最近两天工作之余,开始涉猎python,自动爬取了全国30+城市地铁图数据,这里分享下整个爬虫过程
学习Python中有不明白推荐加入交流群
号:960410445
群里有志同道合的小伙伴,互帮互助,
群里有不错的视频学习教程和PDF!
![](https://img.haomeiwen.com/i15679176/a4628594f62106d4.jpg!web)
- 数据来源
首先分析全国各个城市地铁图的数据来源,无非就是百度或者高德,这次选择用高德作为数据来源。打开高德地铁图PC端官网 http://map.amap.com/subway/index.html?&1100,点击每个城市可以看到当前城市的地铁图,打开浏览器F12一下,可以很容易看到Ajax请求接口后,地铁图才绘制出来的。
分析得知,xhr请求的接口数据便是我们需要的一部分数据(包含线路名称、线路名称坐标、线路轨迹、站点名称、站点定位坐标等 ),另一部分数据则是直接在Dom节点中(包含站点名称坐标),所以我们要爬取的数据便是 Ajax接口数据 + Dom节点数据 ,如图所示:
![](https://img.haomeiwen.com/i15679176/a26550a7696525ee.jpg!web)
![](https://img.haomeiwen.com/i15679176/54d4c90fafe1be40.jpg!web)
- 爬虫过程
了解清楚数据来源后,就开始进行python准备工作,记住万能公式 : 程序 = 『数据结构』 +『 算法』
你要做的准备工作便是本次学习后收获的知识点:
**2.1 ** 用到哪些python库:
接口请求:采用requests库;
dom解析:采用lxml库;
浏览器自动化操作:采用selenium以及chrome浏览器驱动;
json操作:采用json库
*2.2 *用到哪些python数据结构:
list: 存储线路列表
dict:存储线路和站点信息
string: 存储各字段信息
这里不再讲述各个依赖库的安装, 有 针对性学习python相关知识点,就可以愉快地编码了,运行写好的爬虫脚本,不用任何手动操作,就可得到30+城市的json格式地铁图数据文件了
- 源码
https://github.com/caijinlin/python-spider (内附抓取视频)
- 总结
编码的过程中,遇到这样一个问题,有些城市的菜单在页面的『更多』里面,加载完页面后是隐藏的,python打开浏览器模拟点击的时候,会报一个找不到该元素的错误,经过google一番,总结了两个解决方案,亲测可用
网友评论