Python爬蟲_城市公交、地鐵站點和線路數(shù)據(jù)采集實例

更新時間：2018年01月10日 09:31:47 作者：whgiser

下面小編就為大家分享一篇Python爬蟲_城市公交、地鐵站點和線路數(shù)據(jù)采集實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

城市公交、地鐵數(shù)據(jù)反映了城市的公共交通，研究該數(shù)據(jù)可以挖掘城市的交通結(jié)構(gòu)、路網(wǎng)規(guī)劃、公交選址等。但是，這類數(shù)據(jù)往往掌握在特定部門中，很難獲取?；ヂ?lián)網(wǎng)地圖上有大量的信息，包含公交、地鐵等數(shù)據(jù)，解析其數(shù)據(jù)反饋方式，可以通過Python爬蟲采集。閑言少敘，接下來將詳細介紹如何使用Python爬蟲爬取城市公交、地鐵站點和數(shù)據(jù)。

首先，爬取研究城市的所有公交和地鐵線路名稱，即XX路，地鐵X號線?？梢酝ㄟ^圖吧公交、公交網(wǎng)、8684、本地寶等網(wǎng)站獲取，該類網(wǎng)站提供了按數(shù)字和字母劃分類別的公交線路名稱。Python寫個簡單的爬蟲就能采集，可參看WenWu_Both的文章，博主詳細介紹了如何利用python爬取8684上某城市所有的公交站點數(shù)據(jù)。該博主采集了站點詳細的信息，包括，但是缺少了公交站點的坐標、公交線路坐標數(shù)據(jù)。這就讓人抓狂了，沒有空間坐標怎么落圖，怎么分析，所以，本文重點介紹的是站點坐標、線路的獲取。

以圖吧公交為例，點擊某一公交后，出現(xiàn)該路公交的詳細站點信息和地圖信息。博主頓感興奮，覺得馬上就要成功了，各種抓包，發(fā)現(xiàn)并不能解析?？赡懿┲骷夹g(shù)所限，如有大神能從中抓到站點和線路的坐標信息，請不寧賜教。這TM就讓人絕望了啊，到嘴的肥肉吃不了。

天無絕人之路，嘗試找找某地圖的API，發(fā)現(xiàn)可以調(diào)用，通過解析，能夠找到該數(shù)據(jù)的后臺地址。熟悉前端的可以試試，博主前端也就只會個hello world，不獻丑了。這是一種思路，實踐證明是可以的。

地圖API可以，那么通過地圖抓包呢？打開某圖主頁，直接輸入某市公交名稱，通過抓包，成功找到站點和線路信息。具體抓包信息如下圖所示，busline_list中詳細列出了站點和線路的信息，其中有兩條，是同一趟公交不同方向的數(shù)據(jù)，略有差別，需注意。找到入口過后，接下來爬蟲就要大顯身手了。

主要爬取代碼如下，其實也很簡單，主函數(shù)如下。首先需要構(gòu)建傳入的參數(shù)，主要的包括路線名稱，城市編碼，地理范圍，縮放尺度。地理范圍可以通過坐標拾取器獲取，參數(shù)經(jīng)url編碼后，發(fā)送請求，判斷返回數(shù)據(jù)是否符合要求（注：可能該線路地圖上停運或不存在，也可能是訪問速度過快，反爬蟲機制需要人工驗證，博主爬取的時候碰到過，所以后面設(shè)置了隨機休眠）。接下來，就是解析json數(shù)據(jù)了。代碼中的extratStations和extractLine，就是提取需要的字段，怎么樣，是不是很簡單。最后，就是保存了，站點和路線分別存儲。

def main():
 df = pd.read_excel("線路名稱.xlsx",)
 BaseUrl = "https://ditu.amap.com/service/poiInfo?query_type=TQUERY&pagesize=20&pagenum=1&qii=true&cluster_state=5&need_utd=true&utd_sceneid=1000&div=PC1000&addr_poi_merge=true&is_classify=true&"
 for bus in df[u"線路"]:
 params = {
  'keywords':'11路',
  'zoom': '11',
  'city':'610100',
  'geoobj':'107.623|33.696|109.817|34.745'
 }
 print(bus)
 paramMerge = urllib.parse.urlencode(params) 
 #print(paramMerge)
 targetUrl = BaseUrl + paramMerge
 stationFile = "./busStation/" + bus + ".csv"
 lineFile = "./busLine/" + bus + ".csv"
 
 req = urllib.request.Request(targetUrl)
 res = urllib.request.urlopen(req)
 content = res.read()
 jsonData = json.loads(content)
 if (jsonData["data"]["message"]) and jsonData["data"]["busline_list"]:
  busList = jsonData["data"]["busline_list"] ##busline 列表
  busListSlt = busList[0] ## busList共包含兩條線，方向不同的同一趟公交,任選一趟爬取
  
  busStations = extratStations(busListSlt)
  busLine = extractLine(busListSlt)
  writeStation(busStations, stationFile)
  writeLine(busLine, lineFile)
  
  sleep(random.random() * random.randint(0,7) + random.randint(0,5)) #設(shè)置隨機休眠
 else:
  continue

附上博主的解析函數(shù)：

def extratStations(busListSlt):
 busName = busListSlt["name"]
 stationSet = []
 stations = busListSlt["stations"]
 for bs in stations:
 tmp = []
 tmp.append(bs["station_id"])
 tmp.append(busName)
 tmp.append(bs["name"])
 cor = bs["xy_coords"].split(";")
 tmp.append(cor[0])
 tmp.append(cor[1])
 wgs84cor1 = gcj02towgs84(float(cor[0]),float(cor[1]))
 tmp.append(wgs84cor1[0])
 tmp.append(wgs84cor1[1])
 stationSet.append(tmp)
 return stationSet

def extractLine(busListSlt):
 ## busList共包含兩條線，備注名稱
 keyName = busListSlt["key_name"]
 busName = busListSlt["name"] 
 fromName = busListSlt["front_name"]
 toName = busListSlt["terminal_name"]
 lineSet = []
 Xstr = busListSlt["xs"]
 Ystr = busListSlt["ys"]
 Xset = Xstr.split(",")
 Yset = Ystr.split(",")
 length = len(Xset)
 for i in range(length):
 tmp = []
 tmp.append(keyName)
 tmp.append(busName)
 tmp.append(fromName)
 tmp.append(toName)
 tmp.append(Xset[i])
 tmp.append(Yset[i])
 wgs84cor2 = gcj02towgs84(float(Xset[i]),float(Yset[i]))
 tmp.append(wgs84cor2[0])
 tmp.append(wgs84cor2[1])
 lineSet.append(tmp)
 return lineSet

爬蟲采集原始數(shù)據(jù)如下：