百度地图POI数据爬取 突破百度地图API爬取数目“400条“的限制11。

1.POI爬取方法说明

1.1AK申请

登录百度账号，在百度地图开发者平台的API控制台申请一个服务端的ak,主要用到的是Place API.检校方式可设置成IP白名单，IP直接设置成了0.0.0.0/0比较方便。

Place API 提供的接口用于返回查询某个区域的某类POI数据，且提供单个POI的详情查询服务，用户可以使用C#、C++、Java，Python等开发语言发送请求，接收json、xml的数据。关于Place API的具体使用可以参考：Place API Web服务API

1.2爬取方式

百度地图将POI数据划分为多个类别，我想要爬取某个城市的所有类别的POI名称和经纬度信息。爬取时，先将类别存储在一个“POI总表.csv”文件中，再逐类别爬取POI数据。POI总表包含POI类别、POI类别对应的编码、各类POI记录条数。

Place API提供了3种爬取区域POI信息的方式：(1)城市内检索 (2)矩形检索 (3)圆形区域检索。这里，POI信息的爬取主要使用城市内检索和矩形检索两种方式。

1.2.1城市内检索

城市内检索主要的请求参数是query查询的类别、region查询的城市名称。将查询得到json格式的数据,解码为utf-8编码方式后存储在content中。通过正则表达式可以得到POI的名称和经纬度信息。

reg = r'"name":"([\d\D]*?)",[\d\D]*?"lat":([\d\D]*?),[\d\D]*?"lng":([\d\D]*?)},'

pattern = pile(reg)

items = re.findall(pattern,content)

1.2.2矩形检索

矩形检索的主要请求参数是query查询的类别、bounds查询区域的左下、右上经纬度。lat,lng(左下角坐标),lat,lng(右上角坐标)。查询得到的结果与城市范围内检索结果相似。

通过两种方式实现POI的区域检索都很便捷，但是当城市较大，某一类POI信息数量大时，由于百度API的限制，1.2.1城市内检索最多只能返回400条POI数据，会造成查不全的现象。这时，可以利用矩形检索，将区域的外包矩形划分为多个小网格，并确保每个网格中该类别POI数据的条数不会超过400条，这样逐个小网格进行矩形检索，最终得到城市区域某一类别POI的所有数据。

2.Python代码实现

2.1 城市内检索

城市区域内检索通过正则表达式re获取需要的信息，当该城市某一类POI数量大于400时，可使用划分为网格的矩形检索进行POI爬取，以保证爬取到完整的POI数据。

# -*- coding: utf-8 -*- import sysimport codecsimport urllibimport urllib2import reimport pandas as pdreload(sys)sys.setdefaultencoding('utf-8')user_agent = 'Mozilla/5.0 (Windows; U; Windows NT 5.2)'headers = {'User-Agent':user_agent}inpath = 'POI总表.csv'path = unicode(inpath, 'utf-8')poi_list = pd.read_csv(path)api_key="" #输入AKfor poi in range(len(poi_list)):outpath = '+str(poi)+'_'+poi_list.iloc[poi, 1] + '.csv'path = unicode(outpath, 'utf-8')with open(path, 'w') as f:f.write(codecs.BOM_UTF8)f.write('id,name,lat,lng\n')i=1j=1try:for i in range(int(poi_list.iloc[poi,4])/10+2):url = "http://api./place/v2/search?q="+poi_list.iloc[poi,3]+"&page_size=10&page_num="url = url+str(i-1) + "&scope=1®ion=%E6%AD%A6%E7%A9%B4&city_limit=true&coord_type=1&output=json&ak="+api_key # ak需输入申请的ak request = urllib2.Request(url, headers=headers)response = urllib2.urlopen(request)content = response.read().decode("utf-8")# print contentreg = r'"name":"([\d\D]*?)",[\d\D]*?"lat":([\d\D]*?),[\d\D]*?"lng":([\d\D]*?)},'pattern = pile(reg)items = re.findall(pattern,content)for item in items:# print "name:",item[0]# print "lat:",item[1]# print "lng:",item[2]savestr = str(j)+','+str(item[0])+','+str(item[1])+','+str(item[2])j += 1f.write(savestr)except urllib2.URLError, e:if hasattr(e, "code"):print e.codeif hasattr(e, 'reason'):print e.reasonfinally:f.close()

2.2 矩形区域检索

BaiduPOI通过url获取POI数据，LocaDiv划分网格，逐个网格爬取POI数据。

# -*- coding:utf-8 -*-import jsonimport codecsimport osimport urllib2import sysimport timereload(sys)sys.setdefaultencoding('utf8')class BaiDuPOI(object):def __init__(self, itemy, loc):self.itemy = itemyself.loc = locdef urls(self):api_key = baidu_apiurls = []for pages in range(0, 20):url = 'http://api./place/v2/search?query=' + self.itemy + '&bounds=' + self.loc + '&page_size=20&page_num=' + str(pages) + '&output=json&ak=' + api_keyurls.append(url)return urlsdef baidu_search(self):json_sel = []for url in self.urls():json_obj = urllib2.urlopen(url)data = json.load(json_obj)for item in data['results']:jname = item["name"]jlat = item["location"]["lat"]jlng = item["location"]["lng"]js_sel = jname + ',' + str(jlat) + ',' + str(jlng)json_sel.append(js_sel)return json_selclass LocaDiv(object):def __init__(self, loc_all):self.loc_all = loc_alldef lat_all(self):lat_sw = float(self.loc_all.split(',')[0])lat_ne = float(self.loc_all.split(',')[2])lat_list = []for i in range(0, int((lat_ne - lat_sw + 0.0001) / 0.1)): # 0.1为网格大小，可更改lat_list.append(lat_sw + 0.1 * i) # 0.05lat_list.append(lat_ne)return lat_listdef lng_all(self):lng_sw = float(self.loc_all.split(',')[1])lng_ne = float(self.loc_all.split(',')[3])lng_list = []for i in range(0, int((lng_ne - lng_sw + 0.0001) / 0.1)): # 0.1为网格大小，可更改lng_list.append(lng_sw + 0.1 * i) # 0.1为网格大小，可更改lng_list.append(lng_ne)return lng_listdef ls_com(self):l1 = self.lat_all()l2 = self.lng_all()ab_list = []for i in range(0, len(l1)):a = str(l1[i])for i2 in range(0, len(l2)):b = str(l2[i2])ab = a + ',' + bab_list.append(ab)return ab_listdef ls_row(self):l1 = self.lat_all()l2 = self.lng_all()ls_com_v = self.ls_com()ls = []for n in range(0, len(l1) - 1):for i in range(0 + len(l1) * n, len(l2) + (len(l2)) * n - 1):a = ls_com_v[i]b = ls_com_v[i + len(l2) + 1]ab = a + ',' + bls.append(ab)return lsif __name__ == '__main__':# akbaidu_api ="" # 这里填入你的百度API的akprint "开始爬取数据，请稍等..."start_time = time.time()loc = LocaDiv('29.8255, 115.367400, 30.2194, 115.8287')locs_to_use = loc.ls_row()for loc_to_use in locs_to_use:par = BaiDuPOI(u'购物', loc_to_use) # 请修改爬取的类别a = par.baidu_search()doc = open('zhengfujigou.csv', 'a+')doc.write(codecs.BOM_UTF8)for ax in a:doc.write(ax)doc.write('\n')doc.close()end_time = time.time()print "购物爬取完毕，用时%.2f秒" % (end_time - start_time)

2.3爬取结果示例

---------------------

作者：haha_point

来源：CSDN

原文：/haha_point/article/details/78079614

版权声明：本文为博主原创文章，转载请附上博文链接！