前言

在自然灾害风险普查工作当中，有一项是对雷灾的统计。它的具体操作就是，根据原始资料（.txt）,然后进行相关数据筛选。最终的统计结果如下图所示。即 区划代码，区域名称，雷灾起数，人员伤亡个数，经济损失。

上表中，区划代码是最容易获得的，它有一个专一的映射表格。

• 区域名称是精确到乡镇一级

• 起数则是该乡镇发生雷灾的次数

• 人员伤亡则是死亡的人数

• 经济损失是泪在所造成的损失。

提供的原始数据是

整整20本书。。。。

经过不懈的努力，终于是把其数字化成了下图所示格式。

但是新的问题接踵而至，如何对这一条条数据进行数据清洗，筛选，并获得我们想要的结果呢？对于一个只给出学校名，工厂名的地点，我们如何获得他所在的乡镇呢？我们如何统计死亡人数？如何界定损失？总不能，一条一条的读下去吧。

思路

其实我们在日常生活中，如果想去一个地点，我们通常会使用百度地图或者高德地图，输入目的地，就会为我们规划相应的路线，并给出目的地的经纬度，有了经纬度，我们通过逆向地理编码就可以轻松获得目的地所在的乡镇。

介于此，我们思考使用百度地图来获得每一个雷灾所发生的乡镇。

百度地图开放平台为我们提供了很多好用的地图服务接口。

我们选择地理编码，在这里我们可以阅读相关接口文档。

在对地理编码有了一定得了解之后，我们知道，要获得百度提供的地图服务，那必须获得一个它提供的AK码，才能调用接口。

那么我们进入控制台，创建应用

跟着页面提示，一步一步操作。整个流程下来，不超过2分钟。

完成之后，我们就获得了AK码。

接下来就是写代码，来实现我们上面的思路了。

代码实现

coding！！！

1.获取模糊地名getFuzzyPlaceName

根据原始数据的格式以及相应规律，我们可以用下面的代码对每一条数据进行拆分，把它炸开（致敬老罗）。然后返回一个模糊地名

   /**
     * 获取模糊地名
     * @param txt
     * @return
     */
    public static String getFuzzyPlaceName(String txt) {
        if (txt.contains("击")) {
            String[] split = txt.split("击");
            if (split[0].contains("，")) {
                return split[0].substring(split[0].indexOf("，") + 1);
            }
            if (split[0].contains(",")) {
                return split[0].substring(split[0].indexOf(",") + 1);
            }
        }
        return null;
    }

2.目的地经纬度获取getTownLatLon

有了模糊地名，我们将模糊地名放入到相应的接口地址中，服务器会给我们返回一个字符串，如下所示：

{
	"result": {
		"level": "政府机构",
		"confidence": 70,
		"location": {
			"lng": 115.25352396163791,
			"lat": 36.06484688624098
		},
		"precise": 1,
		"comprehension": 57
	},
	"status": 0
}

具体的代码实现如下图所示

public static JSONObject getTownLatLon(String name) {
    try {
        //ak=um3EyGR9TQYrlCEhacbygTrvBSHQzBf8 
        String urlAddress = "https://api.map.baidu.com/geocoding/v3/?address=" + name + "&output=json&ak=um3EyGR9TQYrlCEhacbygTrvBSHQzBf8&callback=showLocation";
        StringBuilder sb = new StringBuilder();
        URL url = new URL(urlAddress);
        URLConnection connection = url.openConnection();
        if (connection != null) {
            InputStreamReader kk = new InputStreamReader(connection.getInputStream(), StandardCharsets.UTF_8);
            BufferedReader br = new BufferedReader(kk);
            String data;
            while ((data = br.readLine()) != null) {
                sb.append(data);
            }
            kk.close();
        }
        String str = sb.toString();
        String[] split = str.split("\\(");
        String[] split1 = split[1].split("\\)");
        String s = split1[0];
        JSONObject json = JSON.parseObject(s);
        if (json.getInteger("status") == 0) {
            return json.getJSONObject("result").getJSONObject("location");
        }

    } catch (IOException e) {
        e.printStackTrace();
    }
    return null;
}

通过上面的方法，我们返回了一个Json字符串，这个字符串里面包含了目的地的经度和纬度。

有了经度和纬度，我们通过逆地理编码，就可以获得目的地所在的乡镇。

3.目的地所在乡镇的获取getTownByLatAndLng

根据获得的经纬度，我们通过访问相应的接口，服务器会返回给我们一个json字符串，如下所示：

{
	"status": 0,
	"result": {
		"location": {
			"lng": 115.26599353332347,
			"lat": 36.070504134133987
		},
		"formatted_address": "河南省濮阳市南乐县",
		"business": "",
		"addressComponent": {
			"country": "中国",
			"country_code": 0,
			"country_code_iso": "CHN",
			"country_code_iso2": "CN",
			"province": "河南省",
			"city": "濮阳市",
			"city_level": 2,
			"district": "南乐县",
			"town": "张果屯镇",
			"town_code": "410923104",
			"distance": "",
			"direction": "",
			"adcode": "410923",
			"street": "",
			"street_number": ""
		},
		"pois": [],
		"roads": [],
		"poiRegions": [],
		"sematic_description": "",
		"cityCode": 209
	}
}

可以获得目的地所处的乡镇，以及乡镇所对应的行政区划代码。

具体代码实现如下所示。

public static String getTownByLatAndLng(String lat, String lng) {
    try {
        String urlAddress = "http://api.map.baidu.com/reverse_geocoding/v3/?ak=um3EyGR9TQYrlCEhacbygTrvBSHQzBf8&output=json&extensions_town=true&coordtype=wgs84ll&location=" + lat + "," + lng + "";
        StringBuilder sb = new StringBuilder();
        URL url = new URL(urlAddress);
        URLConnection connection = url.openConnection();
        if (connection != null) {
            InputStreamReader kk = new InputStreamReader(connection.getInputStream(), StandardCharsets.UTF_8);
            BufferedReader br = new BufferedReader(kk);
            String data;
            while ((data = br.readLine()) != null) {
                sb.append(data);
            }
            kk.close();
        }
        return sb.toString();

    } catch (IOException e) {
        e.printStackTrace();
    }
    return null;
}

通过该方法我们就可以获得目的地所在的乡镇以及乡镇区划代码。哈哈哈，大功告成。这两个要素我们就搞定了。

4.死亡人数获取getDiePeopleNumber

死亡人数的获取，也是根据自然语言的规律，进行相应的数据清洗。结果可能不是很准确，还要根据后续的实践队代码进行调整。

/**
 * 因为死亡人数比较敏感，所以对于得到的结果，要进行二次检查
 * @param txt
 * @return
 */
public static int getDiePeopleNumber(String txt) {
    //会出现  "身亡"  字眼
    //当出现"某某"或者"某"，"1人"，"1名"，一般是一个人。"2人"，"1对"一般是两个人
    if (txt.contains("身亡")) {
        if (txt.contains("某某") || txt.contains("某") || txt.contains("1人") || txt.contains("1名")) {
            return 1;
        }
        //这里判断比较复杂，1对往往存在不是人的情况，这里汇集一下"1对农民夫妇"
        if (txt.contains("2人") || txt.contains("1对农民夫妇")) {
            return 2;
        }
    }
    return 0;
}

5.经济损失获取getLoss

损失是一个很难界定的东西，其中该方法返回的0--》是因为无法判断损失给的值。其他数字则是根据原文给的数字写的。

/**
 * 损失是一个很难界定的东西，其中该方法返回的0--》是因为无法判断损失给的值。其他数字则是根据原文给的数字写的。
 *
 * @param txt
 * @return
 */
public static String getLoss(String txt) {
    String[] split = txt.split("，|。|,|、");
    for (String s : split) {
        //这里存在一个问题，可能字符中包含多个万元关键字，那么我们就取第一个
        if (s.contains("万元")) {
            String chinese = "[\u4e00-\u9fa5]";
            //汉字字符集
            Pattern p = Pattern.compile(chinese);
            Matcher m = p.matcher(s);
            return m.replaceAll("");
        }
    }
    return "0";
}

总结

至此，风险普查中雷灾统计最复杂的步骤我们已经搞定了。剩下的就是体力活了，即将数据整理到数据库，或者熟悉的工具里面。这里就不再赘述了。