Rui - 地图可视化（二）：地理编码

申请高德地图 API

首先进入高德开放平台 https://lbs.amap.com/，点击右上角登录或注册。注册后在主界面点击开发支持进入Web服务API，点击创建工程：获取 key 然后依照说明申请即可。

申请后再回到Web服务API页面，选择API文档：地理/逆地理编码，仔细阅读说明特别是 API 的 URL 和调用方法。然后点击右上方头像，选择应用管理。

依次点击 应用管理：我的应用 -> 创建新应用 -> 填写、新建。之后点击右上方 添加 -> 为 XXX 添加 key，其中特别注意选择 Web 服务。之后就能看到 key 了。

地理编码

读取数据

Code

library(tidyverse)

data <- read.csv("data/清洗后的数据.csv", encoding = "UTF-8")
data %>% head() %>% knitr::kable()

type	name	clean_address
共建研究院	浙江大学绍兴研究院	浙江省绍兴市越城区迪荡湖隧道科学园3号楼26-27层
共建研究院	天津大学浙江国际创新设计与智造研究院	浙江省绍兴市越城区洋泾湖科创园1号楼
共建研究院	上海大学绍兴研究院	浙江省绍兴市越城区三江路78号
共建研究院	浙江工业大学绍兴研究院	浙江省绍兴市越城区洋泾湖科创园2号楼
共建研究院	江南大学(绍兴)产业技术研究院	浙江省绍兴市越城区洋江东路19号
共建研究院	中国纺织科学研究院江南分院	浙江省绍兴市越城区双堰路30号

调用高德地图 API 进行地理编码

地理编码/逆地理编码 API 是通过 HTTP/HTTPS 协议访问远程服务的接口，提供结构化地址与经纬度之间的相互转化的能力。

地理编码：将详细的结构化地址转换为高德经纬度坐标。且支持对地标性名胜景区、建筑物名称解析为高德经纬度坐标。结构化地址举例：北京市朝阳区阜通东大街6号转换后经纬度：116.480881,39.989410 地标性建筑举例：天安门转换后经纬度：116.397499,39.908722
逆地理编码：将经纬度转换为详细结构化的地址，且返回附近周边的POI、AOI信息。例如：116.480881,39.989410 转换地址描述后：北京市朝阳区阜通东大街6号

其实调用 API 的过程和爬虫差不多，注意同样要设置停止时间 Sys.sleep() 防止请求频率过高被 ban。使用 for 循环遍历每家企业的地址进行地理编码，再写入 csv 文件中。

Code

library(httr)
library(jsonlite)

# 输入高德地图API的key
amap_key <- "我的key"

# 循环处理每个企业的地址
for (i in 1:nrow(data)) {
  address <- data[i, "clean_address"]
  
  # 构造请求
  url <- paste0("https://restapi.amap.com/v3/geocode/geo?address=", address, "&key=", amap_key)
  
  # 发送HTTP请求并获取响应JSON
  response <- GET(url)
  response_json <- content(response, "text", encoding = "UTF-8")
  response_json <- jsonlite::fromJSON(response_json)
  
  # 解析响应JSON并获取经纬度
  if (response_json$status == "1" && length(response_json$geocodes) > 0) {
    # status为1意味着解析成功
    location <- response_json$geocodes$location
    longitude_latitude <- strsplit(location, ",")[[1]]
    data[i, "longitude"] <- as.numeric(longitude_latitude[1])
    data[i, "latitude"] <- as.numeric(longitude_latitude[2])
  } else {
    data[i, "longitude"] <- NA
    data[i, "latitude"] <- NA
  }
  
  # sleep one second to avoid getting banned by AMAP API
  Sys.sleep(1)
  print(i)
}

# 将结果写回到csv文件中
data <- data %>% filter(!is.na(clean_address))
write_excel_csv(data, "data/地址经纬度数据.csv")

Warning

代码中的 if-else 语句用于处理地理编码不成功的个例，将接入 API 后没有查询到的企业或者解析不成功的企业的经纬度赋值为 NA。其实这里应该使用异常处理语句会更好。R 语言的异常处理是什么样的呢？

--- title: "地图可视化（二）：地理编码" author: "Rui" date: "2023-04-02" categories: [R, httr, jsonlite] image: "pinkmoon.jpg" format: html: code-fold: true code-tools: true --- ```{r setup, include = FALSE} # 设置默认参数 knitr::opts_chunk$set( echo = TRUE, fig.align = "center", message = FALSE, warning = FALSE, collapse = TRUE ) ``` ![](pinkmoon.jpg) ## 申请高德地图 API 首先进入高德开放平台 <https://lbs.amap.com/>，点击右上角登录或注册。注册后在主界面点击`开发支持`进入`Web服务API`，点击`创建工程：获取 key` 然后依照说明申请即可。 ![](高德开放平台1.png) ![](高德开放平台2.png) 申请后再回到`Web服务API`页面，选择`API文档：地理/逆地理编码`，仔细阅读说明特别是 API 的 URL 和调用方法。然后点击右上方头像，选择应用管理。 ![](高德开放平台3.png) ![](高德开放平台4.png) 依次点击 `应用管理：我的应用` -> `创建新应用` -> `填写、新建`。之后点击右上方 `添加` -> `为 XXX 添加 key`，其中特别注意选择 `Web 服务`。之后就能看到 key 了。 ![](高德开放平台5.png) ![](高德开放平台6.png) ## 地理编码 ### 读取数据 ```{r} library(tidyverse) data <- read.csv("data/清洗后的数据.csv", encoding = "UTF-8") data %>% head() %>% knitr::kable() ``` ### 调用高德地图 API 进行地理编码 > 地理编码/逆地理编码 API 是通过 HTTP/HTTPS 协议访问远程服务的接口，提供结构化地址与经纬度之间的相互转化的能力。 - 地理编码：将详细的结构化地址转换为高德经纬度坐标。且支持对地标性名胜景区、建筑物名称解析为高德经纬度坐标。结构化地址举例：北京市朝阳区阜通东大街6号转换后经纬度：116.480881,39.989410 地标性建筑举例：天安门转换后经纬度：116.397499,39.908722 - 逆地理编码：将经纬度转换为详细结构化的地址，且返回附近周边的POI、AOI信息。例如：116.480881,39.989410 转换地址描述后：北京市朝阳区阜通东大街6号其实调用 API 的过程和爬虫差不多，注意同样要设置停止时间 `Sys.sleep()` 防止请求频率过高被 ban。使用 for 循环遍历每家企业的地址进行地理编码，再写入 csv 文件中。 ```{r, eval=FALSE} library(httr) library(jsonlite) # 输入高德地图API的key amap_key <- "我的key" # 循环处理每个企业的地址 for (i in 1:nrow(data)) { address <- data[i, "clean_address"] # 构造请求 url <- paste0("https://restapi.amap.com/v3/geocode/geo?address=", address, "&key=", amap_key) # 发送HTTP请求并获取响应JSON response <- GET(url) response_json <- content(response, "text", encoding = "UTF-8") response_json <- jsonlite::fromJSON(response_json) # 解析响应JSON并获取经纬度 if (response_json$status == "1" && length(response_json$geocodes) > 0) { # status为1意味着解析成功 location <- response_json$geocodes$location longitude_latitude <- strsplit(location, ",")[[1]] data[i, "longitude"] <- as.numeric(longitude_latitude[1]) data[i, "latitude"] <- as.numeric(longitude_latitude[2]) } else { data[i, "longitude"] <- NA data[i, "latitude"] <- NA } # sleep one second to avoid getting banned by AMAP API Sys.sleep(1) print(i) } # 将结果写回到csv文件中 data <- data %>% filter(!is.na(clean_address)) write_excel_csv(data, "data/地址经纬度数据.csv") ``` :::{.callout-tip} 代码中的 `if-else` 语句用于处理地理编码不成功的个例，将接入 API 后没有查询到的企业或者解析不成功的企业的经纬度赋值为 NA。其实这里应该使用异常处理语句会更好。R 语言的异常处理是什么样的呢？ ::: :::{,call-warning} 除了调用 API 太频繁导致被 ban 以外，有时候防火墙也会导致 URL 请求失败。具体参见：<https://stackoverflow.com/questions/54624278/getting-connection-timed-out-error-while-geocoding-in-r> :::