标签：java list ocs 购物 window http gen init 类别
1.POI爬取方法说明
1.1AK申请
登录百度账号，在百度地图开发者平台的API控制台申请一个服务端的ak,主要用到的是Place API.检校方式可设置成IP白名单，IP直接设置成了0.0.0.0/0比较方便。
Place API 提供的接口用于返回查询某个区域的某类POI数据，且提供单个POI的详情查询服务，用户可以使用C#、C++、Java，Python等开发语言发送请求，接收json、xml的数据。关于Place API的具体使用可以参考：Place API Web服务API
1.2爬取方式
百度地图将POI数据划分为多个类别，我想要爬取某个城市的所有类别的POI名称和经纬度信息。爬取时，先将类别存储在一个“POI总表.csv”文件中，再逐类别爬取POI数据。POI总表包含POI类别、POI类别对应的编码、各类POI记录条数。
Place API提供了3种爬取区域POI信息的方式：(1)城市内检索 (2)矩形检索 (3)圆形区域检索。这里，POI信息的爬取主要使用城市内检索和矩形检索两种方式。
1.2.1城市内检索
城市内检索主要的请求参数是query查询的类别、region查询的城市名称。将查询得到json格式的数据,解码为utf-8编码方式后存储在content中。通过正则表达式可以得到POI的名称和经纬度信息。
reg = r‘"name":"([\d\D]*?)",[\d\D]*?"lat":([\d\D]*?),[\d\D]*?"lng":([\d\D]*?)},‘
pattern = re.compile(reg)
items = re.findall(pattern,content)
1.2.2矩形检索
矩形检索的主要请求参数是query查询的类别、bounds查询区域的左下、右上经纬度。lat,lng(左下角坐标),lat,lng(右上角坐标)。查询得到的结果与城市范围内检索结果相似。
通过两种方式实现POI的区域检索都很便捷，但是当城市较大，某一类POI信息数量大时，由于百度API的限制，1.2.1城市内检索最多只能返回400条POI数据，会造成查不全的现象。这时，可以利用矩形检索，将区域的外包矩形划分为多个小网格，并确保每个网格中该类别POI数据的条数不会超过400条，这样逐个小网格进行矩形检索，最终得到城市区域某一类别POI的所有数据。
2.Python代码实现
2.1 城市内检索
城市区域内检索通过正则表达式re获取需要的信息，当该城市某一类POI数量大于400时，可使用划分为网格的矩形检索进行POI爬取，以保证爬取到完整的POI数据。
# -*- 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总表.csv‘
path = unicode(inpath, ‘utf-8‘)
poi_list = pd.read_csv(path)
api_key="" #输入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需输入申请的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 矩形区域检索
BaiduPOI通过url获取POI数据，LocaDiv划分网格，逐个网格爬取POI数据。
# -*- 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为网格大小，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为网格大小，可更改 lng_list.append(lng_sw + 0.1 * i) # 0.1为网格大小，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 ="" # 这里填入你的百度API的ak print "开始爬取数据，请稍等..." 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‘购物‘, loc_to_use) # 请修改爬取的类别 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 "购物爬取完毕，用时%.2f秒" % (end_time - start_time)
2.3爬取结果示例
---------------------
作者：haha_point
来源：CSDN
原文：https://blog.csdn.net/haha_point/article/details/78079614
版权声明：本文为博主原创文章，转载请附上博文链接！
百度地图POI数据爬取，突破百度地图API爬取数目“400条“的限制11。
标签：java list ocs 购物 window http gen init 类别
原文地址：https://www.cnblogs.com/telwanggs/p/10383755.html
