调用API获取深圳市的公开大数据集——以高速公路ETC入深圳数据为例

https://opendata.sz.gov.cn/data/api/toApiDetails/29200_00403621

从上图可知，深圳市政府开放数据平台为每一个数据集提供了一个接口地址，并且只需要输入三个参数即可调用数据：appKey、page和rows。首先我们先“提交应用名称”和订阅接口以获取一个appKey，其实就是获取一个专属秘钥。其次，我们进入“测试接口”网页，见下图：

根据上图可知，在完成之前的步骤后，只需要确定“请求方式”和“API参数”后，我们点击蓝色的“发送请求”即可返回相应的内容。下面分别对“请求方式”和“API参数”进行分析。

用过爬虫的人都知道，最常用的网页请求方式就是get和post两种方式：

get：最常用的请求方式，一般用以获取或查询资源信息，也是大多数网站使用的方式，响应速度快；
post：相比于get方式，多了以表单形式上传的功能，因此除了查询信息外，还可以修改信息。
其次，上述的“API参数”需要输入两个值，分别为“page”和“rows”：

page：确定你要查询第几个页文件。例如，营运车辆GPS数据共有176578条，一般来说会将这么大的数据量分成几个部分，比如说分成100个部分，这样每个部分的数据量就不会过大，这里的说的部门就是“page”。
rows：确定你要在每个“page”里面存放多少行数据。例如上面的rows=2，就是第二个page里面只存储2行数据。
一般而言，page和rows是根据网页API的限制来定义的，设定每个page存储1000行，这共需要177个page（176578/1000=176.578）。

3 基于Python+MySQL工具的营运车辆GPS数据的批量获取

通过我们上面的分析，我们知道了营运车辆GPS数据的API调用原理，那么我们如何通过Python来进行批量数据获取呢？下面们将详细介绍这一实现过程。上述提到深圳市政府开放平台均支持get和post的请求方式获取数据，因为本文就用简单的get请求方式。用get方式获取数据需要调用request库中的get方法，所以读者需要先安装这个包。用法如下：

首先将之前的appKey和请求参数合并成一个url：

 # url
url1 = 'https://opendata.sz.gov.cn/api/29200_00403621/1/service.xhtml?page='
url2 = str(page)
url3 = '&rows=10000'
url4 = '&appKey=XXX'
url = url1+url2+url3+url4

将获取到的数据存到strhtml变量中：

strhtml = requests.get(url)

这时候的strhtml代表整个网页的数据，但是我们只需要里面的源码，输入以下语句获取源码：

strhtml.text

获取源码以后，我们需要对其进行解析，转换为json格式：

dic = strhtml.json()

运行完这几个语句后，我们发现我们获取到了page1的5000行数据，他包含在dic的data键，是一个包含5000个元素的list。

由于上述代码只获取到page=1时的数据，如果我们需要获取全部页面的数据，则需要增加如下步骤：

• 增加一个循环，对每个页面的数据进行获取；
• 其次，由于获取的数据可读性较差，我们可以将获取的数据转换为DataFrame格式；
• 因为数据量较大，2133696行，故我们采取每读取一个page就将其存入到MySQL数据中。

import requests
import json
import pandas as pd
import pymysql
from sqlalchemy import create_engine


# 初始化数据库连接
# 按实际情况依次填写MySQL的用户名、密码、IP地址、端口、数据库名，
#一般而言只需要将下面的name和password替换即可
engine = create_engine('mysql+pymysql://name:password@localhost:3306/sample_veh_gps')
        
for page in range(1,428):
    print(page)
    pd_data = pd.DataFrame()
    
    # url
    url1 = 'https://opendata.sz.gov.cn/api/29200_00403621/1/service.xhtml?page='
    url2 = str(page)
    url3 = '&rows=10000'
    url4 = '&appKey=c24286fbd4754aff9d099d1cec484343'
    url = url1+url2+url3+url4
    
    strhtml = requests.get(url)
    strhtml.encoding = 'utf8'
    dic = strhtml.json()
    for i in range(0,len(dic['data'])):
        pd_temp = pd.DataFrame.from_dict(dic['data'][i],orient='index').T
        pd_data = pd_data.append(pd_temp,ignore_index=True)
    try:
        pd_data.to_sql('veh_gps',engine,index=False,if_exists='append')
    except Exception as e:
        print(e)