基于百度API接口的python数据爬虫解析1【笔记】

最新推荐文章于 2024-05-16 16:42:17 发布

intel8808

最新推荐文章于 2024-05-16 16:42:17 发布

阅读量8.9k

点赞数 7

分类专栏：教程文章标签： python api web服务百度地图开放平台

教程专栏收录该内容

3 篇文章 0 订阅

订阅专栏

需求

通过城市出行路径数据爬取，来分析不同场景下的城市出行状况
场景：分布在城市不同位置的小伙伴想一起约饭，从14个起点开车出发，目标餐厅经过初期限定为5个，那么该选择哪个地方吃饭呢？如果能知道14个起点到每个餐厅的路线和时间就好了

数据来源

调用 百度地图开放平台 — 开发 — web服务API 接口
具体在 路线规划API—Direction API v1.0

如何调用呢？要点

API接口URL
参数设置
密钥
权限设置

详细8个子接口及具体参数含义请点击

申请密钥（ak），作为访问服务的依据；
拼写发送http请求的url，注意需使用第一步申请的ak；
接收http请求返回的数据（json或xml格式），根据返回值说明解析数据。

简单示例：

http://api.map.baidu.com/direction/v1?mode=driving&origin=清华大学&destination=北京大学&origin_region=北京&destination_region=北京&output=json&ak=您的ak

数据获取

在API 中输入起点和终点的参数来调用结果，利用爬虫爬取结果，主要返回的参数有路径节点的经纬度、对应时间戳

专业的爬虫是一个函数式编程，设计思路：访问网页-读取网页数据（函数1：读总路程总时间；函数2：路径节点信息），
所以先把无数个有用的功能函数先写出来，然后不停地调用就行了

API请求参数

mode=driving
起/终点维/经度
起/终点所在区域的纬/经度
ak

示例：

http://api.map.baidu.com/direction/v1?mode=driving&origin=39.914447,116.323027&destination=39.957935,116.349447&origin_region=%E5%8C%97%E4%BA%AC&destination_region=%E5%8C%97%E4%BA%ACoutput=json&ak=TTQPPd35xwHVNZ3Qjxs5Ah7rqBvpoGvS

注意

经纬度可以在百度地图-拾取坐标系统中得到
在地址中先输入纬度，在输入经度
URLEncoder.encode(“北京”,”UTF-8”) 会把汉字转成UTF-8编码

返回的结果在网页上看到

搞定参数，网页就会返回相应的数据啦
这里写图片描述
图中返回的results中的routes显示有一条路径0，路段steps显示经过的0-11，共12个路段

没是的按时
每一段路打开后可以看到path即相应的节点，标准的格式为：经度,纬度 ;经度,纬度;…

发现：一条路径多个路段，每个路段有相应的节点

需要
按顺序爬取每一条路段、节点的经纬度；
增加时间戳来判断节点通过的顺序。

按自己的逻辑写代码块

# -*- coding: utf-8 -*-
"""
Spyder Editor

This is a temporary script file.
"""

import requests

url = 'http://api.map.baidu.com/direction/v1'

params = {
          'mode':'driving',
          'origin':'39.914447,116.323027',#中信所，纬度在前
          'destination':'39.957935,116.349447',#北京交通大学
          'origin_region':'北京',
          'destination_region':'北京',
          'output':'json',
          'ak':'TTQPPd35xwHVNZ3Qjxs5Ah7rqBvpoGvS'
          }
# 写入参数，字典格式

r = requests.get(url,params) #用requests包，get的方式
r_js = r.json()

# 网页请求，返回js数据，相当于省去手动输入上面的网址了
# print(type(r_js))说明json数据类型为'dict'

routes_ = r_js['result']['routes'][0]
dis_ = routes_['distance']
time_ = routes_['duration']

print('总行程距离为：'+str(dis_)+'米，总时间为：'+str(time_)+'秒')

#做到这里先试看routes的第1段steps中所有path经纬度
#steps_ = routes_['steps'][0]  #变量识别
#path_ = steps['path']
#path_lst =path_.split(';') #变成列表，以；分隔,方便写出到txt文本
#printed（path_lst）

f_path = 'c:\\Users\\intel8808\\Desktop\\result.txt'
f_re = open(f_path,'w')#用到open函数
f_re.write('lng,lat\n')#标签写入

steps_ = routes_['steps']#变量识别

for step in steps_:
    path_ = step['path']
    point_lst =path_.split(';')
    for point in point_lst:
        lng = point.split(',')[0]
        lat = point.split(',')[1]
        f_re.writelines([str(lng),',',str(lat),'\n'])#所有列表文件以经度纬度形式写入txt

f_re.close()
print('finished!')

规范化函数式爬虫代码块

# -*- coding: utf-8 -*-
"""
Created on Mon Mar  6 18:49:55 2017

@author: Hjx
"""

import requests
import time


def file_read(path):
    """
    创建函数读取坐标点txt文件
    输出一个经纬度列表
    path: 文件路径
    """
    f = open(path, 'r')
    text = []
    for i in f.readlines():
        i_ = i[:-2]
        lng = i_.split(',')[0]
        lat = i_.split(',')[1]
        text.append(lat + ',' + lng)
    # print(text)
    return text


def get_params(s,e,c,k):
    '''
    创建网页参数获取函数
    输出参字典列表
    s: 起点经纬度字典列表
    e: 终点经纬度字典列表
    c: 城市名称
    k: 密钥
    '''
    p = []
    s_num = 0
    e_num = 0
    for i in s:
        s_num += 1
        for j in e:
            e_num +=1
            params = {
                    'mode': 'driving',
                    'origin': i,
                    'destination': j,
                    'origin_region': c,
                    'destination_region': c,
                    'output': 'json',
                    'ak': k
                    }
            p.append([params,s_num,e_num])
    return(p)


def get_url(u, p):
    """
    创建网页信息请求函数
    输出网页返回信息
    u: 网址url
    p: 参数
    """
    r = requests.get(u, p)
    # print(r.url)
    return r.json()


def get_data1(js):
    """
    创建路径距离/时间获取函数
    输出一个字典，结果包括该条路径的总距离、总时间以及路段数量
    """
    result_ = js['result']
    routes_ = result_['routes'][0]
    distance_ = routes_['distance']
    duration_ = routes_['duration']
    num = len(routes_['steps'])
    data_dic = dict([['dis', distance_], ['time', duration_], ['num', num]])
    # print(data_dic)
    return data_dic


def get_data2(js, n):
    """
    创建路径节点获取函数
    输出为一个字典列表，包括每一个节点的经度纬度
    """
    result_ = js['result']
    routes_ = result_['routes'][0]
    steps_ = routes_['steps']
    step = steps_[n]
    duration = step['duration']
    path_points = step['path'].split(';')
    point_lst = []
    for point in path_points[::5]:
        lng = point.split(',')[0]
        lat = point.split(',')[1]
        point_geo = dict([['lng', lng], ['lat', lat],['duration',duration]])
        point_lst.append(point_geo)
    # print(point_lst)
    return (point_lst)


def main():
    # 密钥，需要自己填写！
    keys = ''

    # 网址，不包括参数
    url = 'http://api.map.baidu.com/direction/v1'

    # 文件路径，需要自己填写！
    path = ''

    # 爬取数据所在城市
    city = ''

    # 调用函数，分别输出起点、终点的经纬度
    start_point = file_read(path + 'start.txt')
    end_point = file_read(path + 'end.txt')

    # 创建结果txt文件，并填写标签
    f_result = open(path + 'result.txt', 'w')
    f_result.seek(0)
    f_result.write('路径编号,起点编号,终点编号,节点经度,节点纬度,时间戳\n')

    # 设置爬取开始时间
    start_time = time.time()

    # 起点编号记录
    pathID = 0

    # 获取所有起点、终点的参数
    p = get_params(start_point,end_point,city,keys)
    # print(p)

    for p,sn,en in p:
        pathID += 1
        r_js = get_url(url,p)
        data1 = get_data1(r_js)
        path_num = data1['num']
        point_time = start_time
        for m in range(path_num):
            points = get_data2(r_js, m)
            point_num = len(points)
            # 计算出以i为起点，j为终点的路径中，每个节点之间的平均时间
            for point in points:
                time_per = point['duration'] / point_num
                point_time = point_time + time_per
                # 算出每个节点的时间点
                point_time2 = time.strftime('%Y-%m-%d %H:%M:%S', time.localtime(point_time))
                # 写入数据
                f_result.writelines([
                                     str(pathID),',',
                                     str(sn),',',
                                     str(en),',',
                                     str(point['lng']),',',
                                     str(point['lat']),',',
                                     point_time2,'\n'
                                     ])
    f_result.close()


if __name__ == '__main__':
    main()
    print('finished!')

intel8808

关注

7
点赞
踩
24

收藏

觉得还不错? 一键收藏
0
评论
基于百度API接口的python数据爬虫解析1【笔记】

基于百度API接口的python数据爬虫解析1【笔记】目录数据来源数据获取需求通过城市出行路径数据爬取，来分析不同场景下的城市出行状况场景：分布在城市不同位置的小伙伴想一起约饭，从14个起点开车出发，目标餐厅经过初期限定为5个，那么该选择哪个地方吃饭呢？如果能知道14个起点到每个餐厅的路线和时间就好了数据来源调用百度地图开放平台 — 开发 — web服务API 接口具体在路线规划A
复制链接

扫一扫