基于网页抓取从维基百科提取地理空间数据问题咨询

嘿，我来帮你搞定这个从维基百科抓取坐标、计算两点距离的问题！下面一步步给你讲清楚：

一、选哪种坐标格式最适合计算？ #

你看到的三种坐标格式里，**纯十进制度数（比如 42.8371111; -2.6880444）**是最适合计算的！原因很简单：

• 度分秒（DMS）格式需要手动转换成十进制，步骤繁琐容易出错；
• 带方向的十进制格式还要把N/S、E/W转换成正负号（比如西经是负，南纬是负）；
• 纯十进制格式已经帮你处理好了符号，直接就能拿来做数值计算，效率最高。

二、如何提取纯十进制坐标？ #

你已经把维基百科的vcard表格转成数据框了，接下来只要定位到坐标行，再用正则表达式提取目标内容就行。给你写好现成的R代码：

首先如果没装stringr包的话先安装：

install.packages("stringr")
library(stringr)

然后提取坐标：

# 找到包含坐标的行（维基百科vcard里通常第一列会有"Coordinates"或"Coord"关键词）
coord_row <- dict[grepl("Coordinates|Coord", dict[,1], ignore.case = TRUE), ]

# 从第二列里提取纯十进制坐标（匹配数字、负号、分号的组合）
decimal_coord_str <- str_extract(coord_row[,2], "-?\\d+\\.\\d+; -?\\d+\\.\\d+")

# 分割成纬度和经度，转成数值型
lat_lon <- as.numeric(strsplit(decimal_coord_str, "; ")[[1]])
target_lat <- lat_lon[1]  # 纬度
target_lon <- lat_lon[2]  # 经度

如果遇到某些页面的关键词不一样，你可以调整grepl里的匹配文本，比如换成"Location"之类的，灵活调整就行。

三、坐标距离怎么计算？ #

你已经加载了geosphere包，这简直太方便了！这个包专门处理地理空间计算，完全不用自己写复杂的球面/椭球面公式，直接用现成函数就行：

常用的距离计算函数（按精度排序） #

• distHaversine()：基于哈弗辛公式，计算大圆距离，单位是米，速度快，适合短到中等距离的日常计算；
• distVincentySphere()：基于文森特球面公式，精度比哈弗辛高一点；
• distVincentyEllipsoid()：基于椭球体计算，精度最高，适合长距离或对精度要求极高的场景。

实操示例（假设你有第二组坐标） #

# 假设你已经抓取到第二个地点的坐标：比如lat2, lon2
# 注意！geosphere的函数要求参数是【先经度，后纬度】，别搞反了！
coords_point1 <- c(target_lon, target_lat)
coords_point2 <- c(lon2, lat2)

# 用哈弗辛公式计算距离（单位米）
distance_meters <- distHaversine(coords_point1, coords_point2)
# 转换成公里的话
distance_km <- distance_meters / 1000

# 输出结果
cat("两点之间的距离是", round(distance_km, 2), "公里\n")

小提醒 #

如果你好奇背后的公式，哈弗辛公式的核心是把经纬度转换成弧度，然后计算球面上两点的最短距离，但手动实现容易出错，用geosphere的函数既省心又准确。

内容的提问来源于stack exchange，提问作者Jack Armstrong