使用Python和Perl绘制北京跑步地图
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。
| 12345678910111213141516171819202122232425262728 | 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。
| 1234567891011121314151617181920212223 | 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：
| 1234567891011121314151617181920 | 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.lng116.7)|(详细.lat40.1)].id
| 1234567 | def filtercity(r): sp=r.split(\’/\’)[–1].split(\’.\’) if sp[1]!=\’gpx\’: return False; if sp[0] in exceptids.values: return False; return True; |
| 1 | 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。
4.绘制GPS数据
反复造轮子是不好玩的，绘制gpx已经有比较强大的库，地址在http://avtanski.net/projects/gps/
很不幸，这个库使用Perl作为开发语言，并使用了GD作为视觉渲染库。我花费了大量的时间，在安装GD上面。
Ubuntu默认安装Perl, GD是需要libgd的，libgd却在官网上极难下载，下载后却又发现版本不对，这让我在国外互联网上遨游了好几个小时，都要死掉了。。。到最后，我才发现，安装libgd库只要下面这一步就可以了：
apt-get install libgd-gd2-perl
我觉得这就是apt-get方式坑爹的地方，apt get gd 或者libgd根本找不到，如果不去查，谁知道这么写啊！ 至于Perl的CPan管理工具，哎，不说了都是泪。
接下来下载gd 2.56，解压之后，
perl ./Makefile.PL
make
make install
即可
这份gpx绘制库是这么介绍自己的：
This folder contains several Perl scripts for processing and plottin GPS track data in .GPX format.
当然我们不废话，把所有的gpx数据拷贝到sample_gpx文件夹下，然后华丽丽的运行
./runme.sh
如果没有问题的话，应该是下面这样：
我假设各位读者对bash都已经很熟悉了，更多的需求可以查看runme.sh。
最后得到的结果如下图：
当时看到这个结果，我都惊呆了！这是自己跑了2000公里左右的结果，北京三环内（主要集中在长安街以北）主要的道路都跑遍了，朝阳公园，天坛公园，尤其北三环和北土城路（10号线北段）被我各种虐。每一段白线都是一段故事，每一个点都是我的一个脚印啊！
5.总结
这文章写得显然不够详细，远远没有hand by hand。而且并没有提供更多的数据分析（显然这些工作我都做了）不过相信跑步的程序员一定都很厉害，我这就权作抛砖引玉了。
其实完全可以做成一个web服务，跑友们上传自己的跑步软件的id，就可以自动渲染出各种漂亮的跑步路径和分析图，应该会很有意义吧！
这件事情花费了我七八个小时，简直吐血，大量的时间用在了如何安装GD上，而不是下载数据上。教训告诉我，一定要读安装包里自带的说明文档，因为库和库之间的版本不同，因此可能造成版本地狱，到时候新版本卸载不了，老版本没法用的时候可别说我没提醒啊！
值得一提的是，益动gps下载的gpx文件不带换行符，这导致gpx_disualization库无法解析它（这货正则表达式写错了），我懒得再去动perl正则，于是通过替换增加了换行符。
GD还需要libpng等一众perl库，在附件里都有提供下载。
附件是GD库和爬取所有gpx数据的python3代码。