python爬取所有人位置信息——腾讯位置大数据

腾讯位置大数据

网站

https://heat.qq.com/

网站功能介绍

    腾讯位置大数据会将提供所有用户使用腾讯位置的数据信息，但没有用户信息（只有位置信息）。从这个网站我们可以获取所有使用腾讯位置服务的产品（微信、QQ、腾讯地图、京东和美团）的人再全球任何地方产生的定位次数，方便大家人口估测、商业分析和科学研究等。

数据分析

POST请求

    打开开发者工具，找到POST请求。这里需要注意的是，网站会每五分钟POST一次getXingyunPoints请求，所以需要等五分钟才能看到这个post请求。

请求解析

    等到post请求出现时，我们点开详细信息，每一次getXingyunPoints请求，都是四个。请求信息中，我们需要关注的是locs这个内容，它是由大量的数据组成，中间由英文“,”隔开；
    每连续的三个数据为一组数据，这一组数据包含经度、纬度、人数，按照地理标准规范，经纬度小数点后面保留两位也就是说，表现形式为xxx.xx的格式，请求的数据如下所示：

3220,11895,2,3075,11535,2,......

解析为：
纬度32.20，经度118.95，人数为2
纬度30.75，经度115.35，人数为2
…

python代码

"""
@author: 菜C++鸡Java  Jiangzl
@Description: 用来爬取腾讯位置大数据信息，再次声明，腾讯位置大数据从没人说是准确数据，也没说是完整数据，发paper的话建议三思
"""
import requests
import json
import pandas as pd
import time


def get_TecentData(count=4, rank=0, increNum=0):  # 先默认为从rank从0开始（tecent一次post会post四次）
    url = 'https://xingyun.map.qq.com/api/getXingyunPoints'
    content = ''
    paload = {
   'count': count, 'rank': rank}
    response = requests.post(url, data=json.dumps(paload))
    datas = response.text
    dictdatas = json.loads(datas)  # dumps是将dict转化成str格式，loads是将str转化成dict格式
    locs = dictdatas["locs"]  # 再提取content（这个需要进一步分析提取出经纬度和定位次数）
    locss = locs.split(",")
    temp = []  # 搞一个临时容器
    for i in range(int(len(locss) / 3)):
        lat = locss[0 + 3 * i]  # 得到纬度
        lon = locss[1 + 3 * i]  # 得到经度
        count = locss[2 + 3 * i]
        #获得陕西的数据---获取每个地方的数据，改这里就行
        #举个栗子--请求的元数据是整数，北纬10到20度之间
        #就是1000<int(lat)<2000
        if(3142<int(lat)<3935 and 10529<int(lon)<11115):
            temp.append([int(lat) / 100, int(lon) / 100, count])  # 在容器中存放数据：纬度，经度和定位次数
    #数据整理
    result = pd.DataFrame(temp)
    result.dropna()
    result.columns = ['lat', 'lon', 'count']
    result.to_csv('TecentData'+str(increNum)+'.txt', mode='a', index=False)  # model="a",a的意思就是append，可以把得到的数据一直往TecentData.txt中追加

if __name__ == '__main__':
    #如果你想每隔多长时间生成一个文件，就把下面的注释释放掉，就去掉那个#井号,0改成k
    #sleep(number)   number：间隔时间，每隔一分钟获取一次数据就是  sleep(60)

    #while (1):
    #for k in range(1000000):
        for i in range(4):
            get_TecentData(4, i, 0)
        #time.sleep(60)

补充

    在解析数据的时候注意运行的时间以及数据的筛选，如果不加筛选，每次请求为10M流量，按一秒一次，一小时一般的磁盘可能就满了。
    有任何问题，都可私聊或者评论补充，也可积极探讨，互相学习。