第六章 数据地图

无相法师 / 著投票加入书签

00小说网 www.00xs.net,最快更新捡只英灵做妹妹最新章节!

    文承回过神来,重新整理思路。

    既然是失踪案,那就换一个出发点,从失踪抓起。

    他打开新闻站,发现密密麻麻早已铺满了各种各样失踪的新闻和求助帖子。

    「城西两名高中生已经失联三天,最后一次出现是放学结伴去的游戏厅,家长已将周边游戏厅搜遍,仍未现身。」

    「城东女子赵某两天前出门夜跑后再也没回家,警方根据其男友提供的常用夜跑路线展开搜索,未见踪迹。」

    「19岁女孩夜间上出租车后失踪,出租车的GPS信号也在案发当晚离奇消失,目前仍在进一步搜索中。」

    「14岁的初中女孩小韩,四天前放学回家途中走丢。」

    「钱唐市警方提示,最近城西和城南地区犯罪分子猖獗,夜间出行要结伴,注意安全。」

    他皱着眉头一篇一篇看着,突然露出兴奋的笑,快速在白纸上画出路径图。

    忍住冲动的喜悦,首先打开爬虫软件,软件图标虽然是个小蜘蛛,不过倒也没那么令人心慌,不过是顺藤摸瓜抓取信息的可爱小工具而已。

    什么?会员到期了?

    文承露出不满,一个月都得一百多元的会员费,不能就此放过,可是自己口袋里也就几百块零花钱了都是省吃俭用拼出来的,如果跟母亲要钱买软件总觉得很奇怪吧。

    既然没钱,那就自己做一个。文承咬着牙用力点头,舒展手指,跃跃欲试。

    开源框架很多,短板在主机的配置和调试上,各种版本各种语言的爬虫都有,冗余是最大的敌人,尤其是要装在文承那个可怜巴巴的远程主机,小水管的带宽和小松鼠心脏一样的配置。

    他苦笑了一下,对更适合爬虫的python自然是不熟悉的,他在开源网站上找到熟悉的php版,作者是一个印度孩子,不同的主机操作系统,远程安装的命令都不一样,好在开源网站支持远程克隆,一瞬间部署完毕。

    奇怪,硬是没起作用?果然是系统不对,为了用Torch开发人工智障,文承已经忍痛洗成乌班图了,如今又要回到php可不又得换回CentOS才好么,男孩捶了自己胸口一下,将那些被同学称为人工智障的诗篇一一备份存好,重装主机。

    20分钟过去,爬虫部署完毕,文承测试了一个本地新闻站,路径设置是比较困难的,不同网站的页面结构有所不同,有些标题的Class属性都是乱写的,他一边忍着怒气一边一个一个调整好,过了半个小时,三个新闻站已经爬取完毕,最近7天只要带着失踪两字的新闻全都被抓下来。

    趁热打铁,他又添加了十个本地新闻站和两个本地论坛,两三个网站的反爬虫机制很厉害,不到一分钟就被禁止访问了,他苦笑了一声耸了耸肩,无论如何已经有上千条新闻进来了。

    新闻抓取,达成!文承带着明亮的眼眸笑着,带着欣喜回望了身后熟睡的女孩们,又紧握拳头再次振作。

    接下来是提取工作,首先是去重,用distinct命令就可以。去重之后剩下700多条新闻和帖子,他倒吸一口凉气。

    短短几天,全市竟然发生了700多起失踪案!

    提取工作最难的一部分是地点识别,他没有字典,如果是有物流公司的数据就好了——思忖片刻,问题很快解决。

    他打开无极公司的地图网页,找到API接口,用网页提取的方式将钱唐市的所有街道小区名、路名、饭馆名、桥名、河名全部提取下来,毕竟工作量不大,于是他连公共厕所也没有放过。导入新的数据表后,自制的字典完成。

    借着字典和熟悉的命令,几十万字的新闻在5分钟化为700个零碎地名的文件,再次去重之后,只剩下500多个地名。

    早知道刚刚顺便把坐标也提取下来了,文承挑了挑漫不经心的眉毛,喝了一口茶舒展身体,靠着椅背略微休息一会回到屏幕前,重新调用无极公司的API。

    这才发现无极公司早就提供了数据地图的功能,作为测试版本还是免费的,文承露出欣喜的笑容,他重新下载好地名的数据包,再次敲击好命令之后,500多个地名后面纷纷出现对应的GPS坐标。

    从开始到现在一共过去了两个小时,文承望着屏幕上密密麻麻标着红点的地图露出兴奋的笑,如此短的时间内取得如此进展真是叹为观止!这是过去以往都没有达到的推进速度。

    看着屏幕,文承喜悦的嘴巴逐渐大张,满脸惊恐。

    红点分布一共呈现出多个大圆,大多分布在城南城西,离自己最近的圆,其圆心是自己家南侧两个街区的十字路口,半径在两公里左右,无论是学校、自己家都被覆盖!

    最后是数据拟合,不管怎么样数据都是符合幂律分布的,他首先删去除了其他地方的数据,只剩下自己所在片区的一个圆,他将噪点中心都去掉,只剩下最外围的点状分布,拼成一个圆环的轮廓,圆形拟合可以使用最小二乘法,他还没用过这样的公式,文承皱起眉头。

    他快速搜索到最小二乘法的原理,花了十几分钟快速啃完,接着来到开源代码网站,却找不到php版本的,有的是C语言版本,他还不是很熟,不过原理是相通的,更何况直接应用就可以,根本不需要二次开发。

    他深吸一口气,下载了matlab之后将数据重新导入,一个清脆的回车键,拟合结束!

    文承看着屏幕上一个完美的圆形满意地笑起来,揉了揉眼睛,将数据再次导入地图。

    地图上的圆心名叫远拓大厦,

    文承突然想起来,那是一个烂尾楼。

    将结果保存后关了电脑,忍住将答案告诉熟睡女孩的冲动,文承来到房门外悄悄关了门,来到沙发上躺下。

    他看了看手机,已是凌晨五点,即便是一个小时,还是够睡的。

    兴奋的情绪似乎是小鬼的舞蹈一样纠缠在脑中,文承无论怎么努力闭上眼睛都沉不下心,他在手机上胡乱翻着,突然翻到了前阵子刚拍下的一个女孩的照片,一下子就平静下来,他就那样静静地静静地看着,心绪逐渐平稳,困意排山倒海般涌来。