查看原文
其他

用Python抓取百度地图里的店名,地址和联系方式

2017-03-07 大邓 大邓带你玩python
昨晚看到一篇爬取百度地图信息的的代码,我更改了城市,关键词,页码等,完成了获取有关“筛网”店铺的信息。
代码如下:


import requests
import re
import csv
import time  
def BusinessFromBaiduDitu(citycode = '287',key_word='筛网',pageno=0):
   parameter = {        
       "newmap": "1",        
       "reqflag": "pcmap",        
       "biz": "1",        
       "from": "webmap",        
       "da_par": "direct",        
       "pcevaname": "pc4.1",        
       "qt": "con",        
       "c": citycode,        # 城市代码        "wd": key_word,       # 搜索关键词        "wd2": "",        
       "pn": pageno,         # 页数        "nn": pageno * 10,        
       "db": "0",        
       "sug": "0",        
       "addr": "0",        
       "da_src": "pcmappg.poi.page",        
       "on_gel": "1",        
       "src": "7",        
       "gr": "3",        
       "l": "12",        
       "tn": "B_NORMAL_MAP",        # "u_loc": "12621219.536556,2630747.285024",        "ie": "utf-8",        # "b": "(11845157.18,3047692.2;11922085.18,3073932.2)",  #这个应该是地理位置坐标,可以忽略        "t": "1468896652886"}    headers = {    'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_3) AppleWebKit/537.36(KHTML, like Gecko) Chrome/56.0.2924.87Safari/537.36'}    url = 'http://map.baidu.com/'    
   htm = requests.get(url, params=parameter, headers=headers)    htm = htm.text.encode('latin-1').decode('unicode_escape')  # 转码    pattern = r'(?<=\baddress_norm":"\[).+?(?="ty":)'    htm = re.findall(pattern, htm)  # 按段落匹配    for r in htm:        pattern = r'(?<=\b"\},"name":").+?(?=")'        name = re.findall(pattern, r)        #if not name:        pattern = r'(?<=\b,"name":").+?(?=")'        name = re.findall(pattern, r)        #print(name[0])  # 名称        pattern = r'.+?(?=")'        adr = re.findall(pattern, r)        pattern = r'\(.+?\['        address = re.sub(pattern, ' ', adr[0])        pattern = r'\(.+?\]'        address = re.sub(pattern, ' ', address)        #print(address)  # 地址        pattern = r'(?<="phone":").+?(?=")'        phone = re.findall(pattern, r)        
           try:            
               if phone[0] and '",' != phone[0]:                    phone_list = phone[0].split(sep=',')                
                   for number in phone_list:                    
                       if re.match('1', number):                            print(citycode+name[0]+','+address+','+number)                                          writer.writerow((name[0], address, number))  
           except:            
               continue    print(citycode + '  ' + key_word + '  ' + str(pageno))

现在开始写我搜“丝网”“筛网”(key_word)的代码获取想要的数据,也要改城市代码(citycode)城市代码文件链接

#citynumlist是百度地图城市代码列表 citynumlist = ['33','34','35'          '''''''''''''''''             '370','371','372'] keywordlist = ['丝网','筛网']
start = time.time()
num = 1

#建立csv文件,保存数据 csvFile = open(r'/Users/apple888/PycharmProjects/百度地图/Data/%s.csv' % 'CityData','a+', newline='', encoding='utf-8') writer = csv.writer(csvFile) writer.writerow(('name', 'address', 'number'))
for citycode in citynumlist:    
   for kw in keywordlist:        
       for page in range(10):            BusinessFromBaiduDitu(citycode=citycode, key_word=kw, pageno=page)            #防止访问频率太高,避免被百度公司封            
           time.sleep(1)            
           if num%20 == 0:                
               time.sleep(2)            
           if num%100== 0:                
               time.sleep(3)            
           if num%200==0:                
               time.sleep(7)            
           num = num + 1

end = time.time() lasttime = int((end-start)) print('耗时'+str(lasttime)+'s')

程序运行了大约三个小时,抓取了1085条有用信息信息


欢迎关注 简书账号:  邓旭东HIT

               知乎账号:  邓旭东HIT

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存