简介基于Python的高德地图调用与数据采集源码面向地理信息初学者、爬虫开发者以及需要快速搭建地图可视化页面的技术人员。示例以高德地图API为核心实现坐标定位、地图展示与交互操作同时结合58租房页面数据进行抓取和清洗最终整合为可浏览的租房信息地图打通从数据源到前端呈现的完整链路。压缩包共11个文件包含2个Python程序分别承担数据爬取和Web服务、1个HTML地图页面、1个CSV租房数据、2份doc说明文档以及3个xml工程配置文件整体大小仅4.41MB结构精简、分类清楚便于按需查阅与二次开发。配套的程序配置说明详细讲解环境搭建、运行参数和常见问题配合readme可以快速复现项目对希望学习地图API调用、爬虫脚本编写以及前后端数据联调的开发者是一份可直接运行的参考实现。目前已有1309人学习下载适合作为课程设计或小型项目的原型模板。 这几个月我在给公司做内部调度系统有个硬需求把所有外勤人员的轨迹和配送路线叠在高德底图上展示还要支持按时间段回放。项目一开始就定了用 Python 做数据处理地图自然想到高德地图。网上聊怎么申请 Key 的教程不少但把 Python 环境和地图接口、可视化串成一条完整链路讲的很少尤其是几个容易踩的坑基本散落在各个评论区。这篇文章就是我跑完整套流程后的记录从环境准备、Key 申请到地理编码、路径规划和轨迹可视化再到瓦片、路况数据背后的授权边界适合刚入门的 Python 开发者也适合要在内部运维、数据大屏里快速接入地图能力的同学。你不需要多深的地图基础按我给的代码和思路走一下午能跑通。1. 先想明白你的地图需求再选技术路线1.1 同样是“用Python实现高德地图”需求其实分三类我在动手之前习惯先问一句你要的到底是“地图长什么样”还是“地图接口返回什么数据”这两个方向的技术选型差别很大。需求类型典型场景核心技术点纯数据接口批量地址转坐标、POI检索、路径规划数据高德Web服务APIrequests库地图可视化轨迹大屏、路线回放、门店分布folium、ECharts、高德JS API数据处理轨迹纠偏、路况分析、坐标转换Python数据处理 API组合这个分类直接决定了你的代码结构。如果只是想把几千个公司名转成经纬度然后落库就不需要折腾 folium如果要做一张运营大屏展示车辆轨迹那就必须理解瓦片加载和坐标系。1.2 为什么优先用官方API而不是直接爬网页早期我图省事试过直接 requests 去抓高德网页版的搜索接口结果遇到的不是加密参数就是风控验证十分钟能完成的事折腾了一晚上而且最后拿到的数据还不能商用。后来老老实实切到官方API不仅稳定文档也完整。在地图这件事上数据版权和坐标系是两堵墙。网页页面里展示的数据属于高德资产用来做个人学习没问题但一旦放到系统里就有“未获得高德地图商用授权”的风险。正确的打开方式永远是通过高德开放平台的各类API去拿数据按官方规则使用。2. Python环境与高德Key准备比想象中更值钱的半小时2.1 开发环境Python版本和依赖库个人建议直接上 Python 3.10 或更新版本高德Web服务API是基于HTTP协议的对版本不挑但后续做轨迹可视化的时候新版库对类型注解和异步支持都更好。如果你还没装好环境安装时记得勾选“Add Python to PATH”这一项很多新手后面在命令行里敲不出 python 命令都是这一步漏了。装完之后用虚拟环境管理项目依赖python -m venv venv source venv/bin/activate # Windows下是 venv\Scripts\activate pip install requests folium pandas这里只列了最核心的库。requests 用来调高德接口folium 用来把轨迹画到地图上pandas 用来做批量的数据整理。如果你后续要做坐标转换可能还需要安装 pyproj但那是后话。VSCode 里要配就配三个东西Python 插件、Pylance、以及 Python 解释器路径。选中虚拟环境里的 python.exe终端里用哪个解释器、运行哪个依赖库就不会傻傻分不清。2.2 注册高德开放平台申请正确的Key进入高德开放平台控制台注册完成后“应用管理”里创建一个应用然后添加Key。这里有个重要区分Web服务API 的Key用来请求restapi.amap.com下的各种接口JavaScript API 的Key用来在前端页面里加载地图。我在项目里两个都用到了Python后台调Web服务API拿轨迹数据前端页面用JS API做交互展示。你一定要确认自己的Key类型对得上否则会碰见INVALID_USER_KEY这种让人摸不着头脑的报错。申请好之后把Key写进环境变量或者单独的配置文件里不要硬编码到代码中这是习惯问题。2.3 项目目录建议amap_demo/ ├── config.py ├── amap_helper.py ├── visualize.py └── data/ ├── geocoded.csv └── routes.jsonconfig.py 放Key和统一请求参数amap_helper.py 封装所有接口调用visualize.py 只负责画图。把数据获取和可视化分离后面调试的时候能省下大量时间。3. 核心接口封装从地址到坐标再到路线的完整链路3.1 地理编码把地址变成坐标地理编码是使用频率最高的接口。用户给你一堆中文地址你要先转成经纬度才能继续做地图展示和路径规划。import requests from config import AMAP_KEY def geocode(address: str, city: str ) - tuple | None: url https://restapi.amap.com/v3/geocode/geo params { key: AMAP_KEY, address: address, city: city, } resp requests.get(url, paramsparams, timeout3) data resp.json() if data[status] 1 and data[geocodes]: lng, lat data[geocodes][0][location].split(,) return float(lng), float(lat) return None if __name__ __main__: print(geocode(北京市朝阳区望京SOHO, 北京))这里有一个所有地图新手都会忽略的细节高德返回的坐标是GCJ-02 坐标系不是 GPS 拿到的 WGS-84 坐标。如果你把设备GPS的点直接叠在高德底图上会发现偏移几十米到几百米。如果是车载设备、手机上报的原始坐标一定要先做坐标转换再丢给高德接口。3.2 POI搜索在指定城市找兴趣点有了坐标之后第二高频的需求是周边检索。比如给我一批加油站坐标找附近500米内的餐饮店。def search_poi(keywords: str, city: str 北京, types: str , offset: int 20, page: int 1): url https://restapi.amap.com/v3/place/text params { key: AMAP_KEY, keywords: keywords, city: city, types: types, offset: offset, page: page, } resp requests.get(url, paramsparams, timeout5) data resp.json() return data.get(pois, [])types按高德的POI分类编码填比如050000表示餐饮、010000表示汽车服务。如果不确定可以先不传 types用keywords直接搜。注意搜索结果分页count字段返回总数page和offset配合翻页但单页最大不要超过25拉太多容易被截断。3.3 路径规划把一条路线变成一串经纬度路径规划接口返回的不止是总里程和总时间还有每一个步骤的路段形状点。这些形状点才是你画轨迹的依据。def get_driving_path(origin: str, destination: str, strategy: int 0): url https://restapi.amap.com/v3/direction/driving params { key: AMAP_KEY, origin: origin, destination: destination, strategy: strategy, } resp requests.get(url, paramsparams, timeout5) data resp.json() route data[route][paths][0] points [] for step in route[steps]: polyline step[polyline] for point in polyline.split(;): lng, lat point.split(,) points.append((float(lng), float(lat))) return { distance: route[distance], duration: route[duration], points: points, }strategy参数决定了路线偏好0速度优先、1费用优先、6躲避拥堵还有不走高速等。实测下来速度优先的路线最符合日常导航感知但早晚高峰时段差异会比较大。如果要做多条路线对比可以传入strategy32等组合值或者反复调用接口获取不同方案。这里的解析逻辑很简单路径规划返回的是steps数组每个step里有一个polyline字段把每一段的形状点用分号切分再拼起来就是一条完整的折线。4. 可视化落地把轨迹画在高德底图上4.1 底图从哪来瓦片加载的基本原理任何在线地图的底图都不是一整张大图而是切成无数个小方块瓦片按层级 z、横向 x、纵向 y 编号。地图组件在移动和缩放时只加载当前视野范围内的瓦片。高德的瓦片URL基本是这个套路https://webrd0{s}.is.autonavi.com/appmaptile?langzh_cnsize1scale1style8x{x}y{y}z{z}folium、Leaflet 这类库会自动用{x}{y}{z}去拼接瓦片地址你只需要把模板给它就行。但是记住瓦片属于高德的基础地图资源在项目里做个人学习、内部验证都行如果要商业化使用应该走官方JS API或商业授权渠道而不是自己拉一堆瓦片搭离线地图。4.2 方案一folium加载高德瓦片五步画出轨迹folium 基于 Leaflet后端生成HTML文件浏览器里就能看不需要起服务适合快速交付。import folium # 注意高德返回的是 lng, latfolium需要的顺序是 lat, lng track_points [(lat, lng) for lng, lat in route_points] m folium.Map( locationtrack_points[0], zoom_start14, tileshttps://webrd0{s}.is.autonavi.com/appmaptile?langzh_cnsize1scale1style8x{x}y{y}z{z}, attr高德地图 ) folium.PolyLine( track_points, color#FF6A00, weight4, opacity0.8 ).add_to(m) m.save(route.html)这个方案里最容易翻车的是坐标顺序。高德API返回的location是“经度,纬度”而 folium 的所有坐标放进去时要写成“纬度,经度”。我第一次画线发现轨迹跑到海里去检查半天才发现就是这个顺序问题。4.3 方案二ECharts结合高德地图做动态交互大屏如果你要把轨迹放到运营大屏folium 的交互感可能不够。ECharts 结合高德底图是另一条很流行的路线正好对应很多人在搜的“地图echart结合高德地图绘制多条路线轨迹”。思路是Python 只负责从高德API拿到所有轨迹点统一输出成JSON文件前端页面上用高德JS API加载底图再把 ECharts 的 geo 坐标系和高德底图绑定然后在 geo 上叠加线条。核心逻辑大致是这样const map new AMap.Map(container, { zoom: 12, center: [116.40, 39.90] }); const chart echarts.init(document.getElementById(chart)); chart.setOption({ geo: { map: amap, roam: true, }, series: [{ type: lines, coordinateSystem: geo, data: routeData, // Python生成的JSON lineStyle: { color: #FF6A00, width: 3 } }] });实际落地的时候一般会借助amap-echarts这类适配方案让 ECharts 的 geo 坐标和高德地图联动。相比 folium 的优点是动画效果好、支持多系列数据缺点是要前后端配合调试成本高一些。4.4 多条轨迹同屏展示数据组织要注意什么多条轨迹的时候别把每条轨迹的逻辑都混在一个函数里。我建议统一组织成列表routes [ {name: 车辆A, points: [(lat, lng), ...], color: #FF6A00}, {name: 车辆B, points: [(lat, lng), ...], color: #33CC66}, ] for route in routes: folium.PolyLine( route[points], colorroute[color], weight3, popuproute[name], ).add_to(m)轨迹点特别多的时候记得做抽稀。用最简单的等距抽稀就行两点的直线距离小于一定阈值就跳过不然很长的历史轨迹会让HTML文件膨胀到几十MB浏览器直接卡死。抽稀阈值我一般取10米到30米不影响视觉观感性能提升却很显著。5. 瓦片、路况数据和商用授权必须知道的合规边界5.1 瓦片能加载但别批量抓取4.1节里我给了高德瓦片的URL模板这是为了让个人开发者在学习时理解原理。很多人看到这个URL会想到一件事我能不能写脚本把某个城市所有层级的瓦片全部下载下来做成离线地图包我的建议是不要这不是技术问题而是规则问题。高德地图瓦片受版权保护批量抓取和离线分发属于平台条款明确禁止的行为。做过这个操作的人应该也发现了下载到一半就会遇到大量403或者错乱瓦片因为服务端会对异常请求做风控。真要离线地图去了解高德开放平台的专有云方案或者购买相应授权这才是正途。5.2 路况和道路矢量的正规获取方式热搜词里有“怎么导出高德地图的路况道路矢量”这个需求很实际比如做物流调度要看当前路段拥堵情况。官方有交通态势API按矩形范围查询路况https://restapi.amap.com/v3/traffic/status/rectangle?key你的Keyrectangle116.35,39.90;116.45,40.00返回的结果里有每段道路的拥堵等级、速度和方向。这个接口需要申请开通配额也有上限用之前先在控制台看清楚剩余配额。至于“全城道路矢量数据”高德官方目前没有提供一个接口让你把整个城市的路网一次性下载。能做的是用轨迹纠偏API把GPS轨迹匹配到道路上或者结合路况API和POI数据做局部道路分析。如果业务确实需要完整路网正确姿势是联系高德商务购买数据产品或授权。市面上那些所谓“爬好的路网数据包”来源不明、坐标系混乱、更新滞后用了反而容易惹出版权和数据质量的麻烦。5.3 商用授权和配额管理别心存侥幸很多开发者是在内部系统里接入高德API觉得“内部用没什么大事”。但严格来讲内部系统如果服务于业务运营同样属于商业行为需要确认是否符合高德的使用条款。官方的免费额度对个人学习和原型验证完全够用但大规模商用前一定要去开通商用授权或购买配额。配额有限的时候不要想着申请几十个Key轮询绕开限制。地图平台对Key的风控体系很成熟一旦触发异常反而会封停。正确做法是两层批量任务加缓存同一个地理编码结果不要重复请求需要大量调用的任务跑在异步队列里设置合理的时间间隔避开高峰。我给公司做的调度系统就是把地址转坐标的结果落到了本地SQLite里。第二次再跑同样的地址直接查缓存配额消耗直接降了一个数量级。6. 最后分享几个零散但能救命的实操心得第一次调路径规划接口返回INVALID_USER_KEY我检查了半小时代码最后发现是控制台里Key类型选错了——申请的是JavaScript API的Key却拿去请求Web服务接口。所以申请完之后先在浏览器里敲一下restapi.amap.com的URL确认能返回JSON再写代码这个习惯能省下大量时间。另外高德接口里判断失败不能只看HTTP状态码。哪怕resp.status_code 200返回体里的status字段也可能是0真正的错误信息在info字段里。代码里统一用data[status] 1判断成功遇到info是INVALID_PARAMS、DAILY_QUERY_OVER_LIMIT之类的再针对性去控制台看配额或参数。最后说一点和坐标系有关的体会。项目里如果同时有GPS设备数据和高德接口数据一定要在入库前统一转成同一坐标系否则后面所有距离计算、路况匹配都会偏差。地图项目看着简单真正的复杂度往往藏在坐标系、授权、配额这些“看不见的地基”里。我这次跑通的流程不算复杂但它把 Python 和高德地图的整条链路完整串起来了整套代码稍作修改就能复用到门店选址、配送监控、通勤分析等场景如果你也刚好卡在哪一步不妨按文章里的思路重新理一遍。本文还有配套的精品资源点击获取