预告：详细数据分析和代码在文末，希望能够把这份数据扩散出去，真正帮助那些丢失孩子的家庭。
事情的开始是这样的，前几天看到群里有朋友分享尧大的研究，用到了人口拐卖数据。我其实这两年都在关注这个话题，目前大部分人口拐卖是用的宝贝回家网的数据，我恰好有一份更高质量的全国尺度的包含妇女贩卖，人口贩卖，等不单单是婴幼儿拐卖的数据，想做点大尺度的综合类的研究分析，所以就在群里提到了这个。大家听说有这里有大傻子来用爱发电爬数据，脸上纷纷漏出了白嫖的喜悦，纷纷回应。
我耳根子比较软，在群友的一声声轻声细语中很快败下阵来，承诺将会提供一份数据出来，也就是大家用的很广的“宝贝回家”数据，这份数据大家做简单分析应该是够了。如果想分析的更深入细致，可以一起做更高质量的其他来源的数据哦。宝贝回家的数据18年武大资环的一位老师就用来做了研究，并发在了nature sustainability上，被编辑选为feature study（亮点研究）。
其实方法再简单不过了，就是把发布地点和被拐地点做个OD，然后复杂网络一套就完事了，如下图。
这套数据链接是：www.baobeihuijia.com/bbhj，相当多的寻亲信息。
随便点进去一个，看到详细的寻亲信息。每一条都是血淋漓的家庭悲剧，可恶的人贩子啊。
其实数据都是公开的抓取非常简单，我花了一个小时写了以下代码，递增页面的索引，最多1147页，平均每页50个孩子，登记了约5万名被拐儿童信息，而真实的被拐数字恐怕是十倍不止。
随机提取部分数据进行简单的数据统计，可以看到其实相当一部分儿童不是拐卖而是送出去了，现在原生父母想要重新找到，哎，早知如此何必当初呢？
看下男女比例，再次哑然。
被拐的孩子出生日期以及被拐时间主要集中在1990年。这种情况新世纪后才得以好转，小时候大人说不要乱跑，容易被人贩子拐走所言非虚啊。
大家回复宝贝回家获取数据，附上数据爬取的代码，仅供学习，不要自己一直开爬虫防止对服务器干扰，影响那些真正需要想找回孩子的人：
import requestsfrom bs4 import BeautifulSoupimport csvdef extract_person_info(person_div):href = person_div.find('a', target='_blank')['href']img_src = person_div.find('img', class_='img-fluid')['src']label = person_div.find('span', class_='badge').get_text()agent_info = person_div.find('div', class_='person-agent-info')agent_name = agent_info.find('a')['href']registration_date = agent_info.find('span', class_='d-block').get_text()return {'href': href,'img_src': img_src,'label': label,'agent_name': agent_name,'registration_date': registration_date}def extract_registration_info(soup):registration_info = soup.find('div', class_='pagecontent')if registration_info:registration_data = {}for item in registration_info.find_all('li'):key = item.find('div', class_='view-th').text.strip()value = item.find('div', class_='view-td').text.strip()# Correcting the format for "失踪地点" fieldif '失踪地点' in key:value = key.split('：')[-1]key = '失踪地点：'registration_data[key] = valuereturn registration_dataelse:print("Registration information not found.")return Nonedef scrape_page(page_number):url = f'https://www.baobeihuijia.com/bbhj/channels/3_{page_number}.html'html_content = requests.get(url).content.decode('utf-8')soup = BeautifulSoup(html_content, 'html.parser')person_divs = soup.find_all('div', class_='person-image')for person_div in person_divs:person_info = extract_person_info(person_div)result_url = 'https://www.baobeihuijia.com' + person_info['href']result_html_content = requests.get(result_url).content.decode('utf-8')result_soup = BeautifulSoup(result_html_content, 'html.parser')registration_data = extract_registration_info(result_soup)if registration_data:with open('宝贝回家3.csv', 'a', encoding='utf-8', newline='') as f:csv_writer = csv.writer(f)csv_writer.writerow(registration_data.values())with open('宝贝回家3.csv', 'w', encoding='utf-8', newline='') as f:f.write("Title,寻亲类别：,失踪类型：,寻亲编号：,姓名：,性别：,出生日期：,失踪时身高：,失踪时间：,失踪地点,失踪者特征描述：,其他资料：,注册时间：,跟进志愿者：")f.write("\n")# Iterate over pages from 2 to 5for page_number in range(2, 200):scrape_page(page_number)
其实除了儿童拐卖外，妇女贩卖也是非常严重的事情，我们使用另外的数据源，绘制了中国妇女拐卖多发的城市，其中与缅甸越南的边界是高发区域。大家如果感兴趣可以一起完成这个工作。
