GPS地图生成03之数据获取

1. 引言¶

六只脚是国内著名的户外网站，拥有大量的户外GPS轨迹路线，网址为：http://www.foooooot.com/

2. 数据分析¶

2.1 获取所有轨迹¶

搜索关键词岳麓山：

可以发现，每页具有三十个轨迹记录

观察第二页的网址我们可以发现网址为：http://www.foooooot.com/search/trip/all/1/all/time/descent/?page=2&keyword=%E5%B2%B3%E9%BA%93%E5%B1%B1 不难发现其规律：

page为页数
keyword为岳麓山的转义

我们不妨测试page为50的情况，在浏览器输入http://www.foooooot.com/search/trip/all/1/all/time/descent/?page=50&keyword=%E5%B2%B3%E9%BA%93%E5%B1%B1：

小结：我们可以通过不断增加page的数字，直至某一页不满足三十个轨迹记录，获取该关键词所有的轨迹记录

2.2 获取轨迹ID¶

点击某个具体的轨迹详情：

可以看到每一页具体的轨迹页面的网址是由轨迹ID构造的，诸如：http://www.foooooot.com/trip/1448263/

从刚才的列表界面我们就可以找到每个轨迹ID：

2.3 获取轨迹数据¶

我们打开浏览器控制台（按F12），点击到网络记录界面，刷新网址：

从网络请求记录中我们发现有两个XHR异步请求其名字很像轨迹数据，点开查看：

可以看到，这个trackjson就是轨迹的JSON数据：

这个footprintsjson就是足迹数据，也就是拍照的那种数据：

2.4 字段解释¶

对于trackjson，前三列个数据项可以快速判断为时间戳和经纬度，对于后面三个数据项，结合网页数据：

可以判断分别为高程，速度和里程

对于footprintsjson，可以判断前几列数据项分别为时间戳、经纬度、高程、名字、缩略图、详情图，后面几项笔者认为没啥作用

3. 数据爬取¶

经过上面的数据分析，爬取轨迹数据主要就是通过page和keyword构造网址获取轨迹ID，通过轨迹ID构造地址获取trackjson和footprintsjson

笔者此处基于Python，使用requests库发送http请求，使用Xpath解析界面提取数据

3.1 引入库¶

In [1]:

import requests

from lxml import etree

import json

import time

注意：如果缺少相关库，请使用pip或者conda安装

3.2 获取所有轨迹ID¶

In [2]:

page_num = 1

track_num_arr = []

keyword = "岳麓山"

headers = {'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36'}

page_url = "http://www.foooooot.com/search/trip/all/1/all/time/descent/?page=" + str(page_num) + "&keyword=" + keyword

注意：发起请求请务必设置休眠时间，瞬间的大量访问请求会导致网站崩溃
目前此网站设置了简易反爬措施，不设置'user-agent'将无法访问

In [9]:

next_page = True

while(next_page):

    response = requests.get(page_url,timeout=5, headers=headers)

    tree = etree.HTML(response.text)

    trip_list = tree.xpath('//p[@class="trip-title"]/a/@href')

    if(len(trip_list) == 30):

        page_num = page_num + 1

        page_url = "http://www.foooooot.com/search/trip/all/1/all/time/descent/?page=" + str(page_num) + "&keyword=" + keyword

    else:

        next_page = False

    for trip in trip_list:

        track_num_arr.append(trip.split('/')[2])

    time.sleep(6)

In [10]:

print(len(track_num_arr))

可以看到有1170条轨迹数据

3.3 获取轨迹数据¶

In [37]:

num = 0

for track_num in track_num_arr:

    try:

        #设置重连次数

        requests.adapters.DEFAULT_RETRIES = 5

        s = requests.session()

        # 设置连接活跃状态为False

        s.keep_alive = False

        time.sleep(6)

        footprint_url = "http://www.foooooot.com/trip/" + str(track_num) + "/footprintsjson/"

        trackjson_url = "http://www.foooooot.com/trip/" + str(track_num) + "/trackjson/"

        footprint_res = requests.get(footprint_url,headers=headers,stream=False,timeout= 10)

        trackjson_res = requests.get(trackjson_url,headers=headers,stream=False,timeout= 10)

        try:

            trackjson = json.loads(trackjson_res.text)

            footprint = json.loads(footprint_res.text)

            with open("./trackdata/origin/trackjson" +  str(track_num) + ".json","w") as tf:

                json.dump(trackjson,tf)

            with open("./trackdata/origin/footprint" +  str(track_num) + ".json","w") as ff:

                json.dump(footprint,ff)

            for track in trackjson:

                with open("./trackdata/trip_" +  str(track_num) + ".txt","a") as tf:

                    tf.write(str(track[1]) + " " + str(track[2]) + " " + str(track[3]) + " " + str(int(track[0])) + "\n")

                with open("./trackdata/all.csv","a") as af:

                    af.write(str(num) + "," + str(track[2]) + "," + str(track[1]) + "," + str(track[3]) + "," + str(track_num) + "," + str(int(track[0])) + "\n")

                    num = num + 1

            # print("DONE: " + track_num)

            # 关闭请求  释放内存

            footprint_res.close()

            trackjson_res.close()

            del(footprint_res)

            del(trackjson_res)

        except Exception as we:

            print(we)

            print("ERROR: " + track_num)

            with open("./trackdata/error.txt","a") as af:

                af.write(str(track_num) + '\n')

            # 关闭请求  释放内存

            footprint_res.close()

            trackjson_res.close()

            del(footprint_res)

            del(trackjson_res)

    except Exception as ce:

        print(ce)

        time.sleep(60)

Expecting value: line 1 column 1 (char 0)

ERROR: 3541376

Expecting value: line 1 column 1 (char 0)

ERROR: 3541373

Expecting value: line 1 column 1 (char 0)

ERROR: 3541372

Expecting value: line 1 column 1 (char 0)

ERROR: 3541371

Expecting value: line 1 column 1 (char 0)

ERROR: 3541430

Expecting value: line 1 column 1 (char 0)

ERROR: 3505289

Expecting value: line 1 column 1 (char 0)

ERROR: 5135959

Expecting value: line 1 column 1 (char 0)

ERROR: 3390423

Expecting value: line 1 column 1 (char 0)

ERROR: 3389498

Expecting value: line 1 column 1 (char 0)

ERROR: 3392149

Expecting value: line 1 column 1 (char 0)

ERROR: 3392065

Expecting value: line 1 column 1 (char 0)

ERROR: 3392040

笔者遇到过IO错误和连接错误，所以用try except包裹起来，但是两层try总觉得不对劲
trip_track_num.txt 这个文件写法主要是参考map construction的轨迹文件
经笔者验证，ERROR的那几个轨迹确实没有数据

4. 可视化¶

在QGIS中利用加载XY文件的方式加载all.csv文件，并设置OSM底图，预览GPS轨迹：