我们都知道，可以使用高德地图api实现经纬度与地址的转换。那么，当我们有很多个地址与经纬度，需要批量转换的时候，应该怎么办呢？

在这里，选用高德Web服务的API，其中的地址/逆地址编码，可以实现经纬度与地址的转换。

高德API地址：

地理/逆地理编码：http://lbs.amap.com/api/webservice/guide/api/georegeo

坐标转换：http://lbs.amap.com/api/webservice/guide/api/convert

1.申请key

2.坐标转换

坐标转换是一类简单的HTTP接口，能够将用户输入的非高德坐标（GPS坐标、mapbar坐标、baidu坐标）转换成高德坐标。

def transform(location): parameters = {'coordsys':'gps','locations': location, 'key': '7ec25a9c6716bb26f0d25e9fdfa012b8'} base = 'http://restapi.amap.com/v3/assistant/coordinate/convert' response = requests.get(base, parameters) answer = response.json() return answer['locations']

2.地理/逆地理编码

我这里是将经纬度转换为地址，所以选用的是逆地理编码的接口。

def geocode(location): parameters = {'location': location, 'key': '7ec25a9c6716bb26f0d25e9fdfa012b8'} base = 'http://restapi.amap.com/v3/geocode/regeo' response = requests.get(base, parameters) answer = response.json() return answer['regeocode']['addressComponent']['district'].encode('gbk','replace'),answer['regeocode']['formatted_address'].encode('gbk','replace')

3.从文件中读取

需要批量获取的话，一般是从文件中读取数据，读取代码如下：

def parse(): datas = [] totalListData = pd.read_csv('locs.csv') totalListDict = totalListData.to_dict('index') for i in range(0, len(totalListDict)): datas.append(str(totalListDict[i]['centroidx']) + ',' + str(totalListDict[i]['centroidy'])) return datas

4.完整代码

对于批量获取，我一开始也走了很多弯路。一开始选用javascript接口，但是js接口的函数是异步返回，所以可能第10行的结果跑到第15行去了，一直没有很好的解决，后来才选用web接口。最后，将完整代码贴于此，仅供参考。

#!/usr/bin/env#-*- coding:utf-8 -*-'''利用高德地图api实现经纬度与地址的批量转换'''import requestsimport pandas as pdimport timeimport sysreload(sys)sys.setdefaultencoding("utf-8") def parse(): datas = [] totalListData = pd.read_csv('locs.csv') totalListDict = totalListData.to_dict('index') for i in range(0, len(totalListDict)): datas.append(str(totalListDict[i]['centroidx']) + ',' + str(totalListDict[i]['centroidy'])) return datas def transform(location): parameters = {'coordsys':'gps','locations': location, 'key': '7ec25a9c6716bb26f0d25e9fdfa012b8'} base = 'http://restapi.amap.com/v3/assistant/coordinate/convert' response = requests.get(base, parameters) answer = response.json() return answer['locations'] def geocode(location): parameters = {'location': location, 'key': '7ec25a9c6716bb26f0d25e9fdfa012b8'} base = 'http://restapi.amap.com/v3/geocode/regeo' response = requests.get(base, parameters) answer = response.json() return answer['regeocode']['addressComponent']['district'].encode('gbk','replace'),answer['regeocode']['formatted_address'].encode('gbk','replace') if __name__=='__main__': i = 0 count = 0 df = pd.DataFrame(columns=['location','detail']) #locations = parse(item) locations = parse() for location in locations: dist, detail = geocode(transform(location)) df.loc[i] = [dist, detail] i = i + 1 df.to_csv('locdetail.csv', index =False)

注意事项：

在测试的时候，一个key差不多可以下载2000-3000条数据，一个账号可以申请4个key。这是我自己的使用情况。所以，测试的时候，不用测试过多，直接开始正式爬数据才是正道。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。