大家好，我是小一
上一篇文章讲了一个失败的数据分析案例，导致失败最最主要的原因就两个字：数据
有时候，爬虫爬到的数据是很珍贵、很稀缺，但是在实际项目最好还是多点谨慎，保证万无一失。
今天介绍一种新的 获取城市地铁站点数据的方法，而且不再只是北上广深四个城市，而是 全国开通地铁的城市。
对了，你觉得全国有多少个城市开通了地铁？
今天爬取数据的链接是：http://map.amap.com/subway/index.html
这个是高德地图对于全国地铁站点的一个可视化界面，做的相当不错。
页面长这样：
既然是可视化那肯定有数据支撑，要不就是 有数据接口 要不就是 直接显示在页面上
巧的是，它都有！
首先，浏览器打开 F12，定位到上方的城市列表，如图：
对应的城市列表是直接显示在 div 标签里面的，不过城市是被分成了两部分，一部分在 city-list 里面，一部分在 more-city-list 里面。
而且在每一个城市的 a 标签里面有对应的城市 ID 和城市拼音。
随便点击一个城市，在可视化界面发生变化的同时看到 Network 中出现了一个链接。如图：
链接名称中包含了这个城市的 ID 和拼音，对应的数据就是我们要的地铁站点数据。
不过显然这个数据需要往下稍微深入一点才能发现：
但是既然有了接口，那获取数据也就很简单的事情
总结一下流程，思路如下：
对了，最后还能加一步：通过地铁站点名去查询其对应所在的城市行政区。例如：深圳市翻身地铁站属于宝安区
查询方法可以借鉴上一篇文章 一个数据分析的真实失败案例，让我突然有点恍惚了，把地铁名当成参数就行
实现起来比较简单，代码大致如下：
url = 'http://map.amap.com/subway/index.html'
res = requests.get(url, headers={'User-Agent': get_ua()})
res.encoding = res.apparent_encoding
soup = BeautifulSoup(res.text, 'html.parser')
name_dict = []
# 获取显示出的城市列表
for soup_a in soup.find('div', class_='city-list fl').find_all('a'):
city_name_py = soup_a['cityname']
city_id = soup_a['id']
city_name_ch = soup_a.get_text()
name_dict.append({'name_py': city_name_py, 'id': city_id, 'name_ch': city_name_ch})
# 获取未显示出来的城市列表
for soup_a in soup.find('div', class_='more-city-list').find_all('a'):
city_name_py = soup_a['cityname']
city_id = soup_a['id']
city_name_ch = soup_a.get_text()
name_dict.append({'name_py': city_name_py, 'id': city_id, 'name_ch': city_name_ch})
df_name = pd.DataFrame(name_dict)
一共 有 40 个城市，解析拿到每个城市对应的 ID 和拼音
然后，对每个城市的 url 构造如下：
# 构造每个城市的url
url = "http://map.amap.com/service/subway?_1618387860087&srhdata=" + id + '_drw_' + cityname + '.json'
从 json 中可以很方便的解析每个城市的地铁站点数据
例如：站点所属的地铁线路、站点经纬度等我们需要的信息
核心代码解析如下：
# 核心代码
df_per_zd = df_per_zd[['n', 'sl', 'poiid', 'sp']]
df_per_zd['gd经度'] = df_per_zd['sl'].apply(lambda x: x.split(',')[0])
df_per_zd['gd纬度'] = df_per_zd['sl'].apply(lambda x: x.split(',')[1])
df_per_zd.drop('sl', axis=1, inplace=True)
df_per_zd['路线名称'] = data_line['ln']
df_per_zd['城市名称'] = name
代码的运行界面如下：
最终一共是 5001 条数据，对应的全国 40 个开通地铁的城市。
部分数据截图如下：
再通过热力图简单看一下这些城市的分布情况：
数据已经有了，抽样验证了一下，发现只有少数站点的区域不对，手动处理一下就行。
爬到的数据已经确认无误，接下来就是如何分析的问题了，下节分析部分会详细介绍。
ok，以上就是全部内容，感兴趣的同学可以去练练手，原文链接中 可免费获取数据集和源码
▶原文链接：小一教你轻松爬取全国40城5000+地铁站点数据！附源码和数据集
作者：xiaoyi
文章首发：公众号【小一的学习笔记】
未经允许禁止转载，需要转载请微信联系授权（微信号：zhiqiuxiaoyi）