项目中需要用省市区来进行检索,原想高德地图肯定会有API来获得这些数据,结果没有找到,有一个接口好像可以用,但是会附带大量的边界坐标点。
所以就不如自己把高德的省市区列表扒下来,自己写接口来完成这个功能。
看到高德地图的js的demo里面有这样的展示页面:http://lbs.amap.com/api/javascript-api/example/u/2001-2/,所以我就直接利用它来分析。
1. 省列表
省的列表是直接写死在这个界面里的,所以我也照搬,把省都直接写死:
provinceList = ['北京市', '天津市', '河北省', '山西省', '内蒙古自治区', '辽宁省', '吉林省','黑龙江省', '上海市', '江苏省', '浙江省', '安徽省', '福建省', '江西省', '山东省','河南省', '湖北省', '湖南省', '广东省', '广西壮族自治区', '海南省', '重庆市','四川省', '贵州省', '云南省', '西藏自治区', '陕西省', '甘肃省', '青海省', '宁夏回族自治区', '新疆维吾尔自治区', '台灣', '香港特别行>政区', '澳门特别行政区'];
2. 市列表
从市列表开始,就要扒高德地图的接口了,首先模仿浏览器的访问设置几个Http头:
send_headers ={'Accept':'*/*','Accept-Encoding':'gzip, deflate, sdch','Accept-Language':'zh-CN,zh;q=0.8','Connection':'keep-alive','Host':'restapi.amap.com','Referer':'http://lbs.amap.com/fn/iframe/?id=3556',
}
然后是根据省名获取市列表的函数:
defgetCity(province):print "Province->" +province
url= "http://restapi.amap.com/v3/config/district?subdistrict=1&extensions=all&level=province&key=608d75903d29ad471362f8c58c550daf&s=rsv3&output=json&callback=jsonp_" + getJsonP() + "_&keywords=" +province;
data=getData(url)
item= data['districts'][0];if item['citycode'] ==[]:
item['citycode'] = ''save([item['citycode'], item['adcode'], item['name'], item['center'], item['level'], ''])for item in data['districts'][0]['districts']:
save([item['citycode'], item['adcode'], item['name'], item['center'], item['level'], ''])while 1:try:
getDistrict(item)break
exceptException, e:print 'retry:' + item['name'] + "->" + str(e)
这里有跨域访问用的getJsonP、发起网络请求的getData、存数据库的save,这三个函数的具体实现一会再说,先看其它逻辑,高德服务端返回数据是长得这个样子的:
districts域就是搜索的结果,因为这是按名称进行搜索,而不是id,所以很可能会搜出来多个结果,当然省名不会重,但一样得到的是一个JSONArray,所以用data['districts'][0]来得到省的信息,除了直辖市之外,省级单位的citycode都是空的,用item['citycode'] = ''给它一个空字符串做默认值,然后调用save方法把它存入数据库,在上图中也看到了,data['districts'][0]里面还有一个districts域,这里面就是所有市的信息,同样把它们存入数据库,然后针对每个市,去获取区的列表,这里有可能会出现网络问题,所以加上了失败重试。
下面依次来看上面几个关键方法的实现:
1)getJsonP:
跨域访问是通过jsonp回调的方式进行的,函数名都是jsonp_xxxxx_()的形式,这个xxxxx是一个变化的随机数字,我采用依次递增的形式来生成这个jsonp的数字:
jsonp = 9999
defgetJsonP():globaljsonp
jsonp= jsonp + 1
if (jsonp > 99999):
jsonp= 10000
return str(jsonp)
这里我保证这个数字是一个5位数(理论上几位都可以),因为在图里可以看到,返回值是jsonp_xxxxx_({aaa})的形式,我们要分析json串需要把前后没用的字符去掉,如果长度固定就很好删了。
2)getData:
发起网络请求并把返回的数据转成JSONObject:
defgetDataWithEx(url):
req= urllib2.Request(url,headers=send_headers)
r= urllib2.urlopen(req,timeout=30)if r.info().get('Content-Encoding') == 'gzip':
buf=StringIO(r.read())
f= gzip.GzipFile(fileobj=buf)
data=f.read()else:
data=r.read()return json.loads(data[13:-1])defgetData(url):while 1:try:
response=getDataWithEx(url)break
exceptException, e:print 'retry:' + url + "with error" +str(e)return response
这里也加入了失败重试,一般的数据都要用gzip进行解码,但是我忘了是哪个了,好像是有一个区的数据很特别没有用gzip,所以这里要分开判断,getJsonP里面介绍了,返回的数据前后是写无用的字符,用data[13:-1]删掉。
3)save
这是往MySQL里存数据的函数,没有特殊的点需要介绍,直接上代码:
defsave(value):try:
conn=MySQLdb.connect(host='www.xxx.com',user='xxx',passwd='xxx',port=3306,charset="utf8")
conn.select_db('test')
cur=conn.cursor()
cur.execute("insert into amap(citycode, adcode, name, center, level, areacode) values(%s,%s,%s,%s,%s,%s)",value)
conn.commit()
cur.close()
conn.close()exceptMySQLdb.Error,e:print "Mysql Error %d: %s" % (e.args[0], e.args[1])
3. 区列表
跟获取城市列表相似:
defgetDistrict(city):print "->City->" + city['name']
url= "http://restapi.amap.com/v3/config/district?subdistrict=1&extensions=all&level=city&key=608d75903d29ad471362f8c58c550daf&s=rsv3&output=json&callback=jsonp_" + getJsonP() + "_&keywords=" + city['name']
data=getData(url)for possible in data['districts']:if possible['adcode'] == city['adcode']:for item in possible['districts']:
save([item['citycode'], item['adcode'], item['name'], item['center'], item['level'], ''])while 1:try:
getBusiness(item)break
exceptException, e:print 'retry:' + item['name'] + "->" +str(e)break
和获取市列表稍微不同的是这里不能直接data['districts'][0]了,按市、区搜就有可能重名了,所以用城市的adcode来匹配,针对匹配上的市,遍历区的信息存入数据库,然后再针对区搜索商圈。
4. 商圈列表
跟获取市列表和获取区列表没有太大的区别:
defgetBusiness(district):print "->->District->" + district['name']
url= "http://restapi.amap.com/v3/config/district?subdistrict=1&extensions=all&level=district&key=608d75903d29ad471362f8c58c550daf&s=rsv3&output=json&callback=jsonp_" + getJsonP() + "_&keywords=" + district['name']
data=getData(url)for possible in data['districts']:if possible['adcode'] == district['adcode']:
values=[]for item in possible['districts']:
values.append((item['citycode'], item['adcode'], item['name'], item['center'], item['level'], item['areacode']))
saveAll(values)break
唯一不同的是直接用saveAll一次性存储所有的数据而不是一条条的save:
defsaveAll(values):try:
conn=MySQLdb.connect(host='www.xxx.com',user='xxx',passwd='xxx',port=3306,charset="utf8")
conn.select_db('test')
cur=conn.cursor()
cur.executemany("insert into amap(citycode, adcode, name, center, level, areacode) values(%s,%s,%s,%s,%s,%s)",values)
conn.commit()
cur.close()
conn.close()exceptMySQLdb.Error,e:print "Mysql Error %d: %s" % (e.args[0], e.args[1])
关键的逻辑就都介绍完了,下面是头部库的导入和编码设置:
#-*- coding: utf-8 -*-#encoding=utf-8
importurllib2importsys, jsonfrom StringIO importStringIOimportgzipimportMySQLdbimportdatetime
reload(sys)
sys.setdefaultencoding('utf-8')
这里要说的一点是:不知道为什么编译器会报错说setdefaultencoding方法不存在,有这个错误的话不用理会,可以正常运行,如果不设置那么在数据库插入的时候会报下面的一个错误:
UnicodeEncodeError:'latin-1' codec can't encode character
最后是上述方法的调用:
starttime =datetime.datetime.now()for province inprovinceList:
getCity(province)print 'over'endtime=datetime.datetime.now()print (endtime - starttime).seconds
扒数据的时间很长,n多小时,我忘了具体是多久了,而且为了避免出错我是把所有省分成了好几段分别扒的。
如果不想自己扒数据,想直接得到省市区的数据,可以直接下载我转存的sql文件。
也可以临时使用我的接口(都已失效):
获取省列表:http://www.yxbilu.com/sites/tools/amap/province;
获取市列表:http://www.yxbilu.com/sites/tools/amap/city?adcode=110000(省的adcode);
获取区列表:http://www.yxbilu.com/sites/tools/amap/district?adcode=110100(市的adcode)。