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】QEMU/KVM如何修改开机启动顺序?
    virsh edit name-of-vm-instance
    如下示例:
     <os>
        <type arch='x86_64' machine='pc-i440fx-xenial'>hvm</type>
        <boot dev="network"></boot>
        <boot dev="cdrom"></boot>
        <boot dev="hd"></boot>
        <bootmenu enable='yes'/>
      </os>
    
    bootmenu的enable设置为yes,就可以在启动的时候按F12选择启动设备。
    •  
    发布时间:2024-03-12 11:51:28
  • 【经验分享】使用VNC远程连接KVM虚拟机,鼠标不同步而且偏移很大(想砸掉鼠标冲动的那种)问题解决:
    (1)编辑虚拟机配置文件,例如sudo virsh edit win10_1,然后将<input type="mouse" bus="ps2" />修改为<input type="tablet" bus="usb" /> 。
    (2)强制关闭虚拟机win10_1然后重启,问题解决。
    发布时间:2024-03-13 09:26:51
  • 【经验分享】Frida里Java.choose找到某个类的实例,在调用该实例方法时出现“script should be invoke on MainThread”问题的解决:

    // Assign the javascript code to a variable.
    jsCode = """
    // Create a method called Cheese that will be exported.
    function Cheese()
    {
    // Perform the code from injected context.
    Java.perform(function ()
    {
    // Variable to store the view representing the button
    // to click programmatically.
    var view;
    // Define the Runnable type javascript wrapper.
    var Runnable = Java.use("java.lang.Runnable");

    // Find the MainActivity class in myApp.
    Java.choose("com.example.myApp.MainActivity",
    {
    // Once it has been found execute the following code.
    onMatch: function(instance)
    {
    // Get the view representing button to click.
    // 2131436712 id derived from decompiling app.
    view = instance.findViewById(2131436712);
    // Define a new class that implements Runnable and provide
    // the implementation of the run() method which, will
    // execute from the Main thread.
    const MyRunnable = Java.registerClass({
    name:'com.example.MyRunnable',
    implements: [Runnable],
    methods: {
    // run executes button click.
    run(){
    instance.onClick(view);
    },
    }
    });

    // Create an instance of the class just created.
    var MyGuiUpdate = MyRunnable .$new();
    // Schedule the run method in MyGuiUpdate to
    // execute on the UI thread.
    instance.runOnUiThread(MyGuiUpdate );

    },
    onComplete:function(){}
    });
    解决方法来源:https://stackoverflow.com/questions/65790594/calling-an-api-to-modify-an-apps-gui-from-non-main-thread-in-frida
    发布时间:2024-02-23 13:00:33
  • 【经验分享】Frida script中如何给Java的Long类型变量赋值?
    例如,某Java类中有如下Long类型变量定义:
    /* renamed from: e */
    public Long f90137e;

    尝试修改e的值,依次做如下测试:
    (1)classObj.e.value = 1978705204; 会报"Error: Expected value compatible with java.lang.Long"错误。
    (2)classObj.e.value = Java.use('java.lang.Long').parseLong.overload('java.lang.String').call(Java.use('java.lang.Long'), "1978705204");依然会报上述错误。
    (3)这个方法可以成功赋值:classObj.e.value = Java.use('java.lang.Long').$new(1978705204);
    发布时间:2024-02-21 21:45:47
  • 【经验分享】miller使用filter查询条件,当遇到字段含有空格或者其它特殊字符时怎么处理?如下示例中某个字段含有点号,直接查询会报错。解决方法如下:

    示例:mlr --icsv --oxtab --from mouser_products_202312.csv filter '${Mfr.}=~"TDK" || ${Brand}=~"TDK"' then count

    使用Pandas时,也有类似问题,解决方法:
    df[df['Brand'].str.contains("TDK")|df['Mfr.'].str.contains("TDK")]
    另外,Stackoverflow(https://stackoverflow.com/questions/50697536/pandas-query-function-not-working-with-spaces-in-column-names)上有人说可以用`字段`将字段包裹起来,例如:a.query('`a b` == 5') ,但是需要Pandas是0.25版本,我机器上是0.24.2,测试没有效果。
    发布时间:2024-02-21 19:01:04
  • 【经验分享】今天本地windows系统adb shell突然报错"error: unknown host service",尝试"adb kill-server"、甚至重启PC和手机均不起作用。后来网上查了下,说是PC端adb的后台服务进程的5037端口被其它程序占用了。

    解决方法:使用netstat -ano找到并关闭占有者进程,问题解决。 ​​​
    发布时间:2024-02-21 18:55:05
  • 【经验分享】PPPOE认证返回“User Locked”,可能是因为MAC被拉黑了,换一个就好了。 ​​​
    发布时间:2024-01-16 13:00:17
  • 【经验分享】Linux如何限制一个命令的运行时长?可以使用timeout命令。
    例如,限制ping最多运行10秒,可以这样:
    timeout 10s ping www.baidu.com ​​​
    发布时间:2024-01-12 12:11:50
  • 【经验分享】Playwright库使用context.route()/page.route()过滤HTTP(S)请求时发现有Ajax漏包的情况。查官方文档,发现有云:
    browser_context.route() will not intercept requests intercepted by Service Worker. See this issue. We recommend disabling Service Workers when using request interception by setting browser.new_context.service_workers to 'block'.

    尝试:
    context = browser.new_context(service_workers='block')
    问题解决。

    参考1:https://playwright.dev/python/docs/api/class-browsercontext#browser-context-route
    参考2:https://github.com/microsoft/playwright/issues/15684
    发布时间:2024-01-10 11:56:20
  • 【经验分享】Python fontTools 获取字体文件的字形名称列表,遇到"smile", "question", "space"等AGL名称,如何将其转为Unicode代码?

    >>>import fontTools
    >>>hex(fontTools.agl.AGL2UV['smileface'])
    '0x263a'

    参考:https://fonttools.readthedocs.io/en/latest/_modules/fontTools/agl.html ​​​
    发布时间:2023-10-12 10:58:26
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:

# coding: utf-8
# create_boundary_fishnet_coords.py
# 导出行政区边界内渔网格中心点坐标


import sys
import os
import math
import arcpy


# 网格大小, 经度0.009度相当于1公里
GRID_WIDTH = 0.009 * 2


def create(input_boundary_file):

    # 输出目录
    output_dir = os.path.splitext(os.path.basename(input_boundary_file))[0] + '-output'
    output_dir = os.path.splitext(os.path.basename(input_boundary_file))[0] + '-output'
    if not os.path.exists(output_dir):
        os.mkdir(output_dir)
    
    # 加载边界原始数据
    bounday_file_data = ''
    with open(input_boundary_file, 'rb') as f:
        bounday_file_data = f.read()
    
    # 根据边界点创建行政区多边形面
    bounday_array = arcpy.Array()
    xmin, ymin, xmax, ymax = None, None, None, None
    is_first = True
    for xy in bounday_file_data.split(';'):
        x, _, y = xy.partition(',')
        x = float(x.strip())
        y = float(y.strip())
        if is_first:
            xmin = xmax = x
            ymin = ymax = y
            is_first = False
        else:
            if x > xmax:
                xmax = x
            if x < xmin:
                xmin = x
            if y > ymax:
                ymax = y
            if y < ymin:
                ymin = y
        bounday_array.add(arcpy.Point(x, y))
    # https://pro.arcgis.com/zh-cn/pro-app/arcpy/classes/polygon.htm
    bounday_polygon = arcpy.Polygon(bounday_array)
    # 导出边界多边形的shp文件,用gis软件(e.g. OpenJUMP)查看
    shp_file = '{}/boundary.shp'.format(output_dir)
    arcpy.CopyFeatures_management(bounday_polygon, shp_file)
    print 'Shapefile "{}" is ready.'.format(shp_file)
    
    # 画出渔网图
    # 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
    # 计算网格的行列数
    grid_rows_num = int(math.ceil((ymax - ymin)/float(GRID_WIDTH)))
    grid_columns_num = int(math.ceil((xmax - xmin)/float(GRID_WIDTH)))
    # 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
    grids = []
    for r in range(grid_rows_num):
        for c in range(grid_columns_num):
            grid_4coords = arcpy.Array()
            # 左上角坐标
            x_lt = xmin + c * GRID_WIDTH
            y_lt = ymax - r * GRID_WIDTH
            # 右上角坐标
            x_rt = x_lt + GRID_WIDTH
            y_rt = y_lt
            # 左下角坐标
            x_lb = x_lt
            y_lb = y_lt - GRID_WIDTH
            # 右下角坐标
            x_rb = x_rt
            y_rb = y_lb
            #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)
            grid_4coords.add(arcpy.Point(x_lt, y_lt))
            grid_4coords.add(arcpy.Point(x_rt, y_rt))
            grid_4coords.add(arcpy.Point(x_rb, y_rb))
            grid_4coords.add(arcpy.Point(x_lb, y_lb))
            grid_4coords.add(arcpy.Point(x_lt, y_lt))
            # 创建一个网格(四边形)
            grids.append(arcpy.Polygon(grid_4coords))
    # 导出网格的shp文件
    shp_file = '{}/grids.shp'.format(output_dir)
    arcpy.CopyFeatures_management(grids, shp_file)
    print 'Shapefile "{}" is ready.'.format(shp_file)
    
    # 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
    # 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
    center_points = []
    for grid in grids:
        if bounday_polygon.disjoint(grid) == False:
            # 网格左上角表座
            grid_x_lt = grid.getPart(0)[0].X
            grid_y_lt = grid.getPart(0)[0].Y
            # 计算出网格中心点坐标
            grid_x_center = grid_x_lt + 0.5 * GRID_WIDTH
            grid_y_center = grid_y_lt - 0.5 * GRID_WIDTH
            print (grid_x_center, grid_y_center)
            center_points.append((grid_x_center, grid_y_center))
    # 导出中心点的shp文件
    shp_file = '{}/center_points.shp'.format(output_dir)
    # 导出中心点坐标到csv文件
    csv_file = '{}/center_points.csv'.format(output_dir)
    writer = open(csv_file, 'wb')
    writer.write('"longitude","latitude"\n')
    center_points_geo = []
    for p in center_points:
        center_points_geo.append(arcpy.PointGeometry(arcpy.Point(p[0], p[1])))
        writer.write('"{}","{}"\n'.format(p[0], p[1]))
    writer.close()
    print 'CSV file "{}" for center points is ready.'.format(csv_file)
    # 参考 https://gis.stackexchange.com/questions/16122/creating-shapefile-from-lat-long-values-using-arcpy
    arcpy.CopyFeatures_management(center_points_geo, shp_file)
    print 'Shapefile "{}" is ready.'.format(shp_file)


            
if __name__ == '__main__':
    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/