\d\D]*?)",[\d\D]*?"lat":([\d\D]*?),[\d\D]*?"lng":([\d\D]*?)},‘ pattern = re.compile(reg) items = re.findall(pattern,content) for item in items: # print "name:",item[0] # print "lat:",item[1] # print "lng:",item[2] savestr = str(j)+‘,‘+str(item[0])+‘,‘+str(item[1])+‘,‘+str(item[2]) j += 1 f.write(savestr) except urllib2.URLError, e: if hasattr(e, "code"): print e.code if hasattr(e, ‘reason‘): print e.reason finally: f.close()
2.2 矩形區域檢索
BaiduPOI通過url獲取POI數據,LocaDiv劃分網格,逐個網格爬取POI數據。
# -*- coding:utf-8 -*- import json import codecs import os import urllib2 import sys import time reload(sys) sys.setdefaultencoding(‘utf8‘) class BaiDuPOI(object): def __init__(self, itemy, loc): self.itemy = itemy self.loc = loc def urls(self): api_key = baidu_api urls = [] for pages in range(0, 20): url = ‘http://api.map.baidu.com/place/v2/search?query=‘ + self.itemy + ‘&bounds=‘ + self.loc + ‘&page_size=20&page_num=‘ + str( pages) + ‘&output=json&ak=‘ + api_key urls.append(url) return urls def baidu_search(self): json_sel = [] for url in self.urls(): json_obj = urllib2.urlopen(url) data = json.load(json_obj) for item in data[‘results‘]: jname = item["name"] jlat = item["location"]["lat"] jlng = item["location"]["lng"] js_sel = jname + ‘,‘ + str(jlat) + ‘,‘ + str(jlng) json_sel.append(js_sel) return json_sel class LocaDiv(object): def __init__(self, loc_all): self.loc_all = loc_all def lat_all(self): lat_sw = float(self.loc_all.split(‘,‘)[0]) lat_ne = float(self.loc_all.split(‘,‘)[2]) lat_list = [] for i in range(0, int((lat_ne - lat_sw + 0.0001) / 0.1)): # 0.1為網格大小,可更改 lat_list.append(lat_sw + 0.1 * i) # 0.05 lat_list.append(lat_ne) return lat_list def lng_all(self): lng_sw = float(self.loc_all.split(‘,‘)[1]) lng_ne = float(self.loc_all.split(‘,‘)[3]) lng_list = [] for i in range(0, int((lng_ne - lng_sw + 0.0001) / 0.1)): # 0.1為網格大小,可更改 lng_list.append(lng_sw + 0.1 * i) # 0.1為網格大小,可更改 lng_list.append(lng_ne) return lng_list def ls_com(self): l1 = self.lat_all() l2 = self.lng_all() ab_list = [] for i in range(0, len(l1)): a = str(l1[i]) for i2 in range(0, len(l2)): b = str(l2[i2]) ab = a + ‘,‘ + b ab_list.append(ab) return ab_list def ls_row(self): l1 = self.lat_all() l2 = self.lng_all() ls_com_v = self.ls_com() ls = [] for n in range(0, len(l1) - 1): for i in range(0 + len(l1) * n, len(l2) + (len(l2)) * n - 1): a = ls_com_v[i] b = ls_com_v[i + len(l2) + 1] ab = a + ‘,‘ + b ls.append(ab) return ls if __name__ == ‘__main__‘: # ak baidu_api ="" # 這裏填入你的百度API的ak print "開始爬取數據,請稍等..." start_time = time.time() loc = LocaDiv(‘29.8255, 115.367400, 30.2194, 115.8287‘) locs_to_use = loc.ls_row() for loc_to_use in locs_to_use: par = BaiDuPOI(u‘購物‘, loc_to_use) # 請修改爬取的類別 a = par.baidu_search() doc = open(‘zhengfujigou.csv‘, ‘a+‘) doc.write(codecs.BOM_UTF8) for ax in a: doc.write(ax) doc.write(‘\n‘) doc.close() end_time = time.time() print "購物爬取完畢,用時%.2f秒" % (end_time - start_time)
2.3爬取結果示例
---------------------
作者:haha_point
來源:CSDN
原文:https://blog.csdn.net/haha_point/article/details/78079614
版權聲明:本文為博主原創文章,轉載請附上博文鏈接!
百度地圖POI數據爬取,突破百度地圖API爬取數目“400條“的限制11。