百度地图收藏地址提取与格式转换工具 说明文档

一、工具概述

该工具是一款基于 Python 开发的轻量级脚本，核心功能为从百度地图收藏夹导出的 HTML 文件中提取地址信息，并将其转换为适配高德地图的格式（含后续对接高德 API 的扩展预留），最终以 JSON 文件输出，简化百度地图到高德地图的收藏地址迁移流程，无需手动逐个整理地址。

二、依赖环境

1. Python 版本 ：支持 Python 3.6 及以上版本（需兼容urllib.parse.unquote、re、json标准库）。
2. 依赖库 ：仅使用 Python 内置标准库，无需额外安装第三方库，具体包括：
   • re：用于通过正则表达式匹配 HTML 中的地址数据。
   • urllib.parse.unquote：用于解码 HTML 中 URL 编码的特殊字符（如%20、"等）。
   • json：用于将提取并转换后的地址数据保存为 JSON 文件。

三、核心函数说明

1. extract_addresses_from_html(file_path)

功能

从百度地图收藏夹导出的 HTML 文件中，提取收藏地址的 "名称" 和 "地址" 信息，并进行数据清洗。

参数

• file_path（str）：百度地图收藏夹 HTML 文件的路径（如"C:/文档/收藏夹分享.html"），需确保文件编码为 UTF-8。

处理逻辑

1. 读取 HTML 文件：以 UTF-8 编码打开并读取指定路径的 HTML 文件内容。
2. 正则匹配数据 ：使用正则表达式r'<li class="item">.*?<p class="name">(.*?)</p>.*?<p class="address">(.*?)</p>.*?</li>'匹配 HTML 中 "收藏项" 节点，提取<p class="name">标签内的 "地址名称" 和<p class="address">标签内的 "详细地址"。
   • 注：re.DOTALL参数确保正则中的.能匹配换行符，避免因 HTML 节点换行导致匹配失败。
3. 数据清洗 ：
   • 用unquote()解码 URL 编码字符（如将%E4%B8%8A%E6%B5%B7解码为 "上海"）。
   • 用replace('"', '"')将 HTML 转义字符"还原为双引号"。
   • 过滤掉地址为 "地图上的点" 的无效数据（此类数据无实际地址信息）。
4. 返回结果 ：返回列表，列表中每个元素为字典，格式为[{"name": "地址名称", "address": "详细地址"}, ...]。

返回值

• locations（list）：包含有效地址信息的列表，元素为 "名称 - 地址" 字典。

2. convert_to_gaode_format(locations)

功能

将百度地图提取的地址数据，转换为适配高德地图的格式，预留经纬度（lat/lng）扩展位（用于后续对接高德 API）。

参数

• locations（list）：extract_addresses_from_html函数返回的地址列表，格式为[{"name": "...", "address": "..."}, ...]。

处理逻辑

1. 格式转换 ：遍历输入的地址列表，为每个地址添加gaode_formatted_address字段（暂与address字段值一致，用于后续高德地图格式适配）。
2. 预留扩展位 ：在返回的字典中预留lat（纬度）和lng（经度）字段注释，提示后续可通过高德 "地理编码 API" 获取经纬度并补充（需自行申请高德 API 密钥）。
3. 返回结果：返回适配高德格式的地址列表。

返回值

• gaode_locations（list）：适配高德地图的地址列表，元素格式为[{"name": "地址名称", "address": "详细地址", "gaode_formatted_address": "详细地址"}, ...]。

3. save_to_json(data, filename)

功能

将转换后的地址数据保存为 JSON 文件，确保中文正常显示且格式易读。

参数

• data（list）：待保存的地址数据（通常为convert_to_gaode_format返回的gaode_locations列表）。
• filename（str）：输出 JSON 文件的路径和名称（如"gaode_locations.json"，默认保存在脚本运行目录）。

处理逻辑

1. 写入 JSON 文件 ：以 UTF-8 编码打开文件，使用json.dump将数据写入。
   • ensure_ascii=False：确保中文不被转为 Unicode 编码（如保留 "上海" 而非"\u4e0a\u6d77"）。
   • indent=2：以 2 个空格缩进格式化 JSON 文件，提升可读性。

返回值

无返回值，仅生成 JSON 文件。

四、使用流程

1. 准备百度地图 HTML 文件

1. 打开百度地图官网（map.baidu.com），登录账号后进入 "我的收藏"。
2. 点击 "分享" 或 "导出" 按钮（不同版本界面可能不同），将收藏夹导出为 HTML 文件，命名为收藏夹分享.html（或自定义名称）。
3. 将 HTML 文件与 Python 脚本放在同一目录（或记录文件的完整路径）。

2. 运行脚本

1. 打开 Python 环境（如 PyCharm、VS Code 或命令行），运行脚本。
2. 脚本自动执行以下步骤：
   • 调用extract_addresses_from_html("收藏夹分享.html")提取地址。
   • 调用convert_to_gaode_format转换为高德格式。
   • 调用save_to_json生成gaode_locations.json文件。
   • 在控制台打印处理结果：显示总处理数量及前 5 条地址示例（超过 5 条时显示 "..."）。

3. 后续操作

• 打开gaode_locations.json文件，可直接查看或复制地址信息，手动在高德地图中添加收藏。
• 若需批量导入高德地图，可基于该 JSON 文件对接高德 "地理编码 API" 获取经纬度后，再调用高德 "收藏夹 API" 实现批量添加（需自行申请高德开发者账号及 API 密钥）。

五、常见问题

1. 正则匹配不到数据？

   • 检查 HTML 文件中收藏项的标签结构是否为<li class="item">包含<p class="name">和<p class="address">，若百度地图更新界面导致标签变化，需同步修改正则表达式中的类名或标签名。
   • 确保 HTML 文件编码为 UTF-8，若为其他编码（如 GBK），需在open函数中指定encoding="gbk"。

2. JSON 文件中文显示乱码？

   • 脚本中save_to_json已设置ensure_ascii=False，若仍乱码，检查打开 JSON 文件的工具是否以 UTF-8 编码读取（如记事本需选择 "编码→UTF-8" 打开）。

3. 提示 "文件不存在"？

   • 确认extract_addresses_from_html的file_path参数是否正确，若文件不在脚本目录，需填写完整路径（如"D:/下载/收藏夹分享.html"）。

六、扩展建议

1. 对接高德地理编码 API ：在convert_to_gaode_format函数中，添加调用高德 "地理编码 API" 的代码（需传入address字段），获取经纬度后补充到lat和lng字段，示例代码框架：

   python

   运行

   import requests
   def get_gaode_latlng(address, api_key):
       url = f"https://restapi.amap.com/v3/geocode/geo?address={address}&key={api_key}"
       response = requests.get(url)
       data = response.json()
       if data["status"] == "1" and len(data["geocodes"]) > 0:
           lng, lat = data["geocodes"][0]["location"].split(",")
           return lat, lng
       return None, None

2. 批量导入高德收藏：获取经纬度后，调用高德 "收藏夹添加 API"，实现地址的自动批量导入，无需手动操作。

import re
from urllib.parse import unquote
import json

def extract_addresses_from_html(file_path):
    """
    Extract addresses from Baidu favorities HTML file
    """
    with open(file_path, 'r', encoding='utf-8') as f:
        content = f.read()
    
    # Pattern to match items with name and address
    item_pattern = r'<li class="item">.*?<p class="name">(.*?)</p>.*?<p class="address">(.*?)</p>.*?</li>'
    items = re.findall(item_pattern, content, re.DOTALL)
    
    locations = []
    for name, address in items:
        # Clean up the text
        name = unquote(name).replace('&quot;', '"')
        address = unquote(address).replace('&quot;', '"')
        
        # Skip generic "地图上的点" entries as they're not useful
        if address != "地图上的点":
            locations.append({
                'name': name,
                'address': address
            })
    
    return locations

def convert_to_gaode_format(locations):
    """
    Convert locations to Gaode-compatible format
    In a full implementation, this would call Gaode's API to geocode addresses
    """
    # For now, we're just returning the locations as-is
    # In a real application, you would call Gaode's geocoding API here
    gaode_locations = []
    for loc in locations:
        gaode_locations.append({
            'name': loc['name'],
            'address': loc['address'],
            # In a full implementation, you would add lat/lng from Gaode API
            'gaode_formatted_address': loc['address']  
        })
    
    return gaode_locations

def save_to_json(data, filename):
    """
    Save data to JSON file
    """
    with open(filename, 'w', encoding='utf-8') as f:
        json.dump(data, f, ensure_ascii=False, indent=2)

if __name__ == "__main__":
    # Extract locations from HTML file
    locations = extract_addresses_from_html('收藏夹分享.html')
    
    # Convert to Gaode format
    gaode_locations = convert_to_gaode_format(locations)
    
    # Save to JSON file
    save_to_json(gaode_locations, 'gaode_locations.json')
    
    # Print summary
    print(f"Processed {len(gaode_locations)} locations:")
    for loc in gaode_locations[:5]:  # Show first 5
        print(f"- {loc['name']}: {loc['address']}")
    
    if len(gaode_locations) > 5:
        print("...")