python获取处理自然保护区属性数据

2023-11-23 11:50

本文主要是介绍python获取处理自然保护区属性数据,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

写在前面

[本文只用于python技术交流,不作任何其它延伸用途,数据下载后仅做科学研究,服务国家自然保护区科学研究工作,数据不外泄不传播,保障国家数据安全,人人有责。]

作者:海岸云鹤  

中国自然保护区标本资源共享平台内的地理信息库有3398个保护区数据,保护区类型多样,级别分为国家级、省级、市级,二级详情页有编号、级别、类型、行政区域等详细信息,大部分保护区有kmz空间范围数据下载后可在QGIS中打开(图1-4)。

任务目标

批量下载中国各省份、各级别、所有类型的自然保护区二级详情页的属性数据,如有kmz空间范围数据一并下载。

网址:地理信息库 - 中国自然保护区生物标本资源共享平台http://www.papc.cn/html/folder/946895-1.htm

图1

图2

 

图3

图4

 编写代码

通过大量详细解析网页结构、构建爬取规则,编写以下代码进行爬取

#coding:utf-8
import requests
import json
import numpy as np
import pandas as pd
import bs4 
import csv
import re
import math# 获取相应数据
def open_url(url,data2):#设置请求头 输入自己的headersheaders = {"Cookie":XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX,
#         "Content-Type":"application/x-www-form-urlencoded","User-Agent": SSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSS}response=requests.post(url,headers=headers,data=data2,  timeout=(3,7))#time为设置间隔时间,保证网页有相应的反应时间,保障连接res = response.textreturn res
# 获取相应数据def findReserveI(res):df = pd.DataFrame(columns = ["ReserveID", "Reserve_name", "Reserve_IDlevel", "Reserve_IDtype",'Reserve_IDdept','Reserve_IDcity','Reserve_IDadminarea','Reserve_IDprotect','Reserve_IDarea','Reserve_IDyears'])soup = bs4.BeautifulSoup(res,'lxml')#html.parsertargets =soup.find_all(id='19')#寻找存放网址的地方
#     print (targets)for each in targets:#     print(each)#         reserve_name= each.get_text()web_number=str(each['href']).split('/')[-1][:-6]#得到每个保护区的网站编号#     print(web_number)url2='http://www.papc.cn/html/reserve/'+web_number+'-1.htm#p=1'#构建每个保护区详情页网址,用于获取完整的自然保护区名称,后续进行详情提取#    print(url2)headers = {"Cookie":XXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXXX,"User-Agent":SSSSSSSSSSSSSSSSSSSSSSSSSSSSSSSS}response2=requests.get(url2,headers=headers,  timeout=(3,7))res2=response2.textif '该页不存在' in res2:Reserve_name= each.get_text()dicts = [{ "Reserve_name":Reserve_name}]df=df.append(dicts, ignore_index=True, sort=False)continueelse:soup2 = bs4.BeautifulSoup(res2,'lxml')targets2 =soup2.find_all(id="ReserveIDcode")#     print(targets2)for each2 in targets2:ReserveID=each2.get_text().strip()#             print(ReserveID)targets3=soup2.find_all(id="ReserveIDsubject")#     print(targets3)for each3 in targets3:Reserve_name=each3.get_text().strip()print(Reserve_name)targets4=soup2.find_all(id="ReserveIDlevel")#     print(targets4)for each4 in targets4:Reserve_IDlevel=each4.get_text().strip()#             print(Reserve_IDlevel)targets5=soup2.find_all(id="ReserveIDtype")#     print(targets5)for each5 in targets5:Reserve_IDtype=each5.get_text().strip()#             print(Reserve_IDtype)targets6=soup2.find_all(id="ReserveIDdept")#     print(targets6)for each6 in targets6:Reserve_IDdept=each6.get_text().strip()#             print(Reserve_IDdept)targets7=soup2.find_all(id="ReserveIDcity")#     print(targets7)for each7 in targets7:Reserve_IDcity=each7.get_text().strip()#             print(Reserve_IDcity)targets8=soup2.find_all(id="ReserveIDadminarea")#     print(targets8)for each8 in targets8:Reserve_IDadminarea=each8.get_text().strip()#             print(Reserve_IDadminarea)targets9=soup2.find_all(id="ReserveIDprotect")#     print(targets9)for each9 in targets9:Reserve_IDprotect=each9.get_text().strip()#             print(Reserve_IDprotect)targets10=soup2.find_all(id="ReserveIDarea")#     print(targets10)for each10 in targets10:Reserve_IDarea=each10.get_text().strip()#             print(Reserve_IDarea)targets11=soup2.find_all(id="ReserveIDyears")#     print(targets11)for each11 in targets11:Reserve_IDyears=each11.get_text().strip()#             print(Reserve_IDyears)dicts = [{"ReserveID":ReserveID, "Reserve_name":Reserve_name, "Reserve_IDlevel":Reserve_IDlevel, "Reserve_IDtype":Reserve_IDtype,'Reserve_IDdept':Reserve_IDdept,'Reserve_IDcity':Reserve_IDcity,'Reserve_IDadminarea':Reserve_IDadminarea,'Reserve_IDprotect':Reserve_IDprotect,'Reserve_IDarea':Reserve_IDarea,'Reserve_IDyears': Reserve_IDyears}]print(dicts)df=df.append(dicts, ignore_index=True, sort=False)dfreturn dfdef find_depth(res):soup = bs4.BeautifulSoup(res,'lxml')#html.parserNumbers=soup.find_all(id="PageNum")
# print(Numbers)i=0for num in Numbers:Pagenum=num.get_text()#     print(Pagenum)a = re.findall("\d+\.?\d*", Pagenum)sum_number=a[0]i=i+1if i ==1:breakprint(sum_number)       if int(sum_number)>30:yeshu =math.ceil(int(sum_number) /30)else:yeshu=1return int(yeshu)def request_data(node,level,city):data2 = {'type':node,"level":level,'city':city}#定义Post请求数据return data2def main():host="http://www.papc.cn/html/folder/946895-1.htm" #数据存放的网址'df2 = pd.DataFrame(columns = ["ReserveID", "Reserve_name", "Reserve_IDlevel", "Reserve_IDtype",'Reserve_IDdept','Reserve_IDcity','Reserve_IDadminarea','Reserve_IDprotect','Reserve_IDarea','Reserve_IDyears'])city=[[11,'BeiJing','北京'],[12,'TianJin','天津'],[13,'HeBei','河北'],[14,'ShanXi','山西'],[15,'NeiMengGu','内蒙古'],[21,'LiaoNing','辽宁'],[22,'JiLin','吉林'],[23,'HeiLongJiang','黑龙江'],[31,'ShangHai','上海'],[32,'JiangSu','江苏'],[33,'ZheJiang','浙江'],[34,'AnHui','安徽'],[35,'FuJian','福建'],[36,'JiangXi','江西'],[37,'ShanDong','山东'],[41,'HeNan','河南'],[42,'HuBei','湖北'],[43,'HuNan','湖南'],[44,'GuangDong','广东'],[45,'GuangXi','广西'],[46,'HaiNan','海南'],[50,'ZhongQing','重庆'],[51,'SiChuan','四川'],[52,'GuiZhou','贵州'],[53,'YunNan','云南'],[54,'XiCang','西藏'],[61,'ShanXi','陕西'],[62,'GanSu','甘肃'],[63,'QingHai','青海'],[64,'NingXia','宁夏'],[65,'XinJiang','新疆'],[71,'TaiWan','台湾'],[81,'XiangGang','香港'],[82,'AoMen','澳门']]for ci in city:node=0level=1city=int(ci[0]) data2=request_data(node,level,city)res=open_url(host,data2)depth =find_depth(res)a=-1for de in range(depth):a=a+1if a<1:url=hostdf2=df2.append(findReserveI(res), ignore_index=True, sort=False)else:pos=a*30url ='http://www.papc.cn/html/folder/946895-1.htm?node={}&city={}&level={}&pos={}'.format(node,city,level,pos)res=open_url(url,data2)df2=df2.append(findReserveI(res),ignore_index=True, sort=False)        print(df2)df2.to_csv('K:/searchdata/保护区kmz/excel/国家级自然保护区new.csv',index=0, na_rep='NA',encoding='utf-8-sig') #不保存行索引print('保存完毕!!!')

 成功运行

 

 

这篇关于python获取处理自然保护区属性数据的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/417733

相关文章

Python将博客内容html导出为Markdown格式

《Python将博客内容html导出为Markdown格式》Python将博客内容html导出为Markdown格式,通过博客url地址抓取文章,分析并提取出文章标题和内容,将内容构建成html,再转... 目录一、为什么要搞?二、准备如何搞?三、说搞咱就搞!抓取文章提取内容构建html转存markdown

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

微信公众号脚本-获取热搜自动新建草稿并发布文章

《微信公众号脚本-获取热搜自动新建草稿并发布文章》本来想写一个自动化发布微信公众号的小绿书的脚本,但是微信公众号官网没有小绿书的接口,那就写一个获取热搜微信普通文章的脚本吧,:本文主要介绍微信公众... 目录介绍思路前期准备环境要求获取接口token获取热搜获取热搜数据下载热搜图片给图片加上标题文字上传图片

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优