使用Java进行中小学违规教育培训数据采集实践-以某城市为例

devtools/2024/9/24 4:17:48/

目录

前言

一、违规教育信息

1、内容管理 

2、转换后的内容

二、数据库设计

1、空间数据库

三、字符地址位置转换空间信息

1、实现时序图

2、后台实体类的设计与实现

3、数据持久化操作

 四、总结

前言

        时间来到2024年8月24日，时间过得很快，2024年的暑假即将结束。神兽们该归笼了，各位家长们又是辛苦的照顾两个月。在这两个月的时间中，大家一定参加过不少的教育培训，中学的也好，小学的也好。一定有很多的家长在给家里的小朋友找了很多机构进行培训。先不说培训机构的培训能力怎么样，相信大家一定很关注哪些是违规培训。以博主所在的城市为例，关于违规培训有以下的定义：

凡是在周末、寒暑假、节假日开展义务教育学科培训的机构（个人）均为违规培训；凡是没有办学许可证的开展校外培训的机构均为违规培训机构。校外培训机构一次性不得收取超过三个月或60个课时的费用，非学科类培训机构一次性收费不得超过5000元。请广大家长知晓，如遇到违规培训或者违规收费，可以进行投诉举报。

        根据市教育局的通知和工作要求，在今年整个暑假期间，监管不松懈！暑假以来，全市各区县（市）共出动多次，拆除违规广告牌若干处，下发停办或者整改通知书若干份。共查处违规培训行为，其中隐形变异学科培训25起，无证非学科类培训14起，有证机构违规办学2起。希望我们广大的家长在挑选培训机构的时候，可以选择正规的机构，不仅保证我们的培训质量，同时还可能引起财产的损失。

        作为一名地理信息从业者，我们可以将这些违规商家的信息搜集起来，可以整理成一个信息的黄页，在家长需要进行信息查询的时候，就知道这些机构是需要注意的。这也是为人民服务了，当然，有教育需求的地方才会有较多的培训结构。因此，通过我们的地址编码，将地名地址转换成空间位置，我们进而可以分析出，该城市的教培空间分布模式，掌握教育分布情况。也可以优化相应的教育配套，引导更优质的教育培训机构入驻，为家长和学生提供优质的教育需求。

        本文以Java语言为例，将市教育局发布的违规培训名单进行集中采集，将数据集中存储。可以将这些数据进行统一分析，为下一步的空间分析和使用分布模型的建立，甚至后续的空间图谱构建奠定一个坚实的基础。通过本文，您将掌握如何进行数据的高效写入，同时进行地理编码的转换，以及相关空间表的设计。

一、违规教育信息

        首先我们来介绍一下市教育局公布的违规教育信息，这里的数据来源于长沙晚报掌上长沙，41起！长沙通报暑期第二批违规培训名单。大家可以看到这是8月7日公布的一个名单。

1、内容管理 

        上面的表格仅展示了隐形变异学科培训列表，在表格中包含了机构名称、机构地址、备注信息等重要信息。请注意，上面的信息是存储在图片的表格中，因此我们不能直接的使用抓取工具来进行的获取。当然，在上面这种信息量不是很多的情况下，我们可以直接进行人工手动录入，毕竟数据量也是有限。本文呢，暂时用这种手工处理的模式。更加智能的方式是进行OCR识别，当然这里的OCR识别，需要识别出表格，而不是按照文本的顺序按空格输出，这样拿到的数据也是不符合需要的。要实现这种表格的识别，得加上OpenCV等组件进行学习或者深度学习来识别表格外框，再结合COR的外框来进行精准识别。关于利用OpenCV来进行表格识别的内容，暂且不表。

2、转换后的内容

        在明确数据的采集之后，我们可以利用微信或者一些在线工具，把下载的图片进行在线识别，将数据转换成Excel，也可以一行行的录入相关数据。最后可以得到下面的Excel表格。

序号名称地址备注时间类型来源
1唐*湘江新区奥克斯中央公馆9栋308房2024-08-07隐形变异学科培训长沙晚报
2王*源湘江新区水岸御园12栋30012024-08-07隐形变异学科培训长沙晚报
3宏科教育(郑**)湘江新区长房时代城5栋1001、10052024-08-07隐形变异学科培训长沙晚报
4刘*爱湘江新区合能璞丽10栋204、2052024-08-07隐形变异学科培训长沙晚报
5100分之道(丁*)湘江新区金茂悦商铺10-1142024-08-07隐形变异学科培训长沙晚报
6宏科教育(郑**)湘江新区钰龙一期1栋1单元15022024-08-07隐形变异学科培训长沙晚报
7幸福成长教育(聂*)湘江新区德润园商业街9栋2楼2024-08-07隐形变异学科培训长沙晚报
8尹*骥湘江新区望月湖小区9片17栋1单元1042024-08-07隐形变异学科培训长沙晚报
9彭*芙蓉区芙蓉路中隆国际大厦905号2024-08-07隐形变异学科培训长沙晚报
10华斯优学(吴**)芙蓉区荷花园街道蔚蓝天空大厦6楼左侧以托管机构名义变相开展学科培训2024-08-07隐形变异学科培训长沙晚报
11尹*妮芙蓉区荷花园街道蔚蓝天空大厦6楼左侧个人租用华斯优学场地变相开展学科培训2024-08-07隐形变异学科培训长沙晚报
12刘*艳天心区君尚嘉筑2栋9032024-08-07隐形变异学科培训长沙晚报
13陈*杰天心区汇金国际银座5092024-08-07隐形变异学科培训长沙晚报
14廖*天心区汇金国际银座27102024-08-07隐形变异学科培训长沙晚报
15慧眼物理(王*)开福区伍家岭街道红色商贸城E4栋二楼左边户2024-08-07隐形变异学科培训长沙晚报
16无名雨花区侯家塘街道东尚一品A栋1502房2024-08-07隐形变异学科培训长沙晚报
17陆*雄雨花区左家塘街道鸿铭中心K座501、5022024-08-07隐形变异学科培训长沙晚报
18闪光教育(李*)雨花区洞井街道鄱阳佳郡3栋1单元302、502房2024-08-07隐形变异学科培训长沙晚报
19莘莘教育(匡**)雨花区井湾子街道万科金色麦田3栋1604-1605室2024-08-07隐形变异学科培训长沙晚报
20尹*里雨花区井湾子街道万科金色麦田3栋1609-1610室2024-08-07隐形变异学科培训长沙晚报
21长沙瀚铭智能科技有限公司雨花区井湾子街道号万科金色麦田商业4栋221房组织介绍上门家教变相开展学科培训2024-08-07隐形变异学科培训长沙晚报
22李*民浏阳市葛家镇葛家园村台上组11号一楼2024-08-07隐形变异学科培训长沙晚报
23余*浏阳市荷花街道新月半岛E2栋2单元103A2024-08-07隐形变异学科培训长沙晚报
24胡*雨浏阳市永安镇永新村桂花苑5栋5楼2024-08-07隐形变异学科培训长沙晚报
25黄*平浏阳市集里街道东方新天地B栋一单元1003室2024-08-07隐形变异学科培训长沙晚报
26准者联盟少儿篮球培训(龚*)湘江新区枫林三路741号骑龙花园2024-08-07无证非学科类培训长沙晚报
27青蒙艺术(郭**)湘江新区金山桥街道元拓秀街S5栋3242024-08-07无证非学科类培训长沙晚报
28湖南全华体育发展有限公司芙蓉区东岸街道天园假日小区羽毛球馆三楼2024-08-07无证非学科类培训长沙晚报
29劲狮学堂(刘*)开福区四方坪街道左岸春天会所一楼2024-08-07无证非学科类培训长沙晚报
30柯科书画(高*)开福区四方坪街道万富汇银座1324室2024-08-07无证非学科类培训长沙晚报
31菲菲舞蹈(龙**)开福区青竹湖街道水映加州运动会所2楼2024-08-07无证非学科类培训长沙晚报
32长沙雅田教育咨询有限公司开福区芙蓉北路街道芙蓉北路和凤亭路交汇处西南角2024-08-07无证非学科类培训长沙晚报
33美美希舞蹈(蔡*)开福区芙蓉北路街道富湾际5栋2001室2024-08-07无证非学科类培训长沙晚报
34mozare琴行(黄*)开福区洪山街道恒大雅苑7-9栋120-1212024-08-07无证非学科类培训长沙晚报
35优优钢琴(庞*)开福区洪山街道月湖兰庭5栋2单元16楼2024-08-07无证非学科类培训长沙晚报
36长沙市雨花区半音阶乐器经营部雨花区古曲南路199号花中城20-1062024-08-07无证非学科类培训长沙晚报
37长沙县星沙晨艺希工艺美术品店长沙县星沙街道开元东路深业睿城三期G3栋13楼2024-08-07无证非学科类培训长沙晚报
38长沙县墨绿红画室长沙县泉塘街道康桥长郡1栋2012024-08-07无证非学科类培训长沙晚报
39彭*浏阳市葛家镇葛家园村马家湾137号二楼2024-08-07无证非学科类培训长沙晚报
40浏阳市优而尚学培训学校浏阳市优而尚学培训学校高中学科类培训机构超范围对义务教育学生进行学科类培训2024-08-07有证机构违规办学长沙晚报
41浏阳市快乐嘟嘟培训中心有限公司浏阳市快乐嘟嘟培训中心有限公司非学科类培训机构超范围对义务教育学生进行学科培训2024-08-07有证机构违规办学长沙晚报

        在拿到上面的数据之后，我们就可以实现相关的数据存储，为了在下一步进行空间热力图和空间分布的查看，我们需要将这些拿到的中文地址转换成经纬度坐标，然后存储到数据库中。

二、数据库设计

        在明确了元数据的各项指标之后，我们就可以进行存储的表设计，这里我们采用PostGIS来存储，将直接存储上面采集到的元数据信息，同时还会调用天地图的相关接口，实现地理编码的解析以及空间信息的存储。因此本小节来讲一下数据库的设计。

1、空间数据库

这是上述业务表的字段信息，其DDL语句和索引的设定如下SQL所示，大家可以直接复制使用：

CREATE TABLE "public"."biz_violation_training" ("id" int8 NOT NULL,"name" varchar(255) COLLATE "pg_catalog"."default" NOT NULL,"address" varchar(512) COLLATE "pg_catalog"."default" NOT NULL,"remark" varchar(255) COLLATE "pg_catalog"."default","publish_date" timestamp(6) NOT NULL,"type" varchar(128) COLLATE "pg_catalog"."default","source" varchar(64) COLLATE "pg_catalog"."default","lat" varchar(32) COLLATE "pg_catalog"."default","lon" varchar(32) COLLATE "pg_catalog"."default","geom" "public"."geometry","create_by" int8,"create_time" timestamp(6),"update_by" int8,"update_time" timestamp(6),CONSTRAINT "pk_biz_violation_training" PRIMARY KEY ("id")
);
CREATE INDEX "idx_biz_violation_training_sour" ON "public"."biz_violation_training" USING btree ("source" COLLATE "pg_catalog"."default" "pg_catalog"."text_ops" ASC NULLS LAST
);
CREATE INDEX "idx_biz_violation_training_type" ON "public"."biz_violation_training" USING btree ("type" COLLATE "pg_catalog"."default" "pg_catalog"."text_ops" ASC NULLS LAST
);
CREATE INDEX "idx_biz_violation_traning_geom" ON "public"."biz_violation_training" USING gist ("geom" "public"."gist_geometry_ops_2d"
);COMMENT ON COLUMN "public"."biz_violation_training"."id" IS '主键';
COMMENT ON COLUMN "public"."biz_violation_training"."name" IS '机构名称';
COMMENT ON COLUMN "public"."biz_violation_training"."address" IS '地址';
COMMENT ON COLUMN "public"."biz_violation_training"."remark" IS '备注';
COMMENT ON COLUMN "public"."biz_violation_training"."publish_date" IS '发布时间';
COMMENT ON COLUMN "public"."biz_violation_training"."type" IS '类型';
COMMENT ON COLUMN "public"."biz_violation_training"."source" IS '来源';
COMMENT ON COLUMN "public"."biz_violation_training"."lat" IS '纬度';
COMMENT ON COLUMN "public"."biz_violation_training"."lon" IS '经度';
COMMENT ON COLUMN "public"."biz_violation_training"."geom" IS '位置';
COMMENT ON COLUMN "public"."biz_violation_training"."create_by" IS '创建人';
COMMENT ON COLUMN "public"."biz_violation_training"."create_time" IS '创建时间';
COMMENT ON COLUMN "public"."biz_violation_training"."update_by" IS '更新人';
COMMENT ON COLUMN "public"."biz_violation_training"."update_time" IS '更新时间';

三、字符地址位置转换空间信息

        在了解数据源，还有空间数据表的相关设计之后，我们要实现从Excel数据表中，将信息表格提取出来，然后调用天地图的API接口将地址转换成坐标，最后见Geometry信息，从而实现信息的保存。

1、实现时序图

        下面使用转换时序图来重点讲解一下真个过程是如何实现。首先讲解时序图，然后将给出重点步骤的代码实现。

 1.1、首先使用java的file对象将Excel表格读取到内存中，等待处理。

 1.2、使用ExcelUtil来进行数据的读取。

 1.3、实际将表格导入的内存中，然后将结果转为List。

 1.4、将地名地址信息发送给后台，将地名地址传给天地图。

 1.5、将点地图返回的数据进行JSON解析，转换为Java对象，从而获取Location等地址信息。

 1.6、根据返回的地址信息构建Geometry的字段信息。

 1.7、将Excel表格中的数据进行重新赋值。

 1.8、将数据进行批量插入到数据库中。

 1.9、完成。

        以上就是大致的处理的流程。

2、后台实体类的设计与实现

        后台实体类的模型设计很重要，为了在数据中可以直观的看到经纬度信息，因此在数据库表格中设计两个字段，用来存储经纬度信息。

package com.yelang.project.education.domain;
import java.io.Serializable;
import java.util.Date;
import com.baomidou.mybatisplus.annotation.TableField;
import com.baomidou.mybatisplus.annotation.TableId;
import com.baomidou.mybatisplus.annotation.TableName;
import com.yelang.framework.aspectj.lang.annotation.Excel;
import com.yelang.framework.handler.PgGeometryTypeHandler;
import com.yelang.framework.web.domain.BaseEntity;
import lombok.AllArgsConstructor;
import lombok.Getter;
import lombok.NoArgsConstructor;
import lombok.Setter;
import lombok.ToString;
/*** 违规办学培训实体类* @author 夜郎king*/
@TableName(value ="biz_violation_training",autoResultMap = true)
@NoArgsConstructor
@AllArgsConstructor
@Setter
@Getter
@ToString
public class ViolationTraining extends BaseEntity implements Serializable{private static final long serialVersionUID = 879828674200308872L;@TableId(value="id")private Long id;@Excel(name = "序号")@TableField(exist = false)private String index;@Excel(name = "名称")private String name;@Excel(name = "地址")private String address;@Excel(name = "备注")private String remark;@Excel(name = "时间",dateFormat = "yyyy-MM-dd")@TableField(value= "publish_date")private Date date;@Excel(name = "类型")private String type;@Excel(name = "来源")private String source;private String lat;//经度private String lon;//纬度@TableField(typeHandler = PgGeometryTypeHandler.class)private String geom;@TableField(exist=false)private String geomJson;
}

3、数据持久化操作

        定义好数据表结构和实体类代码后，我们要将数据进行持久化。这里持久化使用开源的Mybatis-plus操作。同时需要注意的是，在进行数据插入的时候，有自己来主动构建空间信息。

/**
*	 读取excel信息
*/
@Test
public void readExcelData() {try {File file = new File("C:/Users/Administrator/Desktop/违规培训.xlsx");FileInputStream fis = new FileInputStream(file);ExcelUtil<ViolationTraining> util = new ExcelUtil<ViolationTraining>(ViolationTraining.class);List<ViolationTraining> dataList = util.importExcel(fis);for(ViolationTraining base : dataList) {TdtAddressInfo info = this.GetLocationByTDT(base.getAddress());System.out.println(info);System.out.println("******************************************************");if(null != info.getLocation()) {String lat = String.valueOf(info.getLocation().getLat());String lon = String.valueOf(info.getLocation().getLon());base.setLat(lat);base.setLon(lon);String geom = "SRID=" + 4326 +";POINT (" + lon+ " " + lat + ")";//拼接srid，实现动态写入base.setGeom(geom);}Thread.sleep(3500);}if(dataList.size() > 0) {vtService.saveBatch(dataList, 200);}} catch (FileNotFoundException e) {e.printStackTrace();} catch (Exception e) {e.printStackTrace();}
}

        这里需要注意的话，为了保证不让天地图的后台进行访问限制，我们将每次访问后将暂停3.5秒钟。执行上述的代码后可以看到控制台在输出以下信息：

ViolationTraining(id=null, index=9, name=彭*, address=芙蓉区芙蓉路中隆国际大厦905号, remark=, date=Wed Aug 07 00:00:00 CST 2024, type=隐形变异学科培训, source=长沙晚报, lat=null, lon=null, geom=null, geomJson=null)
https://api.tianditu.gov.cn/geocoder?ds=%7B'keyWord':'芙蓉区芙蓉路中隆国际大厦905号'%7D&tk=473af7dc18cafb6b993616a0ce8e1ead
TdtAddressInfo(msg=ok, status=0, searchVersion=6.4.9V, location=TdtLocation(lon=112.97597, lat=28.19909, level=兴趣点, typeRound=null, score=76.0))
*************************************************************
ViolationTraining(id=null, index=10, name=华斯优学(吴**), address=芙蓉区荷花园街道蔚蓝天空大厦6楼左侧, remark=以托管机构名义变相开展学科培训, date=Wed Aug 07 00:00:00 CST 2024, type=隐形变异学科培训, source=长沙晚报, lat=null, lon=null, geom=null, geomJson=null)
https://api.tianditu.gov.cn/geocoder?ds=%7B'keyWord':'芙蓉区荷花园街道蔚蓝天空大厦6楼左侧'%7D&tk=473af7dc18cafb6b993616a0ce8e1ead
TdtAddressInfo(msg=ok, status=0, searchVersion=6.4.9V, location=TdtLocation(lon=113.015237, lat=28.201385, level=乡镇街道, typeRound=null, score=50.0))
*************************************************************
ViolationTraining(id=null, index=11, name=尹*妮, address=芙蓉区荷花园街道蔚蓝天空大厦6楼左侧, remark=个人租用华斯优学场地变相开展学科培训, date=Wed Aug 07 00:00:00 CST 2024, type=隐形变异学科培训, source=长沙晚报, lat=null, lon=null, geom=null, geomJson=null)
https://api.tianditu.gov.cn/geocoder?ds=%7B'keyWord':'芙蓉区荷花园街道蔚蓝天空大厦6楼左侧'%7D&tk=473af7dc18cafb6b993616a0ce8e1ead
TdtAddressInfo(msg=ok, status=0, searchVersion=6.4.9V, location=TdtLocation(lon=113.015237, lat=28.201385, level=乡镇街道, typeRound=null, score=50.0))
*************************************************************

        说明已经顺利的从后台获取相关信息，程序运行正常。

        最后，我们在数据库中来看一下数据是否已经成功持久化了。执行以下的sql语句：

select * from biz_violation_training;

         这样可以客户端可以看到以下的执行结果：

        到此，说明我们已经成功的把Excel转换成空间数据并持久化到PostGIS中。

 四、总结

        本文以Java语言为例，将市教育局发布的违规培训名单进行集中采集，将数据集中存储。可以将这些数据进行统一分析，为下一步的空间分析和使用分布模型的建立，甚至后续的空间图谱构建奠定一个坚实的基础。通过本文，您将掌握如何进行数据的高效写入，同时进行地理编码的转换，以及相关空间表的设计。行文仓促，难免有许多的不足之处，针对不足，恳请各位专家朋友在评论区批评指正，不胜感激。


http://www.ppmy.cn/devtools/100139.html

相关文章

ssrf实现.SSH未创建写shell

ssrf实现.SSH未创建写shell

一、ssrf介绍 SSRF (Server-Side Request Forgery,服务器端请求伪造)是一种由攻击者构造请求&#xff0c;由服务端发起请求的安全漏洞。一般情况下&#xff0c;SSRF攻击的目标是外网无法访问的内部系统(正因为请求是由服务端发起的&#xff0c;所以服务端能请求到与自身相连而…
阅读更多...
Notion使用详解一基础教程

Notion使用详解一基础教程

Notion使用详解一基础教程 Notion&#xff0c;这款被誉为“来自未来的笔记协作工具”&#xff0c;自问世以来就凭借其强大的功能和独特的设计理念吸引了众多用户。它不仅集成了笔记、知识库、任务管理等多种功能于一体&#xff0c;还通过模块化设计、无限层级页面以及动态编辑…
阅读更多...
WHAT - 远程控制机制

WHAT - 远程控制机制

目录 1. 客户端-服务器架构2. 连接建立3. 数据传输4. 通信协议5. 安全性6. 远程控制软件示例7. 操作流程示例 远程控制别人的电脑涉及到技术和安全多个方面。其基本机制通常包括以下几个方面&#xff1a; 1. 客户端-服务器架构 远程控制软件通常采用客户端-服务器架构&#x…
阅读更多...
qt-PLC可视化编辑器

qt-PLC可视化编辑器

qt-PLC可视化编辑器 一、演示效果二、核心代码三、下载链接 一、演示效果 二、核心代码 #include "diagramitem.h" #include "arrow.h"#include <QDebug> #include <QGraphicsScene> #include <QGraphicsSceneContextMenuEvent> #includ…
阅读更多...
opencv应用形态学（全网最详细）

opencv应用形态学（全网最详细）

引言 在图像处理领域&#xff0c;形态学操作是一种强大的工具&#xff0c;它基于图像的形状和结构来进行处理。形态学开运算是其中一种基础且常用的形态学操作&#xff0c;它主要通过先腐蚀后膨胀的方式&#xff0c;实现去除小物体、平滑较大物体轮廓的效果&#xff0c;同时尽…
阅读更多...
【C语言】常见文件操作

【C语言】常见文件操作

文件的常见操作 #include<stdio.h>// 由于devc代码编码为ANCI&#xff0c;故读取的文件中若有中文&#xff0c;请设置文件编码为ANCI&#xff0c;否则会乱码 // 读文件 void test1() {char ch;FILE *fp; // 创建文件指针fp fopen("./file.txt", "r"…
阅读更多...
服务发现与负载均衡基础概念

服务发现与负载均衡基础概念

服务发现和负载均衡是分布式系统中的两个关键技术&#xff0c;它们为系统的高可用性、可扩展性和灵活性提供了基础。下面我将详细讲解这两个概念及其在现代系统中的重要性、实现方式和常见的工具。 一、服务发现&#xff08;Service Discovery&#xff09; 1.1 . 什么是服务发…
阅读更多...
OpenCV基本使用教程

OpenCV基本使用教程

OpenCV&#xff08;Open Source Computer Vision Library&#xff09;是一个开源的计算机视觉库&#xff0c;用于处理图像和视频的分析和处理。下面是OpenCV的基本使用教程&#xff1a; 安装OpenCV&#xff1a;首先需要下载和安装OpenCV库。可以在OpenCV的官方网站上找到适合你…
阅读更多...
最新文章

Copyright @ 2022~2023