有时候，爬虫爬到的数据是很珍贵、很稀缺，但是在实际项目最好还是多点谨慎，保证万无一失。
今天介绍一种新的 获取城市地铁站点数据的方法，而且不再只是北上广深四个城市，而是 全国开通地铁的城市。
对了，你觉得全国有多少个城市开通了地铁？
爬取数据的链接是：http://map.amap.com/subway/index.html
这个是高德地图对于全国地铁站点的一个可视化界面，做的相当不错。
页面长这样：
既然是可视化那肯定有数据支撑，要不就是 有数据接口 要不就是 直接显示在页面上
巧的是，它两个都有！
首先，浏览器打开 F12，定位到上方的城市列表，如图：
对应的城市列表是直接显示在 div 标签里面的，不过城市是被分成了两部分，一部分在 city-list 里面，一部分在 more-city-list 里面。
而且在每一个城市的 a 标签里面有对应的城市 ID 和城市拼音。
随便点击一个城市，在可视化界面发生变化的同时看到 Network 中出现了一个链接。如图：
链接名称中包含了这个城市的 ID 和拼音，对应的数据就是我们要的地铁站点数据。
不过显然这个数据需要往下稍微深入一点才能发现：
但是既然有了接口，那获取数据也就很简单的事情
总结一下流程，思路如下：
- 爬取两个 div 中的城市数据（包括 ID 和拼音），生成城市集合
- 遍历城市集合，构造每一个城市的 url
- 访问 url，爬取对应城市的地铁站点数据
对了，最后还能加一步：通过地铁站点名去查询其对应所在的城市行政区。例如：深圳市翻身地铁站属于宝安区
查询方法可以借鉴：一个数据分析的真实失败案例，让我突然有点恍惚了，把地铁名当成参数就行
实现起来比较简单，代码大致如下：
▶获取城市列表
url = 'http://map.amap.com/subway/index.html' res = requests.get(url, headers={'User-Agent': get_ua()}) res.encoding = res.apparent_encoding soup = BeautifulSoup(res.text, 'html.parser') name_dict = [] # 获取显示出的城市列表 for soup_a in soup.find('div', class_='city-list fl').find_all('a'): city_name_py = soup_a['cityname'] city_id = soup_a['id'] city_name_ch = soup_a.get_text() name_dict.append({'name_py': city_name_py, 'id': city_id, 'name_ch': city_name_ch}) # 获取未显示出来的城市列表 for soup_a in soup.find('div', class_='more-city-list').find_all('a'): city_name_py = soup_a['cityname'] city_id = soup_a['id'] city_name_ch = soup_a.get_text() name_dict.append({'name_py': city_name_py, 'id': city_id, 'name_ch': city_name_ch}) df_name = pd.DataFrame(name_dict)
一共 有 40 个城市，解析拿到每个城市对应的 ID 和拼音
然后，对每个城市的 url 构造如下：
# 构造每个城市的url url = "http://map.amap.com/service/subway?_1818387860087&srhdata=" + id + '_drw_' + cityname + '.json'
▶解析城市地铁站点
从 json 中可以很方便的解析每个城市的地铁站点数据
例如：站点所属的地铁线路、站点经纬度等
核心解析代码如下：
# 核心代码 df_per_zd = df_per_zd[['n', 'sl', 'poiid', 'sp']] df_per_zd['gd经度'] = df_per_zd['sl'].apply(lambda x: x.split(',')[0]) df_per_zd['gd纬度'] = df_per_zd['sl'].apply(lambda x: x.split(',')[1]) df_per_zd.drop('sl', axis=1, inplace=True) df_per_zd['路线名称'] = data_line['ln'] df_per_zd['城市名称'] = name
代码的运行界面如下：
最终一共是 5001 条数据，对应的全国 40 个开通地铁的城市。
部分数据截图如下：
再通过热力图简单看一下这些城市的分布情况：
数据已经有了，抽样验证了一下，发现只有少数站点的区域不对，手动处理一下就行。
爬到的数据已经确认无误，接下来就是如何分析的问题了
