瓦片是互联网地图webGIS组织地图数据的一种方式，最近的一个项目需要获取一定区域内的百度地图瓦片；ArcGIS的一个插件ArcBruTile支持很多地图源（如OSM、Bing）的瓦片获取，但是没有百度地图的，Github上的一些项目（如pyMap）也不支持百度瓦片的下载，
因此打算自己去获取。开始是想用百度API的静态图服务，但是我只有一个区域的边界矩形（MBR），而它接受的参数是中心点坐标和zoom的尺度，其请求URL的核心参数为center=116.403,39.914&width=1024&height=1024&zoom=11，要分块下载很麻烦，想了很多办法去算坐标和进行坐标距离换算，走了一些弯路，后来发现百度地图有一个隐晦的支持参数为x,y,z的调用，而x,y的变化是比较有规律的，因此只需要有边界的x和y再叠加就行。我是下载区域内的小图片再拼接为大图使用的，最后有上万张小图片，合并为一个200多MB的大图。
具体实现过程如下：
1，获取图片
在百度坐标拾取系统网页，先按F12调出控制台，用坐标反查定位到左下坐标，并且调好层级，我要用的是17级的地图，然后找到一张图片手动确定x1和y1；（虽然有逻辑可以根据坐标和层级算x和y，但百度地图版的实现起来还是费些时间的，我没找到现成的代码，如果读者有发现或写过实现这个功能的代码欢迎在评论里告知，非常感谢），再定位到边界的右上角，同样确定好x2，y2，然后用requests库写获取图片的代码，比较建议先定y，改x，我用先循环y的方式保存的图片合并起来更复杂些，循环下去；可以得到整个区域的图片；
（先验知识：百度地图的瓦片是从左下角算的，而不是Google Map的左上角开始；）
import requests
#from PIL import Image
def getTileByXYZ(): #根据x，y，z参数获取瓦片
z=17
xidx=[22568,22676]
yidx=[6898,7008]
for y in range(yidx[0],yidx[1]+1):
for x in range(xidx[0],xidx[1]+1):
url="http://online3.map.bdimg.com/tile/?qt=tile&x={x}&y={y}&z=17&styles=pl" \
"&scaler=1&udt=20180601".format(x=x,y=y)
savePngByXYZ(url, x, y, z)
print(y)
def savePngByXYZ(url,x,y,z=17): #保存图片
r = requests.get(url)
sname="./cdZoomImg/cd_{x}_{y}.png".format(x=x,y=y) #这里建议保存编码是y_x 这样下面合并图片也要适当改代码
with open(sname, 'ab') as pngf:
for chunk in r.iter_content(chunk_size=1024):
if chunk:
pngf.write(chunk)
pngf.flush()
2，合并瓦片
一共爬了1万多张瓦片，花了40多分钟（这个要看计算机性能），每张瓦片是256*256像素的方形区域；接下来就是合并的过程了，本来打算一次性合并完毕，但是弄得电脑内存不足了，于是先合并x相同的图片到另一个文件夹，形成一个个长条形的图片，每张尺寸变成了256*28672像素，再跑一遍把这些图片合并到一起，就形成了一张27648*28672的地图图片，可以用来作为ArcGIS一些空间分析的底图。
import os
import glob
from PIL import Image
def complieImg():
#命名规则：cd_x_y.png 左下坐标系
#同一个x 同1列，y增加，图片在上面
#假设输入排好序了
p = "./chengduImg"
plst = glob.glob(os.path.join(p, '*.png'))
xmin=((plst[0].split("\\")[1]).split(".")[0]).split('_')[1]
alst=[] #3维
qlst=[]
for f in plst:
w=((f.split("\\")[1]).split(".")[0]).split('_') #['cd', '22568', '6898']
w[0] = f
if w[1]==xmin:
qlst.append(w.copy())
else:
alst.append(qlst.copy())
xmin=w[1]
qlst=[]
m2 = [256*len(alst[0]), 256 * len(alst)]
#im2=Image.new('RGBA', (m2[0], m2[1]))
print(m2)
psave = "./complexLevel"
iw=0
for k in alst:#k里面装的是x相同的值，y应该递增
plen=len(k)
msize = [256, 256 * (plen+1)]
print(msize)
toImage = Image.new('RGBA', (msize[0], msize[1]))
for i in range(plen):
fromImage = Image.open(k[plen - i - 1][0])
toImage.paste(fromImage, (0 * msize[0], i * msize[0]))
sname="/m_{x}.png".format(x=k[0][1])
iw+=1
toImage.save(psave+sname)
def complieImgInY():
#合并长条形图片，x变化，y不变 长图是complieImg()里生成的
p = "./complexLevel" #chengduImg
plst = glob.glob(os.path.join(p, '*.png'))
xmin=((plst[0].split("\\")[1]).split(".")[0]).split('_')[1]
ima21=Image.open(plst[0])
w=np.array(ima21).shape
print(w)
psave = "D:/wexcel"
plen=len(plst)
msize = [w[1]*plen/2, w[0]/2]
print(msize)
toImage = Image.new('RGBA', (int(msize[0]), int(msize[1])))
for i in range(plen):
fromImage = Image.open(plst[i])
fromImage=fromImage.resize((int(256/2),int(msize[1])), Image.ANTIALIAS)
toImage.paste(fromImage, (int(i * 256/2), 0))
sname="/chengduMap.png"
toImage.save(psave+sname) #保存图片
最后得到一张200多MB的整合图片。最后代码更新于github_QLWeilcf。
