爬取武汉所有的公交站名
BY: ceyewan
国庆深度游武汉的时候,我发现,“晴川大道晴川阁”和“江堤中路江堤乡”这两个公交站名有点意思啊,很骚啊。于是我就想,不会吧,不会吧,全武汉该不会只有这两个这样式名字的公交站吧。
于是,现在答案来了,在我爬取了全武汉760条公交线路的7734个站点后,一共找到了31个。
确定目标网站
我们打开网站可以看到:
我们按照第一个分类查找,点击可以发现,所有的url
都是由规律的。不包括地铁,就是从2到15。
然后我们能在这个页面里面获取该地区所有的公交路线的url,最后通过requests公交路线的url,获得路线的所有站点。
思路步骤
第一步,分析网站,获取urls
。
def get_area_urls():
urls = [
'https://m.8684.cn/wuhan_t{}'.format(str(i)) for i in range(2, 16, 1)]
return urls
第二步,请求这些地区分类url
,获得车次的urls
。
def get_bus_urls(area_urls):
obj = re.compile(r'<a href="/wuhan_x_(?P<url>.*?)" title=".*?">.*?</a>', re.S)
bus_urls = []
for area_url in area_urls:
resp = requests.get(area_url)
bus_hrefs = obj.finditer(resp.text)
for bus_href in bus_hrefs:
dic = bus_href.groupdict()
bus_urls.append('https://m.8684.cn/wuhan_x_' + dic['url'])
resp.close()
return bus_urls
第三步,请求车次的url
,获得站名,并且写入文件。
def get_station(bus_url):
f = open('wuhan_bus.csv', mode='a+', encoding=