python爬取地图地址_零基础掌握百度地图兴趣点获取POI爬虫（python语言爬取）（进阶篇）...

HTML是一个很神奇的格式，代码可以在文本文档里写，不过应该很少有人用文本文档写代码吧。

这段代码可以直接拿来用，也是我从网上找的，就不分析了。

2.更合理的对查询范围进行切分。

这是一个很常见的问题，我们要采集昆明市的中学兴趣点，然后就把矩形等分了六份，遍历一遍(其实要不遗漏的获取兴趣点，只切六个绝对不够用)。

这种切分方式其实并不完美，分析一下，中心城区兴趣点肯定分布更密集，而郊区会稀疏一些，而且一个城市的边界不可能是矩形的，我们用一个大矩形切分，会爬取到一些其他城市的兴趣点。

有相关从业经验的人应该能想到，如果有这个城市的分幅格网，遍历分幅格网来爬取兴趣点会更好一些，当然分幅格网我们也可以自己生成，根据预估的兴趣点疏密程度，中心城区格网加密一些，外围合并一些。

arcgis有一个工具fishnet(创建渔网)，可以生成格网。

四至坐标可以在字段计算器里计算,选用python语言

minX=!shape.extent.xmin!

maxX=!shape.extent.xmax!

minY=!shape.extent.ymin!

maxY=!shape.extent.ymax!

之前写过一篇画分幅格网的教程：http://blog.sina.com.cn/s/blog_4c6ee7230102v590.html

把arcgis属性表导出，可以用excel打开。

用这个坐标列表去生成url列表，主要就是open和write语句的运用，其实都可以直接在excel里用函数去生成url列表。

python逐行读入:

f=open(路径,’a’)

f.readlines()

3.python中文乱码问题解决

其实这是一个很棘手的问题。对于初学者来说，遇到乱码问题，如何解决是一个幸运度的问题。有可能运气不好，就解决不了了，有可能运气够好，根本遇不上。

在乱码问题上，python2.7要多于python3

我精心挑选了几个我觉得讲得比较好的文章，大家可以参考一下，网上相关的文章太多了，容易懵。

这篇中文乱码的解决方式：

http://www.jb51.net/article/42707.htm

用sys.getfilesystemencoding()获取文件系统的编码方式。

import sys

type = sys.getfilesystemencoding()

print mystr.decode('utf-8').encode(type)

这篇文章写得比较细：

http://blog.csdn.net/ggggiqnypgjg/article/details/53271541

我的经验是，如果遇到乱码，怎么都调试不成功，那么可以换一个编译环境，从python2.7换到python3，或者用别的函数，例如不用urllib2，用beautiful

soul，或者requests等，有可能莫名其妙乱码的问题就不出现了呢！

4.并发量限制与延时功能

import time

time.sleep(10)

这两行代码的意思是，延时10秒中，它解决的是一分钟内并发量限制的问题，如果我们没有做认证，那么一分钟能访问API服务的次数不超过几次，超过了就会提示访问超过并发量，就爬不到数据了。

解决这个问题的方法就是用time.sleep(10)，每次循环都先休眠10秒，就不会访问超过并发量了。

我觉得10秒够用了，所以就设定了10秒，不过如果认证过的开发者，应该不会遇到并发量限制的问题。

这段代码示例一下：

import time

time.sleep(10)

print time.time()

休眠十秒，打印当前时间，结果是一个浮点秒数。

5.把代码移植到python3中。

python2.7和python3略微有些差异，python3版本有一个好处就是中文乱码的情况没那么多，而且很多功能和第三方库都被整合了。

下面这段代码是python3中的，可以看出比较于python2.7版本，进行了几处改变，requests、列表的引用等。

#-*-coding:UTF-8-*-

import json

import sys

import requests #导入requests库，这是一个第三方库，把网页上的内容爬下来用的

ty=sys.getfilesystemencoding() #这个可以获取文件系统的编码形式

import time

lat_1=24.390894

lon_1=102.174112

lat_2=26.548645

lon_2=103.678942 #坐标范围

las=1 #给las一个值1

ak='9s5GSYZsWbMaFU8Ps2V2VWvDlDlqGaaO'

push=r'D:\python\zwzwlast.txt'

#我们把变量都放在前面，后面就不涉及到变量了，如果要爬取别的POI，修改这几个变量就可以了，不用改代码了。

print (time.time()) #相较于python2.7，,python3print

需要加括号。

print ('开始')

urls=[] 声明一个数组列表

lat_count=int((lat_2-lat_1)/las+1)

lon_count=int((lon_2-lon_1)/las+1)

for lat_c in range(0,lat_count):

lat_b1=lat_1+las*lat_c

for lon_c in

range(0,lon_count):

lon_b1=lon_1+las*lon_c

for i in range(0,20):

page_num=str(i)

url='http://api.ma/place/v2/search?query=中学&

bounds='+str(lat_b1)+','+str(lon_b1)+','+str(lat_b1+las)+','+str(lon_b1+las)+'&page_size=20&page_num='+str(page_num)+'&output=json&ak='+ak

urls.append(url)

#urls.append(url)的意思是，将url添加入urls这个列表中。

f=open(r'D:\python\kunmingxuexiao.txt','a',encoding='utf-8')

print ('url列表读取完成')

for url in urls:

time.sleep(10) #为了防止并发量报警，设置了一个10秒的休眠。

html=requests.get(url)#获取网页信息

data=html.json()#获取网页信息的json格式数据

for item in

data['results']:

jname=item['name']

jlat=item['location']['lat']

jlon=item['location']['lng']

jadd=item['address']

j_str=jname+','+str(jlat)+','+str(jlon)+','+jadd+'\n'

f.write(j_str)

print

(time.time())

f.close()

print ('完成')

6.代码简化问题。

可以通过分析json数据提炼一下简化方式。

网页打开之后，看一下。

{

"status":0,

"message":"ok",

"total":400,

"results":[

{

"name":"北大附中云南实验学校",

"location":{

"lat":25.009573,

"lng":102.723208

},

"address":"昆明市日新中路北大附中云南实验学校",

"street_id":"beabdbf4ac3394997069d3c7",

"detail":1,

"uid":"beabdbf4ac3394997069d3c7"

主要看results上面那三行，其中total，是这个矩形范围内有多少个兴趣点，有400个，说明我矩形画大了，应该再细分一下，这个数应该小于400，因为我们之前已经说过20页网址最多爬400个poi，total是400，说明实际的poi数量是大于400个的。

提取某一坐标范围中第一页数据的时候，我们可以先获取total值，这样就可以计算出page_num的值了，如果total是100，那么只循环到第五页，page_num=4的时候就可以了。

这是代码的一个简化方式。

当然应该还有很多，有待我们发觉。

7.过程参考资料汇总

因为使用python的人很多，所以网上的资料也很多，不过要找到比较合适的，也没那么容易。但是说实话，走弯路、排除错误答案也是学习收获的一个过程，实践过错的，才知道什么是对的嘛！

最有用的参考资料，还得是是官网。

学好英语很必要。

这个网址，讲的是requests的用法。

http://docs.python-requests.org/zh_CN/latest/user/quickstart.html

当然，买本书应该也不错。

然后脚本之家和CSDN都有很好的教程，不过也不是所有教程都是对的，多看多试多思考多练习，就会有多获得。

最后会再来一篇python安装和第三方库安装篇，这个python的零基础教程就先告一段落吧！