网站系统参数设置大数据查询个人信息
随着电动汽车的普及，充电基础设施的建设变得至关重要。作为电动汽车领域的先驱，特斯拉不仅在车辆技术创新上持续领先，还积极构建广泛的充电网络，以支持其不断增长的用户群体。为了提升用户体验和服务质量，开发人员和数据分析师经常需要访问特斯拉充电桩的位置信息，并将其集成到导航系统、移动应用或网站中。
本篇文章，我们将探究GET请求的实际应用，我们使用Python的requests库通过GET请求，从特斯拉官方API获取充电桩位置信息，深入讲解如何构造请求、解析响应数据以及实现数据可视化，通过可视化分析来实现特斯拉在我国的分布情况。
特斯拉官方网址：https://www.tesla.cn/
接下来就是数据获取部分，先讲一下方法思路，一共三个步骤；
方法思路
- 获取所有location_id 列表，另存为csv；
- 根据每个location_id 查询相关标签数据；
- 坐标转换，BD09转WGS84；
第一步：我们先找到对应数据存储位置，获取所有location_id 列表，另存为csv；
完整代码#运行环境 Python 3.11
import requests
import pandas as pd
from requests.adapters import HTTPAdapter, Retry# 设置请求参数和URL
url = "https://www.tesla.cn/cua-api/tesla-locations"
params = {"translate": "zh_CN","map": "baidu","usetrt": "true"
}# 设置完整的请求头headers = {"Cookie": "YOUR_COOKIE_HERE", # 替换为您的Cookie"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"}# 创建会话并配置重试策略
session = requests.Session()
retries = Retry(total=5, backoff_factor=1, status_forcelist=[500, 502, 503, 504])
adapter = HTTPAdapter(max_retries=retries)
session.mount('https://', adapter)try:# 发送GET请求response = session.get(url, params=params, headers=headers, timeout=10)# 检查请求是否成功if response.status_code == 200:# 解析JSON响应data = response.json()# 检查响应是否为列表if isinstance(data, list):# 提取所有location_idlocation_ids = [item.get('location_id') for item in data if 'location_id' in item]# 创建DataFramedf = pd.DataFrame(location_ids, columns=['location_id'])# 保存为CSV文件csv_filename = 'tesla_locations.csv'df.to_csv(csv_filename, index=False, encoding='utf-8-sig')print(f"已成功保存 {len(location_ids)} 个location_id到文件: {csv_filename}")else:print("API响应不是预期的列表格式")print(f"响应内容: {response.text}")else:print(f"请求失败，状态码: {response.status_code}, 响应内容: {response.text}")except requests.exceptions.RequestException as e:print(f"请求过程中发生错误: {e}")我们就会到一个全国所有特斯拉旗下的，包括体验店和展厅、超级充电站、服务中心、目的地充电、钣喷中心的位置坐标的表格tesla_locations.csv；
第二步：我们发现点击一个任意图标，就会生成新的一个链接，在链接中我们就可以获得对应标签数据，来看一下链接的规律，不同点就是location_id的不同值，我们通过遍历所有的location_id，就可以获得所有的标签数据，；
完整代码#运行环境 Python 3.11
import requests
import pandas as pd
import json
from datetime import datetime
import time
import random
import mathdef bd09_to_wgs84(bd_lon, bd_lat):"""百度坐标系(BD-09)转WGS84坐标系"""x_pi = 3.14159265358979324 * 3000.0 / 180.0x = float(bd_lon) - 0.0065y = float(bd_lat) - 0.006z = math.sqrt(x * x + y * y) - 0.00002 * math.sin(y * x_pi)theta = math.atan2(y, x) - 0.000003 * math.cos(x * x_pi)wgs_lon = z * math.cos(theta)wgs_lat = z * math.sin(theta)return wgs_lon, wgs_lat# 读取已有的 CSV 文件
df = pd.read_csv('D:\\data\\tesla_locations.csv')
locations_list = []# 设置请求头headers = {"Cookie": "YOUR_COOKIE_HERE", # 替换为您的Cookie"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"}# 遍历CSV中的每个location_id
for index, row in df.iterrows():location_id = row['location_id']# 构建请求的 URLurl = f"https://www.tesla.cn/cua-api/tesla-location?id={location_id}&map=baidu"# 随机延时 1-3 秒delay = random.uniform(1, 3)print(f"等待 {delay:.2f} 秒...")time.sleep(delay)# 发送 GET 请求try:response = requests.get(url, headers=headers)print(f"正在处理第 {index + 1}/{len(df)} 个位置，ID: {location_id}")if response.status_code == 200:try:data = response.json()# 获取百度坐标bd_lon = data.get("longitude")bd_lat = data.get("latitude")# 转换为WGS84坐标if bd_lon and bd_lat:wgs84_lon, wgs84_lat = bd09_to_wgs84(bd_lon, bd_lat)else:wgs84_lon, wgs84_lat = None, Nonelocation_info = {"location_id": data.get("location_id"),"title": data.get("title"),"address": data.get("address"),"city": data.get("city"),"province_state": data.get("province_state"),"country": data.get("country"),"bd_longitude": bd_lon, # 百度坐标"bd_latitude": bd_lat, # 百度坐标"wgs84_longitude": wgs84_lon, # WGS84坐标"wgs84_latitude": wgs84_lat, # WGS84坐标"postal_code": data.get("postal_code"),"directions_link": data.get("directions_link"),"location_type": data.get("location_type", []),"functions_names": data.get("functions_names", [])}locations_list.append(location_info)print(f"成功获取: {location_info['title']}")except json.JSONDecodeError:print(f"ID {location_id} 的响应内容不是有效的JSON格式")else:print(f"请求ID {location_id} 失败，状态码: {response.status_code}")except Exception as e:print(f"处理ID {location_id} 时发生错误: {str(e)}")# 保存结果
try:current_time = datetime.now().strftime('%Y%m%d_%H%M%S')filename = f'tesla_locations_detail_{current_time}.csv'df_result = pd.DataFrame(locations_list)df_result.to_csv(filename, index=False, encoding='utf-8-sig')print(f"\n成功保存 {len(locations_list)} 条数据到 {filename}")
except Exception as e:print(f"保存文件时发生错误: {str(e)}")
到这里数据就下载完成了，我们就得到了一个完整的包括特斯拉充电桩位置及其其他标签的csv；
第三步：坐标系转换，因为数据用的是百度坐标系（BD09），我们需要把转换成wgs84坐标系在argis上展示才不会偏移，我们把csv的坐标列手动分列一下，并把坐标从百度坐标系（BD09）转到WGS84，批量转换工具：地图坐标系批量转换 - 免费在线工具 (latlongconverter.online)，这里在讲一个热知识，目前国内主要有以下三种坐标：
WGS84：一种大地坐标系，也是目前广泛使用的GPS全球卫星定位系统使用的坐标系；
GCJ02：又称火星坐标系，是由中国国家测绘局制订的地理信息系统的坐标系统。由WGS84坐标系经加密后的坐标系；
BD09：百度地图所使用的坐标体系，是在火星坐标系的基础上又进行了一次加密处理；
文章仅用于分享个人学习成果与个人存档之用，分享知识，如有侵权，请联系作者进行删除。所有信息均基于作者的个人理解和经验，不代表任何官方立场或权威解读。