标签：
项目中需要用省市区来进行检索，原想高德地图肯定会有API来获得这些数据，结果没有找到，有一个接口好像可以用，但是会附带大量的边界坐标点。
所以就不如自己把高德的省市区列表扒下来，自己写接口来完成这个功能。
看到高德地图的js的demo里面有这样的展示页面：http://lbs.amap.com/api/javascript-api/example/u/2001-2/，所以我就直接利用它来分析。
1. 省列表
省的列表是直接写死在这个界面里的，所以我也照搬，把省都直接写死：
provinceList = [‘北京市‘, ‘天津市‘, ‘河北省‘, ‘山西省‘, ‘内蒙古自治区‘, ‘辽宁省‘, ‘吉林省‘,‘黑龙江省‘, ‘上海市‘, ‘江苏省‘, ‘浙江省‘, ‘安徽省‘, ‘福建省‘, ‘江西省‘, ‘山东省‘,‘河南省‘, ‘湖北省‘, ‘湖南省‘, ‘广东省‘, ‘广西壮族自治区‘, ‘海南省‘, ‘重庆市‘,‘四川省‘, ‘贵州省‘, ‘云南省‘, ‘西藏自治区‘, ‘陕西省‘, ‘甘肃省‘, ‘青海省‘, ‘宁夏回族自治区‘, ‘新疆维吾尔自治区‘, ‘台灣‘, ‘香港特别行>政区‘, ‘澳门特别行政区‘];
2. 市列表
从市列表开始，就要扒高德地图的接口了，首先模仿浏览器的访问设置几个Http头：
send_headers = { ‘Accept‘:‘*/*‘, ‘Accept-Encoding‘:‘gzip, deflate, sdch‘, ‘Accept-Language‘:‘zh-CN,zh;q=0.8‘, ‘Connection‘:‘keep-alive‘, ‘Host‘:‘restapi.amap.com‘, ‘Referer‘:‘http://lbs.amap.com/fn/iframe/?id=3556‘, }
然后是根据省名获取市列表的函数：
def getCity(province): print "Province->" + province url = "http://restapi.amap.com/v3/config/district?subdistrict=1&extensions=all&level=province&key=608d75903d29ad471362f8c58c550daf&s=rsv3&output=json&callback=jsonp_" + getJsonP() + "_&keywords=" + province; data = getData(url) item = data[‘districts‘][0]; if item[‘citycode‘] == []: item[‘citycode‘] = ‘‘ save([item[‘citycode‘], item[‘adcode‘], item[‘name‘], item[‘center‘], item[‘level‘], ‘‘]) for item in data[‘districts‘][0][‘districts‘]: save([item[‘citycode‘], item[‘adcode‘], item[‘name‘], item[‘center‘], item[‘level‘], ‘‘]) while 1: try: getDistrict(item) break except Exception, e: print ‘retry:‘ + item[‘name‘] + "->" + str(e)
这里有跨域访问用的getJsonP、发起网络请求的getData、存数据库的save，这三个函数的具体实现一会再说，先看其它逻辑，高德服务端返回数据是长得这个样子的：
districts域就是搜索的结果，因为这是按名称进行搜索，而不是id，所以很可能会搜出来多个结果，当然省名不会重，但一样得到的是一个JSONArray，所以用data[‘districts‘][0]来得到省的信息，除了直辖市之外，省级单位的citycode都是空的，用item[‘citycode‘] = ‘‘给它一个空字符串做默认值，然后调用save方法把它存入数据库，在上图中也看到了，data[‘districts‘][0]里面还有一个districts域，这里面就是所有市的信息，同样把它们存入数据库，然后针对每个市，去获取区的列表，这里有可能会出现网络问题，所以加上了失败重试。
下面依次来看上面几个关键方法的实现：
1）getJsonP：
跨域访问是通过jsonp回调的方式进行的，函数名都是jsonp_xxxxx_()的形式，这个xxxxx是一个变化的随机数字，我采用依次递增的形式来生成这个jsonp的数字：
jsonp = 9999 def getJsonP(): global jsonp jsonp = jsonp + 1 if (jsonp > 99999): jsonp = 10000 return str(jsonp)
这里我保证这个数字是一个5位数（理论上几位都可以），因为在图里可以看到，返回值是jsonp_xxxxx_({aaa})的形式，我们要分析json串需要把前后没用的字符去掉，如果长度固定就很好删了。
2）getData：
发起网络请求并把返回的数据转成JSONObject：
def getDataWithEx(url): req = urllib2.Request(url,headers=send_headers) r = urllib2.urlopen(req,timeout=30) if r.info().get(‘Content-Encoding‘) == ‘gzip‘: buf = StringIO(r.read()) f = gzip.GzipFile(fileobj=buf) data = f.read() else: data = r.read() return json.loads(data[13:-1]) def getData(url): while 1: try: response = getDataWithEx(url) break except Exception, e: print ‘retry:‘ + url + " with error " + str(e) return response
这里也加入了失败重试，一般的数据都要用gzip进行解码，但是我忘了是哪个了，好像是有一个区的数据很特别没有用gzip，所以这里要分开判断，getJsonP里面介绍了，返回的数据前后是写无用的字符，用data[13:-1]删掉。
3）save
这是往MySQL里存数据的函数，没有特殊的点需要介绍，直接上代码：
def save(value): try: conn=MySQLdb.connect(host=‘www.xxx.com‘,user=‘xxx‘,passwd=‘xxx‘,port=3306,charset="utf8") conn.select_db(‘test‘) cur=conn.cursor() cur.execute("insert into amap(citycode, adcode, name, center, level, areacode) values(%s,%s,%s,%s,%s,%s)",value) conn.commit() cur.close() conn.close() except MySQLdb.Error,e: print "Mysql Error %d: %s" % (e.args[0], e.args[1])
3. 区列表
跟获取城市列表相似：
def getDistrict(city): print "->City->" + city[‘name‘] url = "http://restapi.amap.com/v3/config/district?subdistrict=1&extensions=all&level=city&key=608d75903d29ad471362f8c58c550daf&s=rsv3&output=json&callback=jsonp_" + getJsonP() + "_&keywords=" + city[‘name‘] data = getData(url) for possible in data[‘districts‘]: if possible[‘adcode‘] == city[‘adcode‘]: for item in possible[‘districts‘]: save([item[‘citycode‘], item[‘adcode‘], item[‘name‘], item[‘center‘], item[‘level‘], ‘‘]) while 1: try: getBusiness(item) break except Exception, e: print ‘retry:‘ + item[‘name‘] + "->" + str(e) break
和获取市列表稍微不同的是这里不能直接data[‘districts‘][0]了，按市、区搜就有可能重名了，所以用城市的adcode来匹配，针对匹配上的市，遍历区的信息存入数据库，然后再针对区搜索商圈。
4. 商圈列表
跟获取市列表和获取区列表没有太大的区别：
def getBusiness(district): print "->->District->" + district[‘name‘] url = "http://restapi.amap.com/v3/config/district?subdistrict=1&extensions=all&level=district&key=608d75903d29ad471362f8c58c550daf&s=rsv3&output=json&callback=jsonp_" + getJsonP() + "_&keywords=" + district[‘name‘] data = getData(url) for possible in data[‘districts‘]: if possible[‘adcode‘] == district[‘adcode‘]: values=[] for item in possible[‘districts‘]: values.append((item[‘citycode‘], item[‘adcode‘], item[‘name‘], item[‘center‘], item[‘level‘], item[‘areacode‘])) saveAll(values) break
唯一不同的是直接用saveAll一次性存储所有的数据而不是一条条的save：
def saveAll(values): try: conn=MySQLdb.connect(host=‘www.xxx.com‘,user=‘xxx‘,passwd=‘xxx‘,port=3306,charset="utf8") conn.select_db(‘test‘) cur=conn.cursor() cur.executemany("insert into amap(citycode, adcode, name, center, level, areacode) values(%s,%s,%s,%s,%s,%s)",values) conn.commit() cur.close() conn.close() except MySQLdb.Error,e: print "Mysql Error %d: %s" % (e.args[0], e.args[1])
关键的逻辑就都介绍完了，下面是头部库的导入和编码设置：
# -*- coding: utf-8 -*- #encoding=utf-8 import urllib2 import sys, json from StringIO import StringIO import gzip import MySQLdb import datetime reload(sys) sys.setdefaultencoding(‘utf-8‘)
这里要说的一点是：不知道为什么编译器会报错说setdefaultencoding方法不存在，有这个错误的话不用理会，可以正常运行，如果不设置会出现乱码。
最后是上述方法的调用：
starttime = datetime.datetime.now() for province in provinceList: getCity(province) print ‘over‘ endtime = datetime.datetime.now() print (endtime - starttime).seconds
扒数据的时间很长，n多小时，我忘了具体是多久了，而且为了避免出错我是把所有省分成了好几段分别扒的。
如果不想自己扒数据，想直接得到省市区的数据，可以直接下载我转存的sql文件。
也可以临时使用我的接口：
获取省列表：http://www.yxbilu.com/sites/tools/amap/province；
获取市列表：http://www.yxbilu.com/sites/tools/amap/city?adcode=110000（省的adcode）；
获取区列表：http://www.yxbilu.com/sites/tools/amap/district?adcode=110100（市的adcode）。
标签：
原文地址：http://www.cnblogs.com/smarterplanet/p/4700375.html
