前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >爬取北京摩拜单车信息(附分析过程和详细代码)

爬取北京摩拜单车信息(附分析过程和详细代码)

作者头像
Yano_nankai
发布2018-10-08 10:32:03
2.4K4
发布2018-10-08 10:32:03
举报
文章被收录于专栏:二进制文集二进制文集

目的

统计北京摩拜单车的数量、分布、类型等信息。

先贴出结果:

分析过程

Fiddler 抓包

去年11月份可以在微信中抓取摩拜的小程序,但是现在不行了。当时微信小程序的API很简陋,利用代理可以直接抓取。但是现在试下挂上代理小程序都打不开了。

后来使用摩拜的APP抓取成功,附图。

Fiddler 截图1
Fiddler 截图1

Fiddler 截图1

获取附近单车信息的接口是:http://app.mobike.com/api/nearby/v3/nearbyBikeInfo

同时 response 是个 json,解析出来是这样的:

Fiddler 返回值1
Fiddler 返回值1

Fiddler 返回值1

其中包括 bike 和 mpl 数组,bike 即为最终要获取的单车详细信息,结构如下:

Fiddler 返回值2
Fiddler 返回值2

Fiddler 返回值2

而 mpl 应该是摩拜推出的新功能,表示「停车地点」,在这些地点停车有机会获得 NIKE 新春贺礼 85 折优惠券,结构如下:

Fiddler 返回值3
Fiddler 返回值3

Fiddler 返回值3

经纬度查询

在 Fiddler 中抓取 request 发现纬度和经度分别为:39.977524,116.305863,通过经纬度查询的网站发现定位极其精准:

定位1
定位1

定位1

查询 response 中 mpl 信息的一个地址:39.975823, 116.305252

发现确实是地图上的位置:

Postman 验证

把请求参数放到 postman 中,发现能够直接给出结果:

通过调试发现 post 的几个重要参数作用如下:

  1. scope:爬取的范围,下面会分析;
  2. longitude:经度,可以精确到小数点后7位;
  3. latitude:纬度;
  4. bikenum:获取单车信息的最大数量,这个值设置大一点比较好,爬取更快;
  5. biketype:0应该是爬取所有类型。

经纬度与距离的换算

经纬度在不同地区,每度距离差是不同的,任意两点距离计算公式为

代码语言:javascript
复制
d=111.12cos{1/[sinΦAsinΦB十cosΦAcosΦBcos(λB—λA)]}

其中A点经度,纬度分别为λA和ΦA,B点的经度、纬度分别为λB和ΦB,d为距离.

所以可知每度大概为111千米

比如北京 B = 40、cosB = 0.766,经度变化1度,则东西方向距离变化 85.567km。

确定爬取范围

决定爬取北京五环内的摩拜单车数量,确定经纬度:

北四环西北 39.9777778168,116.2875366211 北四环东南 39.8401771328,116.4787673950

确定步长、单次爬取单车数量

这两个参数是相互影响的,单次步长越小,结果越精确,但是爬取时间就会更长;增大步长,增加单次爬取单车数量可以缩短时间,但是单位面积的单车数量并不是无限增大的。通过测试发现 scope 参数也不是可以无限增大,貌似到500就无效了。

我确定这两个参数的方法:在地图上找2个点,固定经度调节纬度,看两者爬取的单车是否有重复。

测试了4个地点:

十字路口1: longitude=116.30581114680909&latitude=39.98106569393767

十字路口2: longitude=116.30613220306786&latitude=39.978998558907335

维亚大厦: longitude=116.30608720311963&latitude=39.97747017430741

苏州街十字路口: longitude=116.30627577120181&latitude=39.975675035347415

发现纬度差0.003时,两次爬取结果会有33辆单车的重叠(每个点大约有180辆单车的信息)。确定经纬度移动的步长是0.003,而单次爬取单车数量为500(99%的地点都到不了500个单车)。

header 参数

发现 header 有很多参数,甚至还有 time 和 utctime 两个时间参数。摩拜会存取每个时刻单车的静态信息吗?显然不会,这样的存储成本太高了,通过程序验证确实是这样。对于其它参数,也可以自行验证。

代码

主体代码很简洁,就是 post 发送请求,每次在地图上移动0.003的经度或纬度,直至遍历完地图上的正方形。

代码语言:javascript
复制
@Test
public void testGetMoBike() throws IOException {
    OkHttpClient client = new OkHttpClient();
    RequestBody body = RequestBody.create(GSON, "{}");

    double longitudeMin = 116.2875;
    double longitudeMax = 116.4787;
    double latitudeMin = 39.8402;
    double latitudeMax = 39.9778;

    double step = 0.003;

    for (double longitude = longitudeMin; longitude <= longitudeMax; longitude += step) {
        for (double latitude = latitudeMin; latitude <= latitudeMax; latitude += step) {

            // 获取对应经纬度的结果
            List<BikeDo> bikeDos = getBikeDos(client, body, longitude, latitude);

            // 将每辆单车信息都存入redis
            restoreBikeInfo(bikeDos);

            // 随机休眠,防止被封
            sleepRandomSeconds(2);

            System.out.println("经度:" + longitude + " 纬度:" + latitude + " 结束,爬取总个数:" + jedis.hlen(MAP_KEY));
        }
    }
}

使用 redis 的 map 存储结果并去重,并打印出每一步的信息。这样可以在断网等异常情况时,从异常处重新开始爬取。redis 在本机可以达到 10万次/s 的连接量,就没必要在 Java 中维护这些代码了。

其余代码如下(删除了个人相关的信息,所以代码不完整):

代码语言:javascript
复制
private static Jedis jedis = RedisUtil.getJedis();
private static final String MAP_KEY = "mobike";
private static final Random RANDOM = new Random();

private void restoreBikeInfo(List<BikeDo> bikeDos) {
    for (BikeDo bikeDo : bikeDos) {
        // 将每一个 bike 存入 redis 中
        if (jedis.hexists(MAP_KEY, bikeDo.getDistId())) {
            continue;
        }
        jedis.hset(MAP_KEY, bikeDo.getDistId(), JSON.toJSONString(bikeDo));
    }
}

private void sleepRandomSeconds(int seconds) {
    try {
        Thread.sleep(RANDOM.nextInt(seconds) * 1000);
    } catch (InterruptedException e) {
        e.printStackTrace();
    }
}

private List<BikeDo> getBikeDos(OkHttpClient client, RequestBody body, double longitude, double latitude) throws IOException {
    Request request = createRequest(body, longitude, latitude);

    Response response = client.newCall(request).execute();
    String responseJson = response.body().string();
    JSONArray parse = (JSONArray) JSONObject.parseObject(responseJson).get("bike");
    return JSON.parseArray(parse.toJSONString(), BikeDo.class);
}

private Request createRequest(RequestBody body, double longitude, double latitude) {
    return new Request.Builder()
            .url("http://app.mobike.com/api/nearby/v3/nearbyBikeInfo?scope=700&sign=&client_id=android&biketype=0&longitude=" + longitude + "&latitude=" + latitude + "&userid=&bikenum=600")
            .post(body)
            .addHeader("version", "6.7.1")
            .addHeader("versioncode", "1649")
            .addHeader("platform", "1")
            .addHeader("mainsource", "4002")
            .addHeader("subsource", "3")
            .addHeader("os", "25")
            .addHeader("lang", "zh")
            .addHeader("time", DateTime.now().getMillis() + "")
            .addHeader("country", "0")
            .addHeader("eption", "685f8")
            .addHeader("deviceresolution", "1080X1920")
            .addHeader("utctime", DateTime.now().getMillis() / 1000 + "")
            .addHeader("mobileno", "")
            .addHeader("accesstoken", "")
            .addHeader("uuid", "")
            .addHeader("longitude", longitude + "")
            .addHeader("latitude", latitude + "")
            .addHeader("content-type", "application/x-www-form-urlencoded")
            .addHeader("content-length", "203")
            .addHeader("host", "app.mobike.com")
            .addHeader("accept-encoding", "gzip")
            .addHeader("user-agent", "okhttp/3.9.1")
            .addHeader("connection", "Keep-Alive")
            .addHeader("cache-control", "no-cache")
            .addHeader("postman-token", "fc17ae5a-32e9-d2bb-eb1f-43dd6760aea6")
            .build();
}

bike 类:

代码语言:javascript
复制
public class BikeDo {
    private String distId;
    private double distX;
    private double distY;
    private int distNum;
    private int distance;
    private int biketype;
    private int type;

结果

大概1个半小时,爬取到了345679个摩拜单车。

摩拜单车型号[1 x 248627, 2 x 96840, 3 x 2, 999 x 210]:

分布热力图

使用百度地图的API。

经纬度模糊

因为爬取到单车的地理位置太精确了,在地图上画热力分布精确到小数点后5位即可。所以需要统计在每个经纬度下的单车数量,并将点打印出符合百度地图API的格式(统计时将经纬度合并成一个String,否则复杂度太高)。

代码语言:javascript
复制
@Test
public void testMobikeHeat() {
    String REDIS_KEY = "mobike";
    Map<String, String> bikesMap = jedis.hgetAll(REDIS_KEY);
    Multiset<String> multiset = HashMultiset.create();
    for (String key : bikesMap.keySet()) {
        BikeDo bike = JSON.parseObject(bikesMap.get(key), BikeDo.class);
        String mixKey = String.format("%.6f", bike.getDistX()) + String.format("%.6f", bike.getDistY());
        multiset.add(mixKey);
    }
    
    File file = new File("mobike.txt");
    BufferedWriter out = null;
    try {
        out = new BufferedWriter(new OutputStreamWriter(new FileOutputStream(file, true)));
        for (String ele : multiset.elementSet()) {
            out.write("{\"lng\":"+ele.substring(0, 10)+",\"lat\":"+ele.substring(10)+",\"count\":"+multiset.count(ele)+"}," + "\r\n");
        }
        
    } catch (Exception e) {
        e.printStackTrace();
    } finally {
        try {
            out.close();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

结果

结果如下,可以看出中间位置的故宫、五环西北角的圆明园、颐和园均没有单车,热力图大体是正确的。

影响精度的因素

  1. 五环位置不准确,爬取完才发现五环右边不是方形,爬取结果少了一块……
  2. 爬取过程中,正在被骑行的车没有统计到
  3. 在爬取过程中,车恰好从未爬取位置移动到了已爬取位置
  4. 报修的车无法统计
  5. 在爬取的过程中,断网了1个小时……时间间隔过长,精确度受影响
  6. 爬取是按照0.003*0.003的经纬度方形区域,没有精确计算是否能够覆盖所有区域,可能四个方形因为爬取单车数量的因素,导致区域之间有死角。

如何获取更精确的数据

  1. 多次爬取,去重,改变步长。这样可以爬取到因为骑行而未被爬取到的车。
  2. 多线程爬取,减少时间。

总结

爬取到北京五环内有345679辆单车(爬取区域少了一点),估计整个北京有45~50万单车吧。

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2018.02.05 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 目的
  • 分析过程
    • Fiddler 抓包
      • 经纬度查询
        • Postman 验证
          • 经纬度与距离的换算
            • 确定爬取范围
              • 确定步长、单次爬取单车数量
                • header 参数
                • 代码
                • 结果
                • 分布热力图
                  • 经纬度模糊
                    • 结果
                    • 影响精度的因素
                    • 如何获取更精确的数据
                    • 总结
                    相关产品与服务
                    云开发 CloudBase
                    云开发(Tencent CloudBase,TCB)是腾讯云提供的云原生一体化开发环境和工具平台,为200万+企业和开发者提供高可用、自动弹性扩缩的后端云服务,可用于云端一体化开发多种端应用(小程序、公众号、Web 应用等),避免了应用开发过程中繁琐的服务器搭建及运维,开发者可以专注于业务逻辑的实现,开发门槛更低,效率更高。
                    领券
                    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档