本次博客主要记录map_service.py的编写，创建地图服务类MapService：负责处理所有与地图相关的功能，包括：初始化数据库、搜索周边、计算通勤

1.模块设计思路：数据存储与服务封装

在编写 map_service.py 时，我主要遵循了两个技术原则：

1. 数据本地化：由于以往学校课设项目的习惯，首先考虑了数据库的建立用于储存搜索到数据。
2. 职责单一化：MapService 类不仅要负责与高德API交互，还要负责数据的清洗和本地存储，为上层业务提供干净的数据接口。

2.核心实现：数据库架构与建表

这里我设计了 poi_data 和 commute_data 两张表。poi_data 用于存储房源周边的设施信息（如距离、类型），而 commute_data 则用于记录从房源到关键地点的通勤成本。使用 IF NOT EXISTS 语句是为了保证代码的幂等性，即无论运行多少次，只要表存在就不会报错，增强了程序的健壮性。

def create_tables(self):
   
        cursor = self.conn.cursor()
        
        cursor.execute('''
            CREATE TABLE IF NOT EXISTS poi_data (
                id INTEGER PRIMARY KEY AUTOINCREMENT,
                name TEXT NOT NULL,
                type TEXT,
                distance REAL,
                address TEXT
            )
        ''')

        cursor.execute('''
            CREATE TABLE IF NOT EXISTS commute_data (
                id INTEGER PRIMARY KEY AUTOINCREMENT,
                origin TEXT NOT NULL,
                destination TEXT NOT NULL,
                duration REAL,
                distance REAL
            )
        ''')

        self.conn.commit()

3.核心功能：高德API对接与POI搜索

实现逻辑分析：

1. 参数封装：将中心点坐标、搜索半径、关键词（如“地铁站”）封装成字典。这里需要注意高德API要求的参数格式。
2. 请求发送：使用 requests.get 发起HTTP请求。
3. 数据清洗与入库：这是最关键的一步。API返回的是复杂的JSON结构，我通过遍历 data["pois"] 提取出关键字段（名称、类型、距离），并立即调用 save_poi_to_db 方法将其存入本地数据库。这实现了“搜索即存储”的闭环。

       def search_poi_around(self, location, keyword="地铁站", radius=2000):
           url = "https://restapi.amap.com/v3/place/around"
           params = {
               "key": AMAP_KEY,
               "location": location,
               "keywords": keyword,
               "radius": radius,
               "output": "json"
           }
           
           try:
               response = requests.get(url, params=params)
               data = response.json()
               
               results = []
               if data["status"] == "1":
                   for poi in data["pois"]:
                       # 提取核心信息
                       poi_info = {
                           "name": poi.get("name", "未知"),
                           "type": poi.get("type", "未知"),
                           "distance": poi.get("distance", 0),
                           "address": poi.get("address", "")
                       }
                       results.append(poi_info)
                       
                       # 【关键步骤】将API获取的数据同步写入本地数据库
                       self.save_poi_to_db(**poi_info)
               else:
                   print("搜索失败:", data.get("info"))
               return results
           except Exception as e:
               print(f"请求异常: {e}")
               return []

4.通勤计算：获取距离，估算时间

实现逻辑设想与3类似，传坐标 -> 调API -> 解析JSON -> 存库 -> 返回数据，由于想实现更加真实的通勤时间估算，我试图获取驾车模式下的精准耗时和距离。尝试高德地图最新的 Web服务API V5版本（https://restapi.amap.com/v5/direction/driving），在路径规划上理论上更精准。

同样的，在get到response过后，提取最短路径对应的距离和时间，转为json格式并存到数据库中

    def calculate_commute(self, origin, destination):
     
        url = "https://restapi.amap.com/v5/direction/driving"
        params = {
            "key": AMAP_KEY,
            "origin": origin,
            "destination": destination
        }
        
        response = requests.get(url, params=params)
        data = response.json()
        
        if data["code"] == "10000" and data["route"]["paths"]:
            path = data["route"]["paths"][0]
            
            duration_seconds = float(path["duration"])
            distance_meters = float(path["distance"])
            
            duration_min = duration_seconds / 60.0
            distance_km = distance_meters / 1000.0
            
            # 将计算结果存入数据库
            cursor = self.conn.cursor()
            cursor.execute('''
                INSERT INTO commute_data (origin, destination, duration, distance)
                VALUES (?, ?, ?, ?)
            ''', (origin, destination, duration_min, distance_km))
            self.conn.commit()
            
            return {"duration_min": round(duration_min, 1), "distance_km": round(distance_km, 2)}
        else:
            print("通勤计算失败:", data.get("info"))
            return None

5.测试与问题

采用山东大学软件园经纬度数据测试py文件，两个主函数分别弹出USERKEY_PLAT_NOMATCH和KeyError: 'code'错误

下次博客再分析原因