HTML应用指南：利用POST请求获取全国公牛门店位置信息

公牛作为国内领先的民用电工与智能电气品牌，自创立以来，依托其强大的产品品质与渠道建设能力，积极布局线下零售网络，打造了覆盖全国的“公牛旗舰店”及授权销售网点体系。公牛门店不仅是产品销售的重要窗口，更是集品牌展示、产品体验、专业咨询和售后服务于一体的综合服务平台，成为公牛品牌与消费者之间沟通的重要桥梁。公牛始终坚持“安全用电，守护万家”的理念，依托丰富的产品线和完善的供应链体系，结合线下门店的标准化形象与专业服务，为消费者提供安全、可靠、智能化的用电解决方案。

在注重产品功能与质量的同时，公牛门店也强调空间设计的现代感与服务体验的人性化，营造出简洁、专业、富有科技感的购物环境，提升消费者在选购过程中的信任感与满意度。门店广泛分布于各大城市的核心商圈、建材市场及家电卖场，形成了高密度、广覆盖的终端网络，有效支撑了品牌在C端市场的渗透与影响力提升。

本文将探讨如何通过POST请求从官方网站或公开接口中获取公牛门店的分布信息，并展示使用Python的requests库发送HTTP请求的方法，以提取详细的门店位置数据。这些信息涵盖全国范围内的公牛旗舰店及重点销售网点，通过解析返回的JSON数据或HTML内容，实现对门店名称、地址、所在区域等关键字段的结构化提取。此类数据采集方式有助于深入分析公牛在不同省市的渠道布局策略、区域市场覆盖率及其与人口经济分布的关联性。通过对门店数据的清洗与整理，还可为后续的地理可视化、商圈分析、渠道优化及市场拓展预测提供坚实的数据支持。

公牛旗舰店查询官方网址：公牛旗舰店查询

首先，我们找到门店数据的存储位置，然后看3个关键部分标头、负载、 预览；

标头：通常包括URL的连接，也就是目标资源的位置；

负载：对于POST请求：负载通常包含了传递的参数，因为所有参数都通过URL传递，这里我们可以看到省份、地级市、市，县级市的明文，没有进行加密；

预览：指的是对响应内容的快速查看或摘要显示，可以帮助用户快速了解返回的数据结构或内容片段，我们可以看到与其他方式不同，数据是直接存在了html里；

接下来就是数据获取部分，先讲一下方法思路，一共三个步骤；

方法思路

1. 找到对应数据存储位置，获取所有店铺列表的相关标签数据；
2. 我们通过page 从 1 到 maxpage 循环，来遍历全国门店数据；
3. 地理编码→地址转经纬度，再通过coord-convert库实现GCJ-02转WGS84；

第一步：我们直接在"Fetch/XHR"先找到对应数据存储位置，获取所有店铺列表， 我们可以看到门店信息直接存在html，并且包括的全国所有的数据，所以我们直接遍历整个html,将 page 从 1 到 maxpage 循环，获取全部门店即可；

第二步：利用POST请求获取所有店铺列表，并根据标签进行保存，另存为csv；

完整代码#运行环境 Python 3.11

import requests
import time
from bs4 import BeautifulSoup
import csv

# ========== 配置信息 ==========
url = "https://www.gongniu.cn/index.php?m=content&c=search&a=mdlist"

headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36',
    'Content-Type': 'application/x-www-form-urlencoded',
    'Origin': 'https://www.gongniu.cn',
    'Referer': 'https://www.gongniu.cn/',
}

# 固定参数（地区等）
base_data = {
    'pagesize': '5',
    'key': '',
    's_province': '省份',
    's_city': '地级市',
    's_county': '市、县级市',
    'noid': '281',
    'catid': '281'
}

# 存储所有门店信息
all_stores = []

# ========== 第一步：获取总页数 maxpage ==========
print("正在获取第一页以确定总页数...")
first_data = {**base_data, 'page': '1'}
try:
    response = requests.post(url, headers=headers, data=first_data, timeout=10)
    response.raise_for_status()
    result = response.json()

    if result.get('status') != 1:
        print("接口返回失败:", result.get('info', '未知错误'))
        exit()

    maxpage = result['data']['maxpage']
    print(f"共 {maxpage} 页，开始爬取...")

except requests.exceptions.RequestException as e:
    print(f"请求失败: {e}")
    exit()
except Exception as e:
    print(f"解析失败: {e}")
    exit()

# ========== 第二步：遍历每一页 ==========
for page in range(1, maxpage + 1):
    print(f"正在爬取第 {page} 页...")
    page_data = {**base_data, 'page': str(page)}

    try:
        response = requests.post(url, headers=headers, data=page_data, timeout=10)
        if response.status_code != 200:
            print(f"第 {page} 页请求失败，状态码: {response.status_code}")
            continue

        result = response.json()
        if result.get('status') != 1:
            print(f"第 {page} 页接口返回失败: {result.get('info')}")
            continue

        html_content = result['data']['html']
        soup = BeautifulSoup(html_content, 'html.parser')

        for li in soup.find_all('li'):
            title_tag = li.find('a', class_='tit1')
            address_tag = li.find('p')

            name = title_tag.get_text(strip=True) if title_tag else "未知门店"
            address = address_tag.get_text(strip=True).replace('门店地址：', '') if address_tag else "未知地址"

            all_stores.append({
                'name': name,
                'address': address
            })

        # 控制请求频率，避免被封
        time.sleep(1)

    except Exception as e:
        print(f"解析第 {page} 页时出错: {e}")
        continue

print(f" 爬取完成！共获取 {len(all_stores)} 家门店。")

# ========== 第三步：保存为 CSV 文件 ==========
csv_filename = 'gongniu_stores.csv'
with open(csv_filename, 'w', encoding='utf-8-sig', newline='') as f:  # utf-8-sig 避免 Excel 中文乱码
    writer = csv.DictWriter(f, fieldnames=['name', 'address'])
    writer.writeheader()
    writer.writerows(all_stores)

print(f" 所有门店信息已保存至: {csv_filename}")

获取数据标签如下，店铺名称、店铺名称地址；

如果需要换成单个城市，直接把这里的城市换成对应的需要查询的城市即可；

如果需要获取城市的层级关系，在"网络"里随便检索一个二级行政区，比如"石家庄市"，我们就可以找到行政区对应关系；

第三步：地理编码和坐标系转换，这里因为数据标签没有直接的坐标数据，需要把获取的门店地址进行地理编码，具体实现方法可以参考我这篇文章：地址转坐标：利用高德API进行批量地理编码_高德地图api-CSDN博客；

这里直接下载转换结果，坐标系GCJ-02，当然还有个别地址描述太模糊的或者格式无法识别，会查不出坐标，手动查一下坐标即可，大部分还是可以查到的，因为当前坐标系是GCJ02，需要批量转成WGS84/BD09的话可以用免费这个网站：批量转换工具：地图坐标系批量转换 - 免费在线工具 (latlongconverter.online)，也可以通过coord-convert库实现GCJ-02转WGS84；
对CSV文件中的门店坐标列进行转换。完成坐标转换后，再将数据导入ArcGIS进行可视化；

接下来，我们进行看图说话：

在东部沿海地区，如广东、江苏、浙江、山东等省份，公牛门店的数量显著高于其他地区。这些省份不仅人口密集，而且经济活动频繁，居民消费水平较高，对高品质用电产品的需求旺盛。因此，公牛选择在这些地区密集布点，以满足市场需求并提升品牌影响力。此外，东部沿海地区的物流网络发达，供应链管理便捷，有助于公牛高效地进行产品配送和服务支持。

在中部地区，如河南、湖北、湖南等省份，公牛门店也表现出较强的渗透力。尽管与东部沿海地区相比，中部地区的门店密度稍低，但整体分布较为均匀，覆盖了多个城市和乡镇。这表明公牛在中部地区采取了广泛的渠道布局策略，通过旗舰店和授权销售网点相结合的方式，实现了对不同层级市场的有效覆盖。

相比之下，西部和东北地区的公牛门店分布相对稀疏。这些地区的经济发展水平和人口密度较低，市场规模相对较小。然而，公牛并未忽视这些市场，在一些重点城市和经济中心仍设有门店，以保持品牌存在感并逐步拓展市场。随着西部大开发和东北振兴战略的推进，未来这些地区的市场潜力有望进一步释放，公牛门店的布局也可能随之调整。

从城市等级来看，一线城市和新一线城市是公牛门店布局的重点区域，门店数量最多且分布最为密集。这些城市的消费者对高品质、智能化的用电产品需求强烈，公牛通过在核心商圈设立旗舰店，提供沉浸式的产品体验和专业服务，有效提升了品牌形象和用户满意度。而在二三线城市及以下，公牛则更多依赖于授权销售网点和专卖店，实现对更广泛市场的覆盖。

文章仅用于分享个人学习成果与个人存档之用，分享知识，如有侵权，请联系作者进行删除。所有信息均基于作者的个人理解和经验，不代表任何官方立场或权威解读。