当前最新版为 2019文件夹 内的2018版数据
,此数据发布于2019-01-31
。
在线测试数据(多级联动):https://xiangyuecn.github.io/AreaCity-JsSpider-StatsGov/
可直接打开2019/采集到的数据
文件夹内的文件来使用:
ok_data_level3.csv
: 省市区3级数据。ok_data_level4.csv
: 省市区镇4级数据。ok_geo.csv.7z
: 为省市区3级的坐标和行政区域边界范围数据,csv格式,解压后130M+。
csv格式非常方便解析成其他格式,并且可以使用Excel打开进行编辑,算是比较通用;如果在使用csv文件过程中出现乱码、错乱等情况,需自行调对utf-8编码(或者使用文本编辑器
如 notepad++
把文件转成需要的编码),文本限定符为"
。数据已测试在:
win10
+notepad++
+UltraEdit
+WPS
+SQL Server
中无需任何设置,全部都能直接打开,并且数据保持工整,没有发现异常情况。csv导入数据库如果接触的比较多应该能很快能完成导入,参考2019/map_geo_格式化.js 中在SQL Server中的导入流程。
-
国家统计局 > 统计数据 > 统计标准 > 统计用区划和城乡划分代码
-
高德地图坐标和行政区域边界范围
chrome 控制台,41.0.2272.118
这版本蛮好,新版本乱码、SwitchyOmega代理没有效果、各种问题(简单制作chrome便携版实现多版本共存)
- 2019文件夹采集了4层,省、市、区、镇,2018版数据。采集高德省市区三级坐标和行政区域边界范围。
- 2018文件夹采集了3层,省、市、区,2017版数据。
- 2017文件夹采集了3层,省、市、区,2016版数据。
- 2013文件夹采集了4层,省、市、区、镇,2013版数据。
省市区镇数据表。
字段 | 描述 |
---|---|
id | 统计局的编号经过去除后缀的0{3,6,8} 得到的短编号;如果是添加的港澳台等数据,此编号为自定义编号 |
pid | 上级ID |
deep | 层级深度,0:省,1:市,2:区,3:镇 |
name | 城市名称,为统计局的名称精简过后的 |
pinyin_prefix | name 的拼音前缀,取的是第一个字前两个字母和后两个字首字母组成的 |
pinyin | name 的完整拼音 |
ext_id | 统计局原始的编号;如果是添加的港澳台等数据,此编号为0 |
ext_name | 原始名称,为未精简的名称 |
此表为坐标和行政区域边界范围数据表,因为数据文件过大(130M+),所以分开存储。
字段 | 描述 |
---|---|
id | 和ok_data 表中的ID 相同,通过这个ID 关联到省市区具体数据,map_geo_格式化.js 中有数据合并SQL语句 |
geo | 城市中心坐标,高德地图GCJ-02 火星坐标系 |
polygon | 行政区域边界,高德地图GCJ-02 火星坐标系。存在多个地块时用; 分隔,每个地块的坐标点用, 分隔,特别要注意:多个地块组合在一起可能是MULTIPOLYGON 或者POLYGON ,需用工具进行计算和对数据进行验证。js没找到求polygon 并集的方法,参考2019/map_geo_格式化.js内的SQL Server的解析语句 |
在线测试工具地址:https://xiangyuecn.github.io/AreaCity-JsSpider-StatsGov/
或者直接使用测试和WEB数据格式转换工具.js
,在任意网页控制台中使用。
此工具主要用于把csv数据转换成别的格式,另外提供省市区多级联动测试,并且可生成js源码(含数据)下载,3级联动生成的文件紧凑版68kb,4级联动紧凑版1mb大小。
- 数据预览和测试。
- 将csv数据导出成压缩后的紧凑版js格式纯数据文件,省市区3级数据65kb大小。
- 将csv数据导出成JSON对象、JSON数组纯数据文件,省市区3级数据120kb+。
- 网页版省市区镇多级联动测试。
- 网页版省市区多级联动js代码生成(含数据)。
省市区这三级采用在线拼音工具转换,据说依据《新华字典》、《现代汉语词典》等规范性辞书校对,多音字地名大部分能正确拼音,重庆
->chong qing
,朝阳
->chao yang
,郫都
->pi du
,闵行
->min hang
,康巴什
->kang ba shi
。
镇级以下地名采用本地拼音库(.pinyin-python-server
)转换,准确度没有省市区的高。
从完整拼音中提取的拼音前缀,取的是第一个字前两个字母和后两个字首字母,意图是让第一个字相同名称的尽量能排序在一起。排序1:黑龙江helj、湖北hub、湖南hun
;排序2:湖北hb、黑龙江hlj、湖南hn
,排序一胜出。
使用高德接口采集的,本来想采百度地图的,但经过使用发现百度地图数据有严重问题:
参考 肃宁县(右下方向那块飞地)
、路南区(唐山科技职业技术学院那里一段诡异的边界)
边界,百度数据大量线段交叉的无效polygon
(百度地图测试),没有人工无法修正,高德没有这个问题(高德地图测试);
并且高德对镂空性质的地块处理比百度强,参考天津市
对唐山
大块飞地的处理,高德数据只需要Union
操作就能生成polygon
,百度既有Union
操作又有Difference
操作,极其复杂数据还无效。
所以放弃使用百度地图数据。
坐标和边界数据
和 省市区
数据是分开存储的,通过ID
来进行关联。
可以把ok_geo.csv
导入到数据库内使用,由于POLYGON
需要解析,蛮复杂的,可以参考2019/map_geo_格式化.js内的SQL Server导入用的SQL语句的例子。
如果需要特定的POLYGON
格式,可以根据上面介绍的字段格式,自行进行解析和验证。
使用过程中如果遇到多种不同坐标系的问题,比如请求的参数是WGS-84坐标(GPS)
,我们后端存储的是高德的坐标,可以通过将WGS-84坐标
转成高德坐标
后进行处理,百度的坐标一样。转换有相应方法,转换精度一般可以达到预期范围,可自行查找。或者直接把高德的原始坐标数据转换成目标坐标系后再存储(精度?)。
-
id编号和国家统计局的编号基本一致,方便以后更新,有很多网站接口数据中城市编号是和这个基本是一致的。
-
东莞
、中山
、儋州
等没有第三级区级,自动添加同名的一级作为区级,以保证整个数据结构的一致性,添加的区以上级的ID结尾加两个0作为新ID,此结构ID兼容性还不错,比如:东莞(4419)下级只有一个区 东莞(441900)。 -
地区名字是直接去掉常见的后缀进行精简的,如直接清除结尾的
市|区|县|街道办事处|XX族自治X
,数量较少并且移除会导致部分名字产生歧义的后缀并未精简。 -
2017版开始数据结尾添加了自定义编号的
港澳台
90
、海外
91
数据,此编号并非标准编码,而是整理和参考标准编码规则自定义的,方便用户统一使用(注:民政部的台港澳编码为71、81、82)。 -
2019版开始从高德采集了省市区三级坐标和行政区域边界范围数据,省市区总计3300+条数据,未采集到边界的有160条以内。关于未获取到坐标或边界的城市,本采集方案采取不处理策略,空着就空着,覆盖主要城市和主要人群,未覆盖区域实际使用过程中应该进行降级等处理。比如:尽最大可能的根据用户坐标来确定用户所在城市,因为存在没有边界信息的区域,未匹配到的应使用ip等城市识别方法。
- issues/2
乐亭县
的乐
读lào
,此县下面的乐亭
读音均已修正。
在低版本chrome控制台内运行1、2、3打头的文件即可完成采集,前提是指定网页打开的控制台。这三个文件按顺序执行。
最新采集代码内对拼音转换的接口变化蛮大,由于优秀的那个公网接口采取了IP限制措施,就算使用了全自动的切换代理,全量转换还是极为缓慢,因此采用了本地转换接口和公网转换接口结合的办法,省市区三级采用公网接口,其他的采用本地接口。公网接口转换的正确度极高,本地的略差那么一点。
- 打开国家统计局任页面 https://www.stats.gov.cn/tjsj/tjbz/tjyqhdmhcxhfdm/。
- 控制台内粘贴
1_抓取国家统计局城市信息.js
代码执行。 - 采集完成自动弹出下载,保存得到文件
data.txt
。
- [可选]启动
.pinyin-python-server
中的本地拼音服务,根据2_1_抓取拼音.js
中的提示对4级进行本地拼音转换。 - 根据
2_2_抓取拼音.js
开头注释打开拼音接口页面,然后导入数据,进行省市区3级进行高准确度拼音转换。 - 拼音采集完成自动弹出下载,保存得到文件
data-pinyin.txt
。
- 任意页面,最好是第二步这个页面,根据
3_格式化.js
中的提示导入data-pinyin.txt
,并执行代码。 - 格式化完成自动弹出下载,保存得到最终文件
ok_data.csv
。
使用坐标和边界
目录内的map_geo.js
、map_geo_格式化.js
在高德地图测试页面,根据文件内的说明即可完成采集。
如果这个库有帮助到您,请 Star 一下。
你也可以选择使用支付宝给我捐赠: