更多>>关于我们

西安鲲之鹏网络信息技术有限公司从2010年开始专注于Web(网站)数据抓取领域。致力于为广大中国客户提供准确、快捷的数据采集相关服务。我们采用分布式系统架构,日采集网页数千万。我们拥有海量稳定高匿HTTP代理IP地址池,可以有效获取互联网任何公开可见信息。

您只需告诉我们您想抓取的网站是什么,您感兴趣的字段有哪些,你需要的数据是哪种格式,我们将为您做所有的工作,最后把数据(或程序)交付给你。

数据的格式可以是CSV、JSON、XML、ACCESS、SQLITE、MSSQL、MYSQL等等。

更多>>官方微博

西安鲲之鹏
陕西 西安

加关注

  • 【经验分享】未解锁BL的手机进9008模式(Mi6X为例)

    对于未解锁BL的手机,需要拆机,通过短接特定触点的方式进入9008模式。
    以小米Mi6X为例:
    第一步,拧掉充电口旁边的两颗螺丝。
    第二步,扣开后盖,可能不太好扣,可以借助美工刀在边缘撬一下。拧掉保护条上的3个螺丝。
    第三步,拔掉电池排线。看图,记着两个短接触点的位置。
    第四步,用镊子短接两个触点,同时插入TypeC线,2秒左右设备管理器"端口COM"里会出现9008接口,此时松开镊子。
    发布时间:2024-11-27 10:13:20
  • 【经验分享】已解锁BL的手机进9008模式

    高通9008模式全称"Qualcomm HS-USB QDLoader 9008",它相对于recovery、fastboot和Android系统是独立的。即深刷模式,也叫EDL,号称"救砖神奇"。

    对于已解锁BL的手机,进入9008相对比较简单,以小米Mi6X为例:
    1. 先确定手机是否解锁BL了。已解锁BL的手机,刚开机的时候会有"Unlocked"字样,如附图1所示。
    2. 长按“音量减键 + 开机键”进入fastboot。
    3. 执行fastboot oem edl,即可进入9008模式,进入成功后设备管理器COM端口里可以看到"Qualcomm HS-USB QDLoader 9008"。如附图2、3所示。
    发布时间:2024-11-26 12:53:03
  • 【经验分享】com.android.org.conscrypt.TrustManagerImpl证书固定检测绕过示例

    某APP使用通用的sslunpinning脚本后仍然抓不到包:
    (1)分析logcat日志,发现com.android.org.conscrypt.TrustManagerImpl类相关代码抛出java.security.cert.CertificateException异常,如图1所示。
    (2)hook 类com.android.org.conscrypt.TrustManagerImpl的checkTrusted和checkServerTrusted方法,返回空列表,成功抓到包。

    日志线索寻找关键词:CertificateException、CertificateExpiredExceptio、SSLHandshakeException
    发布时间:2024-10-24 15:36:45
  • 【经验分享】如何获取安卓手机上已安装APP的安装包(.apk)文件?

    1. 先查看已安装APP列表,确定对应APP的包名。
    adb shell pm list packages
    2. 假设包名为org.gushiwen.gushiwen。再根据包名查看APP的详细信息:
    adb shell dumpsys package org.gushiwen.gushiwen
    返回信息中的path属性,以base.apk结尾的,即就是这个APP的安装文件,如附图1所示。另外返回的信息中还有当前APP的版本(versionName属性),如附图2所示。
    3. pull下来这个文件,就可以在其它设备上安装了。
    发布时间:2024-10-22 11:27:51
  • 【经验分享】Dell R720意外断电重启之后丢失硬盘(硬盘状态变为Foreign)问题解决?

    本来有10块盘,启动的时候显示只有9块Virtual Disk。“Ctrl + R”进入RAID设置,在“VD Mgmt”标签页下也只看到了9块Virtual Disk。在“PD Mgmt”标签页下看到是有10块物理盘,不过第5块状态变成“Foreign”了(如附图1所示)。

    解决方法:在“VD Mgmt”标签页下,焦点切换到"PERC H710 Mini"上按F2,然后"Foreign Config",再然后"Import",操作完成(要等待几秒)之后就能看到全部盘了,如图2所示。

    PS:用Ctrl + N快捷键切换菜单标签。
    发布时间:2024-10-18 16:35:44
  • 【经验分享】一个游戏闯关模式学习CSS Selector的网站"CSS Diner":https://flukeout.github.io/
    Python使用BeautifulSoup实现CSS Selector解析HTML文档的示例:

    import requests
    from bs4 import BeautifulSoup

    r = requests.get('http://www.site-digger.com/html/articles/')
    r.encoding = 'UTF-8'
    html = r.text
    soup = BeautifulSoup(html)
    for a in soup.select('ul[class="arclist"] li a'):
    print(a['href'], a.text)
    发布时间:2024-09-02 19:43:03
  • 【经验分享】qemu-system-x86运行tiny11
    (1) 安装qemu-system-x86,安装完成后无需重启。
    sudo apt-get update
    sudo apt-get install qemu qemu-utils qemu-system-x86
    (2) 创建硬盘。
    qemu-img create -f qcow2 tiny11.img 50G
    (3) 创建虚拟机。
    sudo qemu-system-x86_64 --enable-kvm -m 2G -smp 4 -boot order=dc -hda /home/qi/kvm/tiny11-1/tiny11.img -cdrom /home/qi/kvm/tiny11_23H2_x64.iso -vnc :1
    (4) vnc连接 "服务器ip:5901",完成系统安装过程。设置vnc密码的方法:https://qemu-project.gitlab.io/qemu/system/vnc-security.html#with-passwords
    (5) 映射主机端口给虚拟机,使用-redir参数。如下示例,将主机的TCP/UDP4001端口映射到虚拟机的4000端口。
    -redir tcp:4001::4000 -redir udp:4001::4000
    发布时间:2024-08-10 12:13:46
  • 【经验分享】Playwright过geo.captcha-delivery.com检测

    page.add_init_script('''Object.defineProperties(navigator, {webdriver:{get:()=>undefined}}); delete navigator.__proto__.webdriver;''') ​​​
    发布时间:2024-07-31 10:41:18
  • 【经验分享】scrcpy在网络质量欠佳环境下可以通过降低码率来提高流畅度
    e.g.
    scrcpy --bit-rate 1M --max-fps 5
    注意:在新版本中--bit-rate参数更名为--video-bit-rate ​​​
    发布时间:2024-07-03 10:11:54
  • 【经验分享】scrcpy在小米手机上鼠标不起作用问题的解决

    在“开发者选项”中需要打开"USB调试(安全设置) - 允许通过USB调试修改权限或模拟点击"。要打开这个选项,手机需要先登录小米账号,另外手机必须要插有SIM卡。 ​​​
    发布时间:2024-07-03 10:09:29
当前位置: 首页 > 技术文章 >
基于arcpy实现导出区域内网格中心坐标功能
发布时间:2020-10-12

    在进行数据采集的时候经常会用到基于“周边检索”结果的采集:就是利用平台(网站或APP)提供的"附近"检索功能,搜索"某个位置"周边“X千米”范围内的某类信息(例如POI),然后采集搜索出来的结果。这里的“某个位置”就是搜索圆形区域的圆心(搜索中心点),“X千米”指的是搜索半径。

    这个搜索中心点的选取至关重要。因为如果选的少了会因为区域覆盖不全导致数据遗漏,选的太多(密)了,会增加搜索次数,影响采集效率。所以如何合理的选择搜索中心点很重要。例如,我们在采集"北京市房山区"内POI信息的时候就曾遇到过这样的问题。刚开始我们使用了"行政区、商圈、加油站"这三类信息点的位置作为搜索中心点,采集下来发现有不少遗漏。仔细检查后发现,原因是由于房山区相对比较偏远,这三类信息点比较少,搜索中心点比较少导致有很多地区覆盖不到,从而造成数据缺失。

    一种合理的搜索中心点选取方法:将待采集区域划分成面积想等的若干网格,每个网格的面积由搜索半径确定,然后取网格中心点的坐标作为搜索中心点,这样区域内每个地方都能被覆盖到。

    下面介绍基于arcpy实现上面的思路。arcpy是ArcGIS里包含的一个Python地理数据分析库。在安装完ArcGIS之后就能使用该库了。需要注意的是ArcGIS安装的时候会自带安装一个32位的Python,我们需要使用它自带的这个Python,否则(例如,使用自己安装的64位Python)会找不到arcpy库,或者出现因为和64位版本Python不兼容导致的异常问题。

    第一步,获取待采集行政区的边界坐标。关于行政区的边界坐标获取方法,网上介绍有各种途径,这里推荐一种最简单的方法,使用阿里云datav里的工具,链接是http://datav.aliyun.com/tools/atlas/

    第二步,根据待采集区域的边界坐标,画出该区域范围(多边形)。如下图所示是使用arcpy根据"北京房山区"的边界坐标,绘制出的多边形区域。

北京市房山区的边界

    第三步,根据待采集区域边界上极限(最大最小)坐标,计算出每个网格(正方形)的顶点坐标,画出网格(渔网图)。这里的网格大小根据搜索半径确定,如果搜索半径为2KM,这里网格边长就选用2KM(近似等于0.009 * 2 经度)大小。如下图所示是在“房山区”上画出的网格后的效果。

北京市房山区加网格后效果

第四步,遍历每个网格,判断网格和待采集区域是否相交,如果相交,计算并导出网格中心点的坐标。如下图所示是绘制出相交网格中心点坐标后的效果。

北京市房山区加网格和网格中心点后效果

"北京市房山区"共被拆分为738个"2KM*2KM"的网格,最后导出的网格中心点坐标列表如下所示。

北京市房山区的网格中心点坐标列表截图

上述过程的完整代码如下:

  1. # coding: utf-8  
  2. # create_boundary_fishnet_coords.py  
  3. # 导出行政区边界内渔网格中心点坐标  
  4.   
  5.   
  6. import sys  
  7. import os  
  8. import math  
  9. import arcpy  
  10.   
  11.   
  12. # 网格大小, 经度0.009度相当于1公里  
  13. GRID_WIDTH = 0.009 * 2  
  14.   
  15.   
  16. def create(input_boundary_file):  
  17.   
  18.     # 输出目录  
  19.     output_dir = os.path.splitext(os.path.basename(input_boundary_file))[0] + '-output'  
  20.     output_dir = os.path.splitext(os.path.basename(input_boundary_file))[0] + '-output'  
  21.     if not os.path.exists(output_dir):  
  22.         os.mkdir(output_dir)  
  23.       
  24.     # 加载边界原始数据  
  25.     bounday_file_data = ''  
  26.     with open(input_boundary_file, 'rb') as f:  
  27.         bounday_file_data = f.read()  
  28.       
  29.     # 根据边界点创建行政区多边形面  
  30.     bounday_array = arcpy.Array()  
  31.     xmin, ymin, xmax, ymax = NoneNoneNoneNone  
  32.     is_first = True  
  33.     for xy in bounday_file_data.split(';'):  
  34.         x, _, y = xy.partition(',')  
  35.         x = float(x.strip())  
  36.         y = float(y.strip())  
  37.         if is_first:  
  38.             xmin = xmax = x  
  39.             ymin = ymax = y  
  40.             is_first = False  
  41.         else:  
  42.             if x > xmax:  
  43.                 xmax = x  
  44.             if x < xmin:  
  45.                 xmin = x  
  46.             if y > ymax:  
  47.                 ymax = y  
  48.             if y < ymin:  
  49.                 ymin = y  
  50.         bounday_array.add(arcpy.Point(x, y))  
  51.     # https://pro.arcgis.com/zh-cn/pro-app/arcpy/classes/polygon.htm  
  52.     bounday_polygon = arcpy.Polygon(bounday_array)  
  53.     # 导出边界多边形的shp文件,用gis软件(e.g. OpenJUMP)查看  
  54.     shp_file = '{}/boundary.shp'.format(output_dir)  
  55.     arcpy.CopyFeatures_management(bounday_polygon, shp_file)  
  56.     print 'Shapefile "{}" is ready.'.format(shp_file)  
  57.       
  58.     # 画出渔网图  
  59.     # 根据边界坐标经纬度最大和最小值,依次计算出每个网格正方形四个顶点的坐标  
  60.     # 计算网格的行列数  
  61.     grid_rows_num = int(math.ceil((ymax - ymin)/float(GRID_WIDTH)))  
  62.     grid_columns_num = int(math.ceil((xmax - xmin)/float(GRID_WIDTH)))  
  63.     # 依次计算各网格(0, 0), (0, 1), (0, 2) ... (grid_rows_num - 1, grid_columns_num-1)四个顶点的坐标  
  64.     grids = []  
  65.     for r in range(grid_rows_num):  
  66.         for c in range(grid_columns_num):  
  67.             grid_4coords = arcpy.Array()  
  68.             # 左上角坐标  
  69.             x_lt = xmin + c * GRID_WIDTH  
  70.             y_lt = ymax - r * GRID_WIDTH  
  71.             # 右上角坐标  
  72.             x_rt = x_lt + GRID_WIDTH  
  73.             y_rt = y_lt  
  74.             # 左下角坐标  
  75.             x_lb = x_lt  
  76.             y_lb = y_lt - GRID_WIDTH  
  77.             # 右下角坐标  
  78.             x_rb = x_rt  
  79.             y_rb = y_lb  
  80.             #按"左上->右上->右下->左下->左上"顺序画一个封闭四边形,注意顺序不能乱,否则画出来的图形不对(我第一次的时候就画成两个对三角了)  
  81.             grid_4coords.add(arcpy.Point(x_lt, y_lt))  
  82.             grid_4coords.add(arcpy.Point(x_rt, y_rt))  
  83.             grid_4coords.add(arcpy.Point(x_rb, y_rb))  
  84.             grid_4coords.add(arcpy.Point(x_lb, y_lb))  
  85.             grid_4coords.add(arcpy.Point(x_lt, y_lt))  
  86.             # 创建一个网格(四边形)  
  87.             grids.append(arcpy.Polygon(grid_4coords))  
  88.     # 导出网格的shp文件  
  89.     shp_file = '{}/grids.shp'.format(output_dir)  
  90.     arcpy.CopyFeatures_management(grids, shp_file)  
  91.     print 'Shapefile "{}" is ready.'.format(shp_file)  
  92.       
  93.     # 对比每个"网格四边形"和"区域多边形",找到两者"相交"的网格,导出对应的网格中心点坐标  
  94.     # 如果 disjoint 返回 False,则两个几何相交,详见 https://pro.arcgis.com/zh-cn/pro-app/arcpy/classes/polygon.htm  
  95.     center_points = []  
  96.     for grid in grids:  
  97.         if bounday_polygon.disjoint(grid) == False:  
  98.             # 网格左上角表座  
  99.             grid_x_lt = grid.getPart(0)[0].X  
  100.             grid_y_lt = grid.getPart(0)[0].Y  
  101.             # 计算出网格中心点坐标  
  102.             grid_x_center = grid_x_lt + 0.5 * GRID_WIDTH  
  103.             grid_y_center = grid_y_lt - 0.5 * GRID_WIDTH  
  104.             print (grid_x_center, grid_y_center)  
  105.             center_points.append((grid_x_center, grid_y_center))  
  106.     # 导出中心点的shp文件  
  107.     shp_file = '{}/center_points.shp'.format(output_dir)  
  108.     # 导出中心点坐标到csv文件  
  109.     csv_file = '{}/center_points.csv'.format(output_dir)  
  110.     writer = open(csv_file, 'wb')  
  111.     writer.write('"longitude","latitude"\n')  
  112.     center_points_geo = []  
  113.     for p in center_points:  
  114.         center_points_geo.append(arcpy.PointGeometry(arcpy.Point(p[0], p[1])))  
  115.         writer.write('"{}","{}"\n'.format(p[0], p[1]))  
  116.     writer.close()  
  117.     print 'CSV file "{}" for center points is ready.'.format(csv_file)  
  118.     # 参考 https://gis.stackexchange.com/questions/16122/creating-shapefile-from-lat-long-values-using-arcpy  
  119.     arcpy.CopyFeatures_management(center_points_geo, shp_file)  
  120.     print 'Shapefile "{}" is ready.'.format(shp_file)  
  121.   
  122.   
  123.               
  124. if __name__ == '__main__':  
  125.     create('boundary_data/beijing_fangshan_boundary.txt')  

附"北京市房山区”的边界坐标(BD09)数据:北京市房山区边界坐标数据下载

另附上一个演示视频,点击这里去腾讯视频观看:https://v.qq.com/x/page/d3163phzye5.html

特别说明:本文旨在技术交流,请勿将涉及的技术用于非法用途,否则一切后果自负。如果您觉得我们侵犯了您的合法权益,请联系我们予以处理。
☹ Disqus被Qiang了,之前所有的评论内容都看不到了。如果您有爬虫相关技术方面的问题,欢迎发到我们的问答平台:http://spider.site-digger.com/