爬取高德地圖poi數據
高德地圖搜索poi的api介紹地址html
當前想法是爬取目標區域（做者所在小縣城）的全部poi數據，存到數據庫中做爲原始數據，而後供其它系統調用，由於以前爬取過百度地圖的poi數據，因此此次工做就得心應手了。java
一、首先註冊一個高德地圖的開發者帳號，申請一個綁定Web服務的key，而後把剛註冊的開發者帳號認證一下： 申請帳號、key就不贅述了，去高德地圖開發平臺很簡單就能完成了，將帳號認證是爲了提升每日訪問高德地圖api接口的次數限制和併發請求。git
二、根據上方api地址裏面的介紹，總共分爲4中搜索： 關鍵字搜索：經過用POI的關鍵字進行條件搜索，例如：肯德基、朝陽公園等；同時支持設置POI類型搜索，例如：銀行 周邊搜索：在用戶傳入經緯度座標點附近，在設定的範圍內，按照關鍵字或POI類型搜索； 多邊形搜索：在多邊形區域內進行搜索 ID查詢：經過POI ID，查詢某個POI詳情，建議可同輸入提示API配合使用github
個人目標是某個區域的全部poi，因此選擇的第三種：多邊形搜索web
三、多邊形搜索最重要的參數就是polygon-》經緯度座標對，我在百度地圖座標拾取系統拾取了個人目標區域的經緯度座標對，以下圖： 
數據庫
3步準備工做到這裏就差很少結束了，在正式開始碼代碼以前先作個測試吧，用瀏覽器直接訪問接口看看返回的數據（固然，高德的api接口有返回數聽說明）小程序
如上圖，這裏比較重要的一個屬性是count，根據api的介紹count是搜索方案數目(最大值爲1000)，因此說每次請求都會返回當前所搜所包含的poi個數，而大於1000的poi是沒有辦法獲取到的。那麼我若是想查詢某個區域的所有數據，能夠將這個區域再劃分紅更小的區域（顯然是個遞歸操做）的集合，而後把這幾個能夠查到全部poi的區域的全部poi數據結合起來就是我最終須要的數據。可能口述不明朗，能夠見下方草圖：api
好，能夠開始擼代碼了：瀏覽器
由於，整個調用API的過程都離不開經緯度，因此首先定義一個經緯度描述的類 `併發
//矩形塊的經緯度標識， 左上角的經緯度 和右下角的經緯度
class RectangleCoordinate {
/**
* 矩形左上角經度
*/
private double x0;
/**
* 矩形左上角緯度
*/
private double y0;
/**
* 矩形右下角經度
*/
private double x1;
/**
* 矩形右下角緯度
*/
private double y1;
public RectangleCoordinate(double x0, double y0, double x1, double y1) {
this.x0 = x0;
this.y0 = y0;
this.x1 = x1;
this.y1 = y1;
}
/**
* [@return](https://my.oschina.net/u/556800) 獲取矩形中心線的緯度
*/
public double getAverageY() {
return (y0 + y1) / 2;
}
/**
* [@return](https://my.oschina.net/u/556800) 獲取矩形中心線的經度
*/
public double getAverageX() {
return (x0 + x1) / 2;
}
public double getX0() {
return x0;
}
public void setX0(double x0) {
this.x0 = x0;
}
public double getY0() {
return y0;
}
public void setY0(double y0) {
this.y0 = y0;
}
public double getX1() {
return x1;
}
public void setX1(double x1) {
this.x1 = x1;
}
public double getY1() {
return y1;
}
public void setY1(double y1) {
this.y1 = y1;
}
[@Override](https://my.oschina.net/u/1162528)
public String toString() {
return x0 + "," + y0 + "|" + x1 + "," + y1;
}
}`
而後須要一個調用api，獲取返回數據的方法，這個方法參數就是矩形塊，固然還須要一個頁數，即當前方法獲取的是某個矩形區域的第X頁的數據（每頁上線25個poi，默認20個poi）
/**
* @return 獲取矩形塊的poi數據
*/
private JSONObject getSearchResult(RectangleCoordinate coordinate, int page) {
RestTemplate restTemplate = new RestTemplate();
String url = getRequestGaodeUrl(coordinate,page);
String result = restTemplate.getForObject(url, String.class);
try {
try {
Thread.sleep(50);
} catch (InterruptedException e) {
e.printStackTrace();
}
return JSONObject.parseObject(result);
} catch (Exception e) {
logger.error("an error occurred when getting response of gaode map data for coordinate:[{}]", coordinate.toString());
}
return null;
}
固然，上方已經說過，若是矩形塊返回數據count=1000，就說明當前矩形塊須要分割，個人想法比較簡單，將矩形塊按照上方草圖，在水平中心和垂直分心分割，1個矩形塊就分割成4個小矩形塊了，方法以下：
/**
* @return 將矩形4等分紅小矩形 而後返回4個 小矩形的經緯度集合
*/
private List<RectangleCoordinate> getSplitRectangleList(RectangleCoordinate coordinate) {
List<RectangleCoordinate> splitRectangleList = new LinkedList<>();
splitRectangleList.add(new RectangleCoordinate(coordinate.getX0(), coordinate.getY0(), coordinate.getAverageX(), coordinate.getAverageY()));
splitRectangleList.add(new RectangleCoordinate(coordinate.getAverageX(), coordinate.getY0(), coordinate.getX1(), coordinate.getAverageY()));
splitRectangleList.add(new RectangleCoordinate(coordinate.getX0(), coordinate.getAverageY(), coordinate.getAverageX(), coordinate.getY1()));
splitRectangleList.add(new RectangleCoordinate(coordinate.getAverageX(), coordinate.getAverageY(), coordinate.getX1(), coordinate.getY1()));
return splitRectangleList;
}
目前，能夠獲取到矩形區域經緯度對的集合了，也有獲取api數據的方法了，而後就是遍歷頁數獲取數據，自定義操做數據。 當某次分頁請求返回的poi個數小於每頁最大個數的時候就認爲當前區域poi已經徹底請求到了。
private void startAnaMainGaode(RectangleCoordinate coordinate) throws AnalysisException {
//當前爬取的數據的頁數索引
int page_num = 0;
//當前爬取內容是不是最後一頁
boolean isLastPage = false;
JSONObject searchResult;
JSONArray datas = null;
logger.info("ready to analysis coordinate:[{}]", coordinate.toString());
while (!isLastPage) {
logger.info("is going to get data for page_" + page_num);
try {
searchResult = getSearchResult(coordinate, page_num);
datas = searchResult.getJSONArray("pois");
} catch (Exception e) {
logger.error("an error occurred when getting response of gaode map data for coordinate:[{}]", coordinate.toString());
}
if (datas != null && datas.size() < 20) {
isLastPage = true;
logger.info("get result counts is [{}], now page index is [{}]", datas.size(), page_num);
}
saveIntoDbGaode(datas);
page_num++;
}
}
private void saveIntoDbGaode(JSONArray result) {
JSONObject resultItem;
for (int i = 0; i < result.size(); i++) {
resultItem = result.getJSONObject(i);
try {
results.add(getInsertUnitObject(resultItem));
} catch (Exception e) {
logger.error("生成數據時異常，e: {}", e.getMessage());
e.printStackTrace();
}
}
if (results.size() > BATCHINSERTLIMIT || ISLAST) {
logger.info("is ready to batch insert into unit, total count is {}", results.size());
try {
dao.batchAddUnitGaode(results);
} catch (Exception e) {
logger.error("更新數據庫異常，e: {}", e.getMessage());
}
results = new JSONArray();
}
}`
到此，基本方法都介紹過了，所有代碼以下（由於都是簡單方法和邏輯，不明白的留言交流）
//請求入口
public void GaodePoiSearch() {
//徐水區 final RectangleCoordinate searchAreaCoordinate = new RectangleCoordinate(115.521773, 39.106335, 115.801182, 38.943988);
//保定市
//final RectangleCoordinate searchAreaCoordinate = new RectangleCoordinate(114.332719,39.574064, 116.588688,38.179144);
List<RectangleCoordinate> validCoordinate = getValidCoordinate(searchAreaCoordinate);
logger.info("get all valid coordinate,size is [{}]", validCoordinate.size());
/**
* 獲取到全部的小方塊以後能夠作一些處理， 好比存儲到某個地方，以防發生異常，方便後面從新遍歷，我這裏暫未作處理
*/
validCoordinate.forEach(coor -> {
try {
startAnaMainGaode(coor);
} catch (AnalysisException e) {
e.printStackTrace();
}
});
ISLAST = true;
saveIntoDbGaode(new JSONArray());
}
/**
* [@return](https://my.oschina.net/u/556800) 獲取矩形塊中 符合 調用api的 小矩形塊的集合
* 由於高德地圖某個矩形塊只能獲取前1000條，因此要將矩形塊分割成能夠獲取到所有數據的矩形塊
* 若是當前矩形塊請求數據返回的count<1000 即爲符合條件的，不然將矩形塊4等分 而後遞歸
*/
private List<RectangleCoordinate> getValidCoordinate(RectangleCoordinate coordinate) {
List<RectangleCoordinate> validCoordinate = new LinkedList<>();
JSONObject searchResult = getSearchResult(coordinate, 0);
if (searchResult.getIntValue("count") >= 1000) {
List<RectangleCoordinate> splitRectangleList = getSplitRectangleList(coordinate);
splitRectangleList.forEach(coor -> validCoordinate.addAll(getValidCoordinate(coor)));
} else {
logger.info("add a valid coordinate [{}]", coordinate.toString());
validCoordinate.add(coordinate);
}
return validCoordinate;
}
/**
* [@return](https://my.oschina.net/u/556800) 將矩形4等分紅小矩形 而後返回4個 小矩形的經緯度集合
*/
private List<RectangleCoordinate> getSplitRectangleList(RectangleCoordinate coordinate) {
List<RectangleCoordinate> splitRectangleList = new LinkedList<>();
splitRectangleList.add(new RectangleCoordinate(coordinate.getX0(), coordinate.getY0(), coordinate.getAverageX(), coordinate.getAverageY()));
splitRectangleList.add(new RectangleCoordinate(coordinate.getAverageX(), coordinate.getY0(), coordinate.getX1(), coordinate.getAverageY()));
splitRectangleList.add(new RectangleCoordinate(coordinate.getX0(), coordinate.getAverageY(), coordinate.getAverageX(), coordinate.getY1()));
splitRectangleList.add(new RectangleCoordinate(coordinate.getAverageX(), coordinate.getAverageY(), coordinate.getX1(), coordinate.getY1()));
return splitRectangleList;
}
/**
* @return 獲取矩形塊的poi數據
*/
private JSONObject getSearchResult(RectangleCoordinate coordinate, int page) {
RestTemplate restTemplate = new RestTemplate();
String url = getRequestGaodeUrl(coordinate,page);
String result = restTemplate.getForObject(url, String.class);
try {
try {
Thread.sleep(50);
} catch (InterruptedException e) {
e.printStackTrace();
}
return JSONObject.parseObject(result);
} catch (Exception e) {
logger.error("an error occurred when getting response of gaode map data for coordinate:[{}]", coordinate.toString());
}
return null;
}
private void startAnaMainGaode(RectangleCoordinate coordinate) throws AnalysisException {
//當前爬取的數據的頁數索引
int page_num = 0;
//當前爬取內容是不是最後一頁
boolean isLastPage = false;
JSONObject searchResult;
JSONArray datas = null;
logger.info("ready to analysis coordinate:[{}]", coordinate.toString());
while (!isLastPage) {
logger.info("is going to get data for page_" + page_num);
try {
searchResult = getSearchResult(coordinate, page_num);
datas = searchResult.getJSONArray("pois");
} catch (Exception e) {
logger.error("an error occurred when getting response of gaode map data for coordinate:[{}]", coordinate.toString());
}
if (datas != null && datas.size() < 20) {
isLastPage = true;
logger.info("get result counts is [{}], now page index is [{}]", datas.size(), page_num);
}
saveIntoDbGaode(datas);
page_num++;
}
}
private void saveIntoDbGaode(JSONArray result) {
JSONObject resultItem;
for (int i = 0; i < result.size(); i++) {
resultItem = result.getJSONObject(i);
try {
results.add(getInsertUnitObject(resultItem));
} catch (Exception e) {
logger.error("生成數據時異常，e: {}", e.getMessage());
e.printStackTrace();
}
}
if (results.size() > BATCHINSERTLIMIT || ISLAST) {
logger.info("is ready to batch insert into unit, total count is {}", results.size());
try {
dao.batchAddUnitGaode(results);
} catch (Exception e) {
logger.error("更新數據庫異常，e: {}", e.getMessage());
}
results = new JSONArray();
}
}
private JSONObject getInsertUnitObject(JSONObject resultItem) {
JSONObject unitDataObject = new JSONObject();
unitDataObject.put("uid", resultItem.getString("id"));
unitDataObject.put("name", resultItem.getString("name"));
unitDataObject.put("type", resultItem.getString("type"));
unitDataObject.put("tag", resultItem.getString("type"));
unitDataObject.put("address", resultItem.getString("address"));
unitDataObject.put("province", resultItem.getString("pname"));
unitDataObject.put("city", resultItem.getString("cityname"));
unitDataObject.put("area", resultItem.getString("adname"));
String tel = resultItem.getString("tel");
if (tel != null && !"[]".equals(tel)) {
unitDataObject.put("telephone", tel);
}
try {
JSONArray url = resultItem.getJSONArray("website");
if (url != null && url.size() > 0) {
unitDataObject.put("detail_url", url.getString(0));
}
} catch (Exception e) {
unitDataObject.put("detail_url", resultItem.getString("website"));
}
JSONArray photos = resultItem.getJSONArray("photos");
if (photos != null && photos.size() > 0) {
StringBuilder images = new StringBuilder();
for (int j = 0; j < photos.size(); j++) {
images.append(j == 0 ? "" : ";").append(photos.getJSONObject(j).getString("url"));
}
unitDataObject.put("images", images.toString());
}
String entr_location = resultItem.getString("location");
if (StringUtils.isEmpty(entr_location)) {
entr_location = resultItem.getString("entr_location");
}
if (!StringUtils.isEmpty(entr_location)) {
unitDataObject.put("lng", entr_location.split(",")[0]);
unitDataObject.put("lat", entr_location.split(",")[1]);
}
return unitDataObject;
}
private String getRequestGaodeUrl(RectangleCoordinate coordinate, int page) {
return "https://restapi.amap.com/v3/place/polygon?" +
"key=xxxxxxxxxxxxxxxxxxxxxxx&polygon=" + coordinate.toString() + "&page=" + page + "&types=010000|" +
"010100|010101|010102|010103|010104|010105|010107|010108|010109|010110|010111|010112|010200|010300|010400|" +
"010401|010500|010600|010700|010800|010900|010901|011000|011100|020000|020100|020101|020102|020103|020104|" +
"020105|020106|020200|020201|020202|020203|020300|020301|020400|020401|020402|020403|020404|020405|020406|" +
"020407|020408|020600|020601|020602|020700|020701|020702|020703|020800|020900|020904|020905|021000|021001|" +
"021002|021003|021004|021100|021200|021201|021202|021203|021300|021301|021400|021401|021500|021501|021600|" +
"021601|021602|021700|021701|021702|021800|021802|021803|021804|021900|022000|022100|022200|022300|022301|" +
"022400|022500|022501|022502|022600|022700|022800|022900|023000|023100|023200|023300|023301|023400|023500|" +
"025000|025100|025200|025300|025400|025500|025600|025700|025800|025900|026000|026100|026200|026300|029900|" +
"030000|030100|030200|030201|030202|030203|030204|030205|030206|030300|030301|030302|030303|030400|030401|" +
"030500|030501|030502|030503|030504|030505|030506|030507|030508|030700|030701|030702|030800|030801|030802|" +
"030803|030900|031000|031004|031005|031100|031101|031102|031103|031104|031200|031300|031301|031302|031303|" +
"031400|031401|031500|031501|031600|031601|031700|031701|031702|031800|031801|031802|031900|031902|031903|" +
"031904|032000|032100|032200|032300|032400|032401|032500|032600|032601|032602|032700|032800|032900|033000|" +
"033100|033200|033300|033400|033401|033500|033600|035000|035100|035200|035300|035400|035500|035600|035700|" +
"035800|035900|036000|036100|036200|036300|039900|040000|040100|040101|040200|040201|050000|050100|050101|" +
"050102|050103|050104|050105|050106|050107|050108|050109|050110|050111|050112|050113|050114|050115|050116|" +
"050117|050118|050119|050120|050121|050122|050123|050200|050201|050202|050203|050204|050205|050206|050207|" +
"050208|050209|050210|050211|050212|050213|050214|050215|050216|050217|050300|050301|050302|050303|050304|" +
"050305|050306|050307|050308|050309|050310|050311|050400|050500|050501|050502|050503|050504|050600|050700|" +
"050800|050900|060000|060100|060101|060102|060103|060200|060201|060202|060300|060301|060302|060303|060304|" +
"060305|060306|060307|060308|060400|060401|060402|060403|060404|060405|060406|060407|060408|060409|060411|" +
"060413|060414|060415|060500|060501|060502|060600|060601|060602|060603|060604|060605|060606|060700|060701|" +
"060702|060703|060704|060705|060706|060800|060900|060901|060902|060903|060904|060905|060906|060907|061000|" +
"061001|061100|061101|061102|061103|061104|061200|061201|061202|061203|061204|061205|061206|061207|061208|" +
"061209|061210|061211|061212|061213|061214|061300|061301|061302|061400|061401|070000|070100|070200|070201|" +
"070202|070203|070300|070301|070302|070303|070304|070305|070306|070400|070401|070500|070501|070600|070601|" +
"070603|070604|070605|070606|070607|070608|070609|070610|070700|070701|070702|070703|070704|070705|070706|" +
"070800|070900|071000|071100|071200|071300|071400|071500|071600|071700|071800|071801|071900|071901|071902|" +
"071903|072000|072001|080000|080100|080101|080102|080103|080104|080105|080106|080107|080108|080109|080110|" +
"080111|080112|080113|080114|080115|080116|080117|080118|080119|080200|080201|080202|080300|080301|080302|" +
"080303|080304|080305|080306|080307|080308|080400|080401|080402|080500|080501|080502|080503|080504|080505|" +
"080600|080601|080602|080603|090000|090100|090101|090102|090200|090201|090202|090203|090204|090205|090206|" +
"090207|090208|090209|090210|090211|090300|090400|090500|090600|090601|090602|090700|090701|090702|100000|" +
"100100|100101|100102|100103|100104|100105|100200|100201|110000|110100|110101|110102|110103|110104|110105|" +
"110106|110200|110201|110202|110203|110204|110205|110206|110207|110208|110209|120000|120100|120200|120201|" +
"120202|120203|120300|120301|120302|120303|120304|130000|130100|130101|130102|130103|130104|130105|130106|" +
"130107|130200|130201|130202|130300|130400|130401|130402|130403|130404|130405|130406|130407|130408|130409|" +
"130500|130501|130502|130503|130504|130505|130506|130600|130601|130602|130603|130604|130605|130606|130700|" +
"130701|130702|130703|140000|140100|140101|140102|140200|140201|140300|140400|140500|140600|140700|140800|" +
"140900|141000|141100|141101|141102|141103|141104|141105|141200|141201|141202|141203|141204|141205|141206|" +
"141207|141300|141400|141500|150000|150100|150101|150102|150104|150105|150106|150107|150200|150201|150202|" +
"150203|150204|150205|150206|150207|150208|150209|150210|150300|150301|150302|150303|150304|150400|150500|" +
"150501|150600|150700|150701|150702|150703|150800|150900|150903|150904|150905|150906|150907|150908|150909|" +
"151000|151100|151200|151300|160000|160100|160101|160102|160103|160104|160105|160106|160107|160108|160109|" +
"160110|160111|160112|160113|160114|160115|160117|160118|160119|160120|160121|160122|160123|160124|160125|" +
"160126|160127|160128|160129|160130|160131|160132|160133|160134|160135|160136|160137|160138|160139|160140|" +
"160141|160142|160143|160144|160145|160146|160147|160148|160149|160150|160151|160152|160200|160300|160301|" +
"160302|160303|160304|160305|160306|160307|160308|160309|160310|160311|160312|160314|160315|160316|160317|" +
"160318|160319|160320|160321|160322|160323|160324|160325|160326|160327|160328|160329|160330|160331|160332|" +
"160333|160334|160335|160336|160337|160338|160339|160340|160341|160342|160343|160344|160345|160346|160347|" +
"160348|160349|160400|160401|160402|160403|160404|160405|160406|160407|160408|160500|160501|160600|170000|" +
"170100|170200|170201|170202|170203|170204|170205|170206|170207|170208|170209|170300|170400|170401|170402|" +
"170403|170404|170405|170406|170407|170408|180000|180100|180101|180102|180103|180104|180200|180201|180202|" +
"180203|180300|180301|180302|180400|180500|190000|190100|190101|190102|190103|190104|190105|190106|190107|" +
"190108|190109|190200|190201|190202|190203|190204|190205|190300|190301|190302|190303|190304|190305|190306|" +
"190307|190308|190309|190310|190311|190400|190401|190402|190403|190500|190600|190700|200000|200100|200200|" +
"200300|200301|200302|200303|200304|200400|220000|220100|220101|220102|220103|220104|220105|220106|220107|" +
"220200|220201|220202|220203|220204|220205|970000|990000|991000|991001|991400|991401|991500&extensions=all";
}
/**
* 矩形塊的經緯度標識， 左上角的經緯度 和右下角的經緯度
*/
class RectangleCoordinate {
/**
* 矩形左上角經度
*/
private double x0;
/**
* 矩形左上角緯度
*/
private double y0;
/**
* 矩形右下角經度
*/
private double x1;
/**
* 矩形右下角緯度
*/
private double y1;
public RectangleCoordinate(double x0, double y0, double x1, double y1) {
this.x0 = x0;
this.y0 = y0;
this.x1 = x1;
this.y1 = y1;
}
/**
* @return 獲取矩形中心線的緯度
*/
public double getAverageY() {
return (y0 + y1) / 2;
}
/**
* @return 獲取矩形中心線的經度
*/
public double getAverageX() {
return (x0 + x1) / 2;
}
public double getX0() {
return x0;
}
public void setX0(double x0) {
this.x0 = x0;
}
public double getY0() {
return y0;
}
public void setY0(double y0) {
this.y0 = y0;
}
public double getX1() {
return x1;
}
public void setX1(double x1) {
this.x1 = x1;
}
public double getY1() {
return y1;
}
public void setY1(double y1) {
this.y1 = y1;
}
@Override
public String toString() {
return x0 + "," + y0 + "|" + x1 + "," + y1;
}
}`
更新（2018-09-20）：
一、時間問題，當前50ms請求一次api接口，跑完小縣城的數據（幾萬條）大概須要十分鐘左右吧，把整個市區主要數據跑完斷斷續續的用了一天吧，最後跑了近27W數據
二、應用問題，本來的想法就是作個簡單的小程序，把跑來的數據加以利用，作個電話本相似的應用，具體能夠掃下方小程序碼體驗
更新（2019-01-28）：
有一些朋友向我要源碼，可能大可能是新手，儘管思路給了，代碼仍是寫不出來。其實上方我把主要的代碼基本都發布出來了，可是應各位要求，我把源碼提交到github了，能夠訪問 個人github 查看
更新（2019-07-24）
想到一個弊端，並找到了解決方法：
不少朋友使用上文提供的方法時，不免會獲得一些」垃圾數據「，何爲垃圾數據呢？好比我爬取保定的某些數據，開始大體選了一個區域，爲了爬取到全部的數據，就要保證所選區域要涵蓋保定，最後爬到的數據就不止保定的數據了，其餘區域的數據就爲垃圾數據，以下圖：
看到沒有，在儘量小的區域內，垃圾數據所在區域也幾乎佔了小一半了，除了臨近的市區（任丘等），也包含了其餘省（山西，北京等）的數據。除了區域不精準，更可怕的是像北京這種大城市，poi數量很大，因此會形成爬取的數據可能只有部分是目標數據。
有人會說，能夠在爬完數據以後再處理。也不是不能夠，不過這個過程當中調用api，io操做費時費力。
當前我想到的辦法是，根據原文方法拿到要爬取的區域以後，先判斷是不是咱們想要的區域（方形區域4個點至少有一個在目標區域內），不然就捨棄掉。好比上圖右上角的區域，拿到以後發現都是北京的，捨棄。
具體方法還要調用百度或高德提供的逆地理編碼接口。點這裏看介紹。
根據區域的location，調用接口，獲得返回的數據中會包含該location的country、province、city等。而後進行過濾就OK了。
優化核心相似：以前目標區域劃分紅的小矩形塊有10萬個，根據逆地理編碼接口，過濾掉其餘省市，剩餘5千個，獲取這5千個小矩形塊的poi數據便可。
我當前的應用中，由於涉及到北京市，因此劃分的小矩形塊和目標小矩形塊差別較大，相似下圖：
相關文章
- 1. PYTHON爬取高德地圖POI
- 2. Python3爬取高德地圖POI
- 3. FME爬取高德POI數據
- 4. 爬取高德地圖全國poi的爬蟲
- 5. 高德地圖poi搜索
- 6. 高德地圖交通態勢爬取
- 7. 根據關鍵字獲取高德地圖poi信息
- 8. 高德地圖爬蟲
- 9. 高德地圖——定位，POI搜索
- 10. 高德地圖POI採集（URL-API）
- 更多相關文章...
- • PHP 獲取圖像寬度與高度 - PHP參考手冊
- • PHP MySQL 讀取數據 - PHP教程
- • Flink 數據傳輸及反壓詳解
- • TiDB 在摩拜單車在線數據業務的應用和實踐
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
- 1. vs2019運行opencv圖片顯示代碼時，窗口亂碼
- 2. app自動化 - 元素定位不到？別慌，看完你就能解決
- 3. 在Win8下用cisco ××× Client連接時報Reason 422錯誤的解決方法
- 4. eclipse快速補全代碼
- 5. Eclipse中Java/Html/Css/Jsp/JavaScript等代碼的格式化
- 6. idea+spring boot +mabitys(wanglezapin)+mysql (1)
- 7. 勒索病毒發生變種 新文件名將帶有「.UIWIX」後綴
- 8. 【原創】Python 源文件編碼解讀
- 9. iOS9企業部署分發問題深入瞭解與解決
- 10. 安裝pytorch報錯CondaHTTPError：******
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. PYTHON爬取高德地圖POI
- 2. Python3爬取高德地圖POI
- 3. FME爬取高德POI數據
- 4. 爬取高德地圖全國poi的爬蟲
- 5. 高德地圖poi搜索
- 6. 高德地圖交通態勢爬取
- 7. 根據關鍵字獲取高德地圖poi信息
- 8. 高德地圖爬蟲
- 9. 高德地圖——定位，POI搜索
- 10. 高德地圖POI採集（URL-API）