其他
【数据分享】如何获取全国矢量地铁站点与线路数据？
前言
在【数读城事】学习交流群与群友交流的过程中我注意到地铁数据的获取并不容易，根据传统的POI数据绘制地铁线路费时费力（如：某一地铁站的多个出口，某个在建没有投入使用的站点，一个站点有时是多个线路的中转站）。今天在偶然间我翻阅了百度地图的地铁图JavaScript API，发现通过这个接口可以获取网页版的地铁图，近一步发现该数据是JSON格式的，可以抓取，便编写了一个py脚本获取了全国的地铁站点与线路数据，并写下这篇文章，希望能为大家提供方便。
值得一提的是，本人并不会JAVA，自学过一点点的Python，发现这个接口完全是偶然，代码也有很多不足的地方，结论中指出了一些问题，希望同学们多多批评指正。另外，AK（有浏览器端和服务器端的区别，详情见百度开放平台）我就不放出来了，大家改成自己的就行了。
一、服务文档
百度开放平台
http://lbsyun.baidu.com/
地铁图JavaScript API
http://lbsyun.baidu.com/index.php?title=subway
示例DEMO
http://lbsyun.baidu.com/jsdemo.htm#subway0_0
二、分析过程
2.1 HTML文件
<!DOCTYPE html><html><head><meta charset="utf-8" /><meta name="viewport" content="initial-scale=1.0, minimum-scale=1.0, maximum-scale=1.0, user-scalable=no" /><title>地铁图展示</title><script type="text/javascript" src="https://api.map.baidu.com/api?type=subway&v=1.0&ak=您的AK"></script><style type="text/css">#container{height:100%}</style></head><body><div id="container"></div><script type="text/javascript">/*** 从所有城市列表中获取北京信息* 结果格式* {* keyword: 'zhengzhou',* name: '郑州',* citycode: '268'* }*//* globals BMapSub */var subwayCityName = '郑州';var list = BMapSub.SubwayCitiesList;var subwaycity = null;for (var i = 0; i < list.length; i++) {if (list[i].name === subwayCityName) {subwaycity = list[i];break;}}// 获取郑州地铁数据-初始化地铁图var subway = new BMapSub.Subway('container', subwaycity.citycode);subway.setZoom(0.5);</script></body></html>2.2 调用后得到城市地铁图
2.3 分析XHR得到地铁站点与线路JSON
网址示例：
https://api.map.baidu.com/?qt=subways&c=268&format=json&ak=您的AK&v=3.0&from=jsapi&callback=BMapSub._rd._cbk78501
268为郑州城市编码，其他城市可查阅该附件。（附件在分享的文件夹内）
📎BaiduMap_cityCode_1102.txt
删除callback进入网址后得到JSON数据
{ "result": { "type": 920, "error": 0 }, "subways": { "l": [ { "p": [ { "p_xmlattr": { "sid": "河南工业大学", "lb": "河南工业大学", "x": -578, "y": -432.9, "rx": 8, "ry": -10, "st": true, "ex": false, "iu": true, "rc": false, "slb": true, "ln": "郑州市|地铁1号线", "int": "2", "px": 12640317.93, "py": 4116581.76, "uid": "f235db2f54efea3bf942b28b" } }, { "p_xmlattr": { "sid": "郑大科技园", "lb": "郑大科技园", ......分析网址可以发现1条线路中对应多个地铁站点。
2.4 矢量化思路
2.4.1 HTML转PNG后加载到ARCGIS中描图。
缺陷：描图有误差，加载后需配置，截大图需要借助工具。
2.4.2 JSON数据中点与线抓取至CSV，点集转线。
抓取时构建线路字段，Point To Line（点集转线）工具连接即可。
三、代码实现
3.1 运行代码
3.1.1 导入包
transCoordinateSystem来自于@wandergis
github地址👇
https://github.com/wandergis/coordTransform_py
调用了百度地理坐标转GPS坐标的方法
import requestsimport csvimport pandas as pdimport jsonimport mathfrom transCoordinateSystem import bd09_to_wgs843.1.2 设置基本信息
base_infor = []lon_lat_infor = []
header = ['num','x','y','poi_name','route_name','route_num','bd_x','bd_y','wgs_x','wgs_y']num = 0bmap_key = '浏览器端AK'ak = '服务器端AK'3.1.3 定义一个坐标转换方法
def transform_coordinate_batch(coordinates): req_url = 'http://api.map.baidu.com/geoconv/v1/?coords='+coordinates+'&from=6&to=5&ak=' + bmap_key
data = requests.get(req_url) data = data.text data = json.loads(data) coords = '' if data['status'] == 0: result = data['result'] if len(result) > 0: for res in result: lng = str(res['x'])[:10] lat = str(res['y'])[:9] coords = coords + ";" + lng + "," + lat return coords.strip(";")3.1.4 抓取数据：
在这里的268为郑州市的百度编码，如需其他城市的编码，可见百度开放平台或直接查看文件BaiduMap_cityCode_1102.txt。
# 抓取基本数据city = '268' #268为郑州，城市编码见 BaiduMap_cityCode_1102.txturl = 'https://api.map.baidu.com/?qt=subways&c=%s&format=json&ak=%s&v=3.0&from=jsapi'%(city,ak)res = requests.get(url)json_res = res.json()subways = json_res['subways']['l']route_num = 0
for route in subways: route_num += 1 route_name = route['l_xmlattr']['lid'] for route_poi in route['p']: poi = route_poi['p_xmlattr'] poi_name = poi['sid'] if poi_name != '': num += 1 x = poi['px'] y = poi['py'] coordinates = coordinates +str(x)+','+str(y)+';' base_infor.append([num,x,y,poi_name,route_name,route_num])3.1.5 坐标转换
# 坐标转换# 调用函数与接口转换米制坐标为百度坐标coordinates_list_num = math.ceil(num/90) #确定调用接口的次数，一次传入坐标对90个。
for item in range(coordinates_list_num): zuobiao = '' for i in numlist_coor[90*(item):90*(item+1)]: zuobiao = zuobiao + i +';' mi_zuobiao = zuobiao[:-1]
result = transform_coordinate_batch(mi_zuobiao) result = result.split(';') mi_list = mi_zuobiao.split(';') for j1 in mi_list: mi_x = j1.split(',')[0] mi_y = j1.split(',')[1] bd_x = result[mi_list.index(j1)].split(',')[0] bd_y = result[mi_list.index(j1)].split(',')[1] # print(bd_x,bd_y) 打印出来看看数据怎么样
#调用transCoordinateSystem实现bd_09转换为WGS84坐标系 coord_wgs84 = bd09_to_wgs84(float(bd_x), float(bd_y)) lon = str(coord_wgs84[0])[:10] lat = str(coord_wgs84[1])[:9] # print(lon,lat) lon_lat_infor.append([bd_x,bd_y,lon,lat]) 3.1.6 存储至CSV
# 合并结果：base_infor与lon_lat_infor转为DataFrame后合并，写入subway.csv。left = pd.DataFrame(base_infor)right = pd.DataFrame(lon_lat_infor)end_result = pd.concat([left,right],axis=1)print(end_result)pd.DataFrame(end_result).to_csv('subway_zhengzhou.csv',mode ='w',index =False,encoding='gbk',header=header)3.2 代码运行结果
3.2.1 print一下看看end_result是什么？
Windows PowerShell版权所有 (C) 2016 Microsoft Corporation。保留所有权利。
PS E:\python> & "C:/Program Files/Python37/python.exe" e:/python/subway.py 0 1 2 3 4 5 0 10 1 12640317.93 4116581.76 河南工业大学 地铁1号线 1 113.536042 34.8279401 2 12640267.80 4115257.87 郑大科技园 地铁1号线 1 113.535598 34.8181372 3 12640225.76 4114004.12 郑州大学 地铁1号线 1 113.535229 34.8088533 4 12640185.96 4112164.74 梧桐街 地铁1号线 1 113.534887 34.7952354 5 12640184.88 4110735.11 兰寨 地铁1号线 1 113.534887 34.784654.. .. ... ... ... ... .. ... ...90 91 12674935.63 4083938.18 康平湖 城郊线 4 113.847217 34.58610691 92 12675649.65 4082749.82 兰河公园 城郊线 4 113.853686 34.57718892 93 12675659.47 4081569.23 恩平湖 城郊线 4 113.853783 34.56842493 94 12675402.83 4079194.33 综合保税区 城郊线 4 113.851480 34.55082794 95 12674873.23 4076049.16 新郑机场 城郊线 4 113.846695 34.527542
[95 rows x 8 columns]3.2.2 储存的CSV是什么样子的？
3.2.3 加载到GIS中的郑州地铁数据与地铁图JavaScript的区别
四、总结
本文无意中发现了百度地图中地铁数据的接口，并通过编写python脚本实现了抓取，导入GIS平台中发现整体状况较好，但同时也遇到了一些问题。
问题1：GIS中的地理坐标转换太麻烦了！坐标转换是文本的一大难点，虽然编写了脚本，但由于本人水平有限，代码仍有较多冗余。
五、数据分享
防止没看到，再说一遍：
在公众号后台回复“地铁”两个字就会收到数据获取方式，emmmm，就，你们懂的。
那今天就到这里结束啦，欢迎留言讨论。文中的图片未经许可不要随便“引用”。
如果可以的话，希望能够转发分享，点个在看并且点个赞，给个赞赏~~也欢迎规范转载~
也希望大家和我多留言互动啊！（据说这样可以增加我的推送在你的订阅号里出现的概率）
END>
如需全文转载文章、投稿或者合作
可添加微信
(回复超慢！！！)
（不要添加我问各种问题，我大概率不会的==）
（入群请一定要备注入群）
（添加后会在晚上非工作时间通过，请稍安勿躁）
此外，我申请了一个微博账号，虽然现在没啥粉丝==
但我会在上面预告更新的！（还有吐槽和碎碎念）
最后，感谢关注【数读城事】
我会尽量在工作之余努力更新的
使用关键词搜索历史文章请点击【阅读原文】