如果不借助他人的数据，你能自己算出瑞幸咖啡和星巴克咖啡其各自的门店数量吗？
让你自己算出一个精确的值，你会使用什么方法进行计算一线城市门店数量？
难度高一点点，你怎么样才能知道二线城市的门店总数，甚至是全国的门店数量？
用我们今天的方法，你可以知道，瑞幸咖啡在一线城市的数量是：1634间 ，而星巴克则为：1587间 。
往下看答案之前，你可以想想有几种方法可以实现我们的目的。
1.准备
开始之前，你要确保Python和pip已经成功安装在电脑上噢，如果没有，请访问这篇文章：超详细Python安装指南 进行安装。
Windows环境下打开Cmd(开始—运行—CMD)，苹果系统环境下请打开Terminal(command+空格输入Terminal)，准备开始输入命令安装依赖。
当然，我更推荐大家用VSCode编辑器，把本文代码Copy下来，在编辑器下方的终端装依赖模块，多舒服的一件事啊：Python 编程的最好搭档—VSCode 详细指南 。
输入以下命令安装我们所需要的依赖模块:
看到 Successfully installed xxx 则说明安装成功。你可以在Python实用宝典 公众号后台回复：咖啡门店数 获得本文完整数据和代码。
2.获取门店数
怎么样，文章开头提出的问题你想到答案了吗？
其实很简单，那就是调用地图的接口进行门店搜索。 通过这个方法，我们不仅可以算出门店的数量，还能得到每个门店的对应位置，并且可以用来做后续的数据分析：
所以现在问题就转化为找到有提供搜索接口的地图供应商，而且这个接口得是免费的，因此我找了腾讯地图的接口：
https://lbs.qq.com/
你只需要上去注册账号，申请Key即可调用相关的接口，申请完了记得开webserviceAPI，选择签名校验 的形式调用接口：
2.1 初始化
为了使用API，我们得先初始化请求链接及其所需要的参数：
class LocationSearch(object):
def __init__(self, keyword: str):
self.keyword = keyword
self.key = '你的Key'
self.sk = '你的校验sk'
self.url = (
'https://apis.map.qq.com/ws/place/v1/search?'
'boundary=region({},0)&key={}&keyword={}'
'&page_index={}&page_size=20'
)
Key是在你申请API权限的时候就会分配给你的，而sk是在你选择 签名校验 的形式调用接口时分配给你的。
那么我们如何用这两个数据请求接口呢？请看下面这个函数：
def request_data(self, location: str, page: int):
"""
请求接口数据
Arguments:
location {str} -- 地点
page {int} -- 第几页
Returns:
{list} -- 该页该地点的数据
{int} -- 该地点结果总数
"""
# 拼接链接
url = self.url.format(location, self.key, self.keyword, page)
# 获得数字签名，并将签名加到链接后面进行请求
wait_sig = url.split('qq.com')[1] + str(self.sk)
sig = hashlib.md5(wait_sig.encode('utf-8')).hexdigest()
res = requests.get(url + '&sig=' + sig)
# 获得数据返回
pois = res.json()['data']
# 避免请求上限
time.sleep(0.2)
return pois, res.json()['count']
首先是将初始化的请求链接拼接起来，然后由于需要签名校验，因此我们得如下进行操作：
GET请求分为：域名，请求路径和参数三个部分，用于签名计算的有：
1. 首先对参数进行排序 ：按参数名升序（本例结果为 boundary 在前，key在后，如果第一个字母相同，要依据第二个字母升序）：
2. 签名计算(sig)： 你的SK
计算得到结果类似为：22dxxxxxxxxxxxxxx2b0bcc0e50
3. 生成最终请求： 将计算得到的签名sig，放到请求中（参数名即为：sig）：
注意：计算 sig 要使用原始参数值，不要进行任何编码，但最终发送时的参数，是需要时行url编码的
最后拿到返回的值，里面带有所有结果的地理位置及结果的数量。
2.2 按地点返回结果
这一部分其实很简单，就是调用2.1的函数，然后实现分页保存变量，最后输出门店数量，返回数据。
def get_single_location(self, location: str):
"""
获得单个地点的数据
Arguments:
location {str} -- 地点
Returns:
{list} -- 该地点某关键词的所有数据
{int} -- 该地点某关键词的所有数量
"""
page = 1
location_data = []
pois, total = self.request_data(location, page)
for poisition in pois:
location_data.append(poisition)
# 如果有多页
while (total / 20) > page:
pois, _ = self.request_data(location, page)
for poisition in pois:
location_data.append(poisition)
page += 1
print(f'{self.keyword} {location} 门店总数为：{total}')
return location_data, total
计算一线城市的结果如下：
F:\push\20200315>python scrapy.py
瑞幸咖啡 北京 门店总数为：492
瑞幸咖啡 上海 门店总数为：581
瑞幸咖啡 广州 门店总数为：301
瑞幸咖啡 深圳 门店总数为：260
2.3 汇总结果并保存
接下来我们需要汇总2.2计算到的每个城市的数据，保存到json文件，并计算总数。
def get_cities_data(self, cities: str):
"""
获得所有城市某关键词的数据
Arguments:
cities {list} -- 城市列表
"""
result = []
keyword_count = 0
for city in cities:
# 获得该城市的所有门店和总数
data, count = self.get_single_location(city)
keyword_count += count
result.extend(data)
print(f'{self.keyword} 一线城市门店总数为：{keyword_count}')
# 导出数据
with open(f'{self.keyword}.json', 'w') as my_file:
json.dump(result, my_file, ensure_ascii=False)
最终可以获得一个 瑞幸咖啡.json 的文件，里面存有每个城市的咖啡店精确位置，并输出一个总数，这样调用即可：
if __name__ == '__main__':
cities = ['北京', '上海', '广州', '深圳']
loc = LocationSearch('瑞幸咖啡')
loc.get_cities_data(cities)
loc = LocationSearch('星巴克咖啡')
loc.get_cities_data(cities)
F:\push\20200315>python scrapy.py
看来瑞幸咖啡一线城市里的门店数量已经超过星巴克了，不愧是割资本主义国家韭菜，造福中国老百姓的企业啊！
3.扩展
就像文章开头所提到的，如果你需要算出每个城市的咖啡店数量其实也很简单，咱可以调用下面这个接口请求腾讯地图的所有行政区数据，获得所有城市的名称：
https://apis.map.qq.com/ws/district/v1/list
不过我已经dump了一个，大家在Python实用宝典 公众号后台回复：咖啡门店数 即可获得。
使用这一个，你只需要读取该csv文件提取所有城市名，然后放入cities变量中进行计算，如下代码所示：
if __name__ == '__main__':
with open('cities.csv', 'r', encoding='utf-8') as csvfile:
reader = csv.reader(csvfile)
cities = [row[0] for row in reader]
loc = LocationSearch('瑞幸咖啡')
loc.get_cities_data(cities)
loc = LocationSearch('星巴克咖啡')
loc.get_cities_data(cities)
不过，请注意一些特殊情况，比如说那个城市没有数据的时候，接口可能不会返回date数据，这时候要用字典的get方法进行处理：
# pois = res.json()['data']
pois = res.json().get('data', [])
不过如果你要计算全国的数据的话，这个方法并不可靠，因为无法避免山寨店的存在，山寨店一样也会被记入到腾讯地图中，而一线城市的监管严格，比较少出现山寨店的情况，因此可以用这个方法计算。
我们的文章到此就结束啦，如果你喜欢我们今天的Python 教程 ，请持续关注我们，如果对你有帮助，麻烦在下面点一个赞/在看哦
Python实用宝典 (pythondict.com )
有任何问题都可以在下方留言区留言，我们都会耐心解答的！
