使用Python和Perl绘制北京跑步地图

iFlyAI

墨衍会员 · AI 创作全网分发码龄9年

关注

转载最新推荐文章于 2026-08-11 11:44:42 发布 765 阅读 AI 写同款· GEO 优化 ›

Python调用百度地图API实现路径规划提取真实距离、时间阅读详情

访问flyai.club，一键创建你的人工智能项目

作者 | FerventDesert@博客园

http://www.cnblogs.com/buptzym/

当你在一个城市，穿越大街小巷，跑步跑了几千公里之后，一个显而易见的想法是，如果能把在这个城市的所有路线全部画出来，会是怎样的景象呢？

文章代码比较多，为了不吊人胃口，先看看最终效果，上到北七家，下到南三环，西到大望路，东到首都机场。二环32公里，三环50公里，这是极限，四环先暂时不考虑了。。。。

（本文工程已经托管在Github,https://github.com/ferventdesert/gpx-crawler）

1.数据来源：益动GPS

首先需要原始位置信息，手机上有众多跑步软件，但它们共同的问题是不允许自由导入导出（可能是为了防止用户脱离吧）。因此有一块智能运动手表应该是不二之选。我的是Garmin Fenix3，推荐一下：

与此同时，益动GPS算是业界良心了，能够同步咕咚，Garmin手表，悦跑圈的数据，因此我将其作为一个入口，抓取所有的GPS数据。

至于如何同步，可参考网站上的相关介绍，下面是我登录该网站后的截图：

http://edooon.com/user/5699607196/record/15414378

随便点进去以后，就可以看到导出路线的按钮：

无比坑爹的是，它不提供批量导出的按钮，几百条记录，依次导出都累死了。于是考虑用代码来自动化吧。

2. 获取益动网站上的数据

登录之后，可以看出它是动态加载，当滚轮滚到最下时，自动加载后面的内容。本来是应该嗅探和分析http请求的。后来我懒惰了，采取折中方案，拖到底，全部加载完毕后，保存了当前的html文件。

接下来就是解析这个Html,基本上是通过XPath的来做的。有经验的同学看了下图就都明白了：

图中高亮的部分，就是要下载gpx文件的实际地址。我们将其保存在urllist中。同时，元数据被保存在json文件里。

folder = u'D:/buptzym的同步盘/百度云/我的文档/数据分析/datasets/rungps/';
cookie='JSESSIONID=69DF607B71B1F14AFEC090F520B14B55; logincookie=5699607196$6098898D08E533587E82B33DD9D02196; persistent_cookie=5699607196$42C885AD38F59DCA407E09C95BE1A60B; uname_forloginform="buptzym@qq.com"; __utma=54733311.82935663.1447906150.1447937410.1456907433.7; __utmb=54733311.5.10.1456907433; __utmc=54733311; __utmz=54733311.1456907433.7.3.utmcsr=baidu|utmccn=(organic)|utmcmd=organic; cookie_site=auto'userid='5699607196';
f = codecs.open(folder + 'desert.htm', 'r', 'utf-8');
html = f.read();
f.close();
root = etree.HTML(html)
tree = etree.ElementTree(root);

listnode=tree.xpath('//*[@id="feedList"]');
numre=re.compile(u'骑行|跑步|公里|，|耗时|消耗|大卡');
urllists=[]
records=[];for child in listnode[0].iterchildren():
    record={};
    temp=child.xpath('div[2]/div[1]/a[2]')    if len(temp)==0:        continue;
    source= temp[0].attrib['href'];
    record['id']=source.split('/')[-1];
    info=temp[0].text;
    numinfo= numre.split(info);    if len(numinfo)<6:        continue;
    record['type']= info[0:2];
    record['distance']= numinfo[1];
    record['hot']=numinfo[6];
    urllists.append('http://edooon.com/user/%s/record/export?type=gpx&id=%s' % (userid, record['id']));

值得注意的是，因为下载时需要cookie，因此读者需要将自己在益动GPS的userid和登录的cookie都替换掉（这种网站不值得为它开发自动登录）。

接下来就是下载的过程，获取导出数据按钮的URL的XPath，构造一个带cookie的请求，然后保存文件即可，非常容易。

opener = urllib.request.build_opener()
opener.addheaders.append(('Cookie', cookie));
path='//*[@id="exportList"]/li[1]/a';for everyURL in urllists:
    id = everyURL.split('=')[-1];    print(id);
    url='http://edooon.com/user/%s/record/%s' % (userid, id);
    f = opener.open(url);
    html = f.read();
    f.close();
    root = etree.HTML(html)
    tree = etree.ElementTree(root);
    fs = str(tree.xpath(path)[0]);    if fs is None:        continue;
    furl = 'http://edooon.com/user/%s/record/%s' % (userid, fs);
    f = opener.open(furl);
    html = f.read();
    f.close();
    filename=folder+'id'+'.gpx';
    xmlfile = codecs.open(filename, 'wb');
    xmlfile.write(html);
    xmlfile.close();

之后，我们便保存了大约300多个gpx文件。

3. 解析gpx数据

所谓gpx数据，是一种通用规范的GPS数据格式，详细的资料可自行搜索。

我们需要使用python的gpx解析器, gpxpy是个好选择，使用

pip3 install gpxpy 即可安装。

gpxpy提供了丰富的接口，当然为了统计，我们只需要提取一部分数据：

def readgpx(x):
     
    file= open(dir+x+'.gpx','r')
    txt=file.read()
    gpx=gpxpy.parse(txt)
    mv=gpx.get_moving_data()
    dat= {'移动时间':mv.moving_time,'静止时间':mv.stopped_time,'移动距离':mv.moving_distance,'暂停距离':mv.stopped_distance,'最大速度':mv.max_speed};
    dat['总时间']=(gpx.get_duration())
    dat['id']=str(x)
    updown=gpx.get_uphill_downhill()
    dat['上山']=(updown.uphill);
    dat['下山']=(updown.downhill)
    timebound=gpx.get_time_bounds();
    dat['开始时间']=(timebound.start_time)
    dat['结束时间']=(timebound.end_time)
    p=gpx.get_points_data()[0]
    dat['lat']=p.point.latitude
    dat['lng']=p.point.longitude
    file.close()    return dat

readgpx函数会读取文件名x，并将一个字典返回。并得到类似下面的一张表：

因为我们只需要绘制北京的区域，因此需要一个坐标表达式筛掉北京之外的地区。筛选代码使用了pandas,在附件里有更详细的代码。

exceptids=详细[(详细.lng<116.1)|(详细.lng>116.7)|(详细.lat<39.9)|(详细.lat>40.1)].id

def filtercity(r):    
sp=r.split('/')[-1].split('.')    
if sp[1]!='gpx':        
return False;    
if sp[0] in exceptids.values:        
return False;    
return True;
bjids= [r for r in gpxs if filtercity(r)]

这样，我们就将所有在北京完成的运动数据筛选了出来。