怎么利用python爬取城市公交站点

本文介绍了“如何用python爬城市公交站”的相关知识。很多人在实际办案过程中都会遇到这样的困难。接下来，让边肖带领大家学习如何应对这些情况！希望大家认真阅读，学点东西！

页面分析

https://guiyang.8684.cn/line1

爬虫

我们使用请求来解析和获取我们的网站数据，方法是使用美化组。拿到公交站牌后，我们用高德api获取站牌的经纬度坐标，用熊猫分析json文件。接下来，我推荐使用面向对象的方法编写代码。

导入请求

importjson

frombs4importBeautifulSoup

importpandasaspd

classbus_stop:

# #定义一个类来获取站点名称和每辆车的经纬度。

def__init__(self):

self.url=贵阳. 8684.cn/line{} '

self.starnum=[]

forstar _ num range(1，17):

self.starnum.append(start_num)

self.payload={}

self . headers={ 0

cookie ' : ' JSESSIONID=48304 F9 E8 d 55 a9 f2f 8 ACC 14 B7 EC 5a 02d ' }

# #致电高德api获取公交线路的经纬度

# # #每个人都可以自己申请这把钥匙。

defget_location(自身，线路):

URL _ API=' https://restapi . AMAP.com/v3/bus/line name？S=rsv3扩展=all key=559 bdffe 35ee c8c 8 F4 DAE 959451d 705 c输出=JSON城市=贵阳偏移=2关键字={}平台=js '。格式(

行)

res=requests.get(url_api)。文本

#print(res)可用于检查返回的信息是否包含您需要的数据。

rt=json.loads(res)

dicts=rt['总线'][0]

#返回df对象

df=pd。data frame . from _ dict([dict])

返回f

# #获取每个汽车站的名称。

defget_line(self):

forstartisen self . star num :

开始=字符串(开始)

#构建网址

url=self.url.format(开始)

res=requests.request(

' GET '，url，标头=self.headers，数据=self.payload)

soup=美化组(res.text，' lxml ')

div=soup.find('div '，class_='listclearfix ')

list=div . find _ all(' a ')

foriteminlists:

亚麻布

bsp;= item.text  # 获取a标签下的公交线路 
 lines.append(line)
 return lines
if __name__ == '__main__':
 bus_stop = bus_stop()
 stop_df = pd.DataFrame([])
 lines = []
 bus_stop.get_line()
 # 输出路线
 print('一共有{}条公交路线'.format(len(lines)))
 print(lines)
 # 异常处理
 error_lines = []
 for line in lines:
 try:
 df = bus_stop.get_location(line)
 stop_df = pd.concat([stop_df, df], axis=0)
 except:
 error_lines.append(line)
 # 输出异常的路线 
 print('异常路线有{}条公交路线'.format(len(error_lines))) 
 print(error_lines)
 # 输出文件大小 
 print(stop_df.shape)
 stop_df.to_csv('bus_stop.csv', encoding='gbk', index=False)

数据清洗

我们先来看效果，我需要对busstops列进行清洗。我们的总体思路，分列->逆透视->分列。我会接受两种方法，一是Excel PQ，二是python。

Excel PQ 数据清洗

这一方法完全利用PQ，纯界面操作，问题不大，所以我们看看流程就可以了，核心步骤就是和上面一样的。

python数据清洗

## 我们需要处理的busstops列和ID列
data = stop_df[['id','busstops']]
data.head()

## 字典或者列表分列
df_pol = data.copy()
### 设置索引列
df_pol.set_index('id',inplace=True)
df_pol.head()

## 逆透视
### 释放索引
df_pol.reset_index(inplace=True)
### 逆透视操作
df_pol_ps = df_pol.melt(id_vars=['id'], value_name='busstops')
df_pol_ps.head()

## 删除空行
df_pol_ps.dropna(inplace=True,axis=0)
df_pol_ps.shape

## 分列
### 设置line_id
df_parse['line_id'] = df_pol_ps['id']
df_parse = df_pol_ps['busstops'].apply(pd.Series)
df_parse

我这里补充一下，我们一般还要对location列进行分列，把Long，lat分列出来，但是我们这里就不做了，都是重复劳动，而且我用的pq清洗，快很多。

## 写入文件
df_parse.to_excel('贵阳市公交站点分布.xlsx', index=False)</pre>

QGIS坐标纠偏

QGIS基础操作，我就不说了，顺便说一下QGIS对csv格式支持较好，我推荐我们导入QGIS的文件为csv格式的文件。

导入csv文件

坐标纠偏

以前说了很多，我们高德地图上的坐标是GCJ02坐标，我们需要转成WGS 1984坐标，我们在QGIS里面需要借助GeoHey插件。

“怎么利用python爬取城市公交站点”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注网站，小编将为大家输出更多高质量的实用文章！