我們都知道，可以使用高德地圖api實現經緯度與地址的轉換。那么，當我們有很多個地址與經緯度，需要批量轉換的時候，應該怎么辦呢？
在這里，選用高德Web服務的API，其中的地址/逆地址編碼，可以實現經緯度與地址的轉換。
高德API地址：
地理/逆地理編碼：http://lbs.amap.com/api/webservice/guide/api/georegeo
坐標轉換：http://lbs.amap.com/api/webservice/guide/api/convert
1.申請key
2.坐標轉換
坐標轉換是一類簡單的HTTP接口，能夠將用戶輸入的非高德坐標（GPS坐標、mapbar坐標、baidu坐標）轉換成高德坐標。
def transform(location):
parameters = {'coordsys':'gps','locations': location, 'key': '7ec25a9c6716bb26f0d25e9fdfa012b8'}
base = 'http://restapi.amap.com/v3/assistant/coordinate/convert'
response = requests.get(base, parameters)
answer = response.json()
return answer['locations']
2.地理/逆地理編碼
我這里是將經緯度轉換為地址，所以選用的是逆地理編碼的接口。
def geocode(location):
parameters = {'location': location, 'key': '7ec25a9c6716bb26f0d25e9fdfa012b8'}
base = 'http://restapi.amap.com/v3/geocode/regeo'
response = requests.get(base, parameters)
answer = response.json()
return answer['regeocode']['addressComponent']['district'].encode('gbk','replace'),answer['regeocode']['formatted_address'].encode('gbk','replace')
3.從文件中讀取
需要批量獲取的話，一般是從文件中讀取數據，讀取代碼如下：
def parse():
datas = []
totalListData = pd.read_csv('locs.csv')
totalListDict = totalListData.to_dict('index')
for i in range(0, len(totalListDict)):
datas.append(str(totalListDict[i]['centroidx']) + ',' + str(totalListDict[i]['centroidy']))
return datas
4.完整代碼
對于批量獲取，我一開始也走了很多彎路。一開始選用javascript接口，但是js接口的函數是異步返回，所以可能第10行的結果跑到第15行去了，一直沒有很好的解決，后來才選用web接口。最后，將完整代碼貼于此，僅供參考。
#!/usr/bin/env
#-*- coding:utf-8 -*-
'''
利用高德地圖api實現經緯度與地址的批量轉換
'''
import requests
import pandas as pd
import time
import sys
reload(sys)
sys.setdefaultencoding("utf-8")
def parse():
datas = []
totalListData = pd.read_csv('locs.csv')
totalListDict = totalListData.to_dict('index')
for i in range(0, len(totalListDict)):
datas.append(str(totalListDict[i]['centroidx']) + ',' + str(totalListDict[i]['centroidy']))
return datas
def transform(location):
parameters = {'coordsys':'gps','locations': location, 'key': '7ec25a9c6716bb26f0d25e9fdfa012b8'}
base = 'http://restapi.amap.com/v3/assistant/coordinate/convert'
response = requests.get(base, parameters)
answer = response.json()
return answer['locations']
def geocode(location):
parameters = {'location': location, 'key': '7ec25a9c6716bb26f0d25e9fdfa012b8'}
base = 'http://restapi.amap.com/v3/geocode/regeo'
response = requests.get(base, parameters)
answer = response.json()
return answer['regeocode']['addressComponent']['district'].encode('gbk','replace'),answer['regeocode']['formatted_address'].encode('gbk','replace')
if __name__=='__main__':
i = 0
count = 0
df = pd.DataFrame(columns=['location','detail'])
#locations = parse(item)
locations = parse()
for location in locations:
dist, detail = geocode(transform(location))
df.loc[i] = [dist, detail]
i = i + 1
df.to_csv('locdetail.csv', index =False)
注意事項：
在測試的時候，一個key差不多可以下載2000-3000條數據，一個賬號可以申請4個key。這是我自己的使用情況。所以，測試的時候，不用測試過多，直接開始正式爬數據才是正道。
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。
更多文章、技術交流、商務合作、聯系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
