📖省市区数据采集并标注拼音、坐标和边界范围

在线测试和预览（转换成JSON）；当前最新版为 src文件夹 内的数据，此数据发布于统计局2019-01-31、民政部2019-11-05、腾讯地图行政区划2019-07-22、高德地图行政区划采集当天。

在Releases中下载最新发布数据文件；如果下载缓慢可以点此处通过GitHub Pages外链来下载；也可直接打开 src/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，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（带BOM）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"。

csv文件导入数据库如果接触的比较多应该能很快能完成导入，城市数据参考导入教程、坐标和边界参考导入教程 ，教程在代码开头注释中，是SQL Server的导入流程和SQL语句。

温馨建议：不要在没有动态更新机制的情况下把数据嵌入到Android、IOS、等安装包内；缓存数据应定期从服务器拉取更新

注：本库最高采集省市区镇4级数据、省市区3级边界范围，如果需要街道5级数据、或者更高精度的边界范围，请参考底下的其他资源。

数据源

• 国家统计局 ：统计用区划和城乡划分代码，此数据比较齐全但是比较杂，并且数据是一年一更可能会存在滞后，需额外移除和处理开发区、经济区、高新区、国家级新区等区域；此数据源为省市区三级数据的主要数据源，镇级辅助数据源。

• 民政部 ：行政区划代码，提供省市区三级数据，一月一更；为辅助数据源。

• 腾讯地图行政区划：提供省市区镇四级数据，更新比较频繁；为镇级主要数据源，省市区三级辅助数据源。

• 高德地图行政区域：提供省市区镇数据，实际采用前三级，更新比较频繁但具体时间未知；为辅助数据源。

• 高德地图坐标和行政区域边界范围：当城市数据有变化时，主动从高德查询坐标和边界信息。

采集环境

chrome 控制台，Chrome 41这版本蛮好，win7能用，Chrome 46这版本win10能用；新版本Chrome 72+乱码（统计局内页编码为gb2312，新版本xhr对编码反而支持的超级不友好，估计是印度阿三干的）、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）。

乱码的根本原因在于统计局服务器响应的内容编码为gb2312，但服务器响应头只给了Content-Type: text/html，因此可用Fiddler篡改Content-Type响应头为Content-Type: text/html; charset=gb2312也可解决新版Chrome乱码问题。

采集深度

• 2018.191105.0722版(2019)采集了4层，省、市、区、镇，来源：统计局2018版数据；省市区3级合并了民政部2019-11-05数据、高德地图行政区域、腾讯地图行政区划v20190722数据；镇级采用腾讯地图行政区划作为主要数据，综合高德和统计局的镇级。采集高德省市区三级坐标和行政区域边界范围。
• 2018版(2019)采集了4层，省、市、区、镇，来源：统计局2018版数据；省市区3级额外合并了民政部2019-08-27数据。采集高德省市区三级坐标和行政区域边界范围。
• 2017版(2018)采集了3层，省、市、区，来源：统计局2017版数据。
• 2016版(2017)采集了3层，省、市、区，来源：统计局2016版数据。
• 2013版(2013)采集了4层，省、市、区、镇，来源：统计局2013版数据。

数据有效性和完整性

本库会尽量和民政部的更新频率保持一致，但由于最为主要的两个数据源国家统计局、腾讯地图行政区划更新频度并没有民政部高；因此省市区三级准确度和民政部准确度是一量级，并且要更完整些；第四级镇级主要由腾讯地图行政区划提供，腾讯数据源并不经常更新，因此会导致小部分新增、调整的城市第四级没有数据（会用上级数据补齐），使用前应该考虑此缺陷。

数据通过使用上级数据补齐的形式（具体细节请参考后面的数据规则），使得任何一个数据都能满足省市区镇4级结构，没有孤立的（ID全局唯一），因此不管从哪级进行下级选择，都能进行有效操作。可以通过ID结构来识别这种补齐填充的数据，只要ID为上级的ID+多个0，就代表此数据为补齐填充数据，比如：东莞（4419）-东莞（441900），很容易鉴别出441900为补齐用的填充数据。

会发生补齐行为的数据很少，约50来个（不含台湾），主要为：直筒子市（东莞、儋州等）、省直辖县级市（济源、潜江等），他们的下一级仅有补齐的这条数据。另外直辖市（北京、天津等）下级也仅有一条数据，ID结尾为01（不包括重庆，重庆下级分成了市、县两个）。

【字段】ok_data表

省市区镇数据表。

字段	类型	描述
id	int/long	城市编号，三级用int类型，四级用long类型；省市区三级为统计局的编号经过去除后缀的0{3,6,8}得到的短编号，港澳台编号为民政部的编号；如果是添加的数据（国外），此编号为自定义编号；镇级主要为腾讯地图行政区划的编号，大部分和统计局的数据一致，约7.5%（约3000个）的镇级不一致；如果某级缺失(如：省直辖县级市、新增城市)，会用上级数据进行补齐，编号为上级结尾添加0{2,3}，注意如果要恢复长编号时（简单的补上00）已有的ID会和添加的ID产生冲突，比如4位恢复到6位将导致部分上下级ID冲突，恢复时这些新加的数据要进行特殊处理。
pid	int	上级ID
deep	int	层级深度；0：省，1：市，2：区，3：镇
name	string	城市名称；省市区三级为统计局的名称精简过后的，镇级主要为腾讯地图行政区划的名称精简过后的
pinyin_prefix	string	name的拼音前缀，取的是pinyin第一个字母，或港澳台、国外自定义前缀；用来排序时应当先根据拼音前缀的首字母来排序，相同的再根据前缀+名称进行排序
pinyin	string	name的完整拼音
ext_id	long	数据源原始的编号；如果是添加的数据，此编号为0
ext_name	string	数据源原始的名称，为未精简的名称

【字段】ok_geo表

此表为坐标和行政区域边界范围数据表，含省市区三级不含第四级；因为数据文件过大（130M+），所以分开存储。由于边界数据的解析比较复杂，请参考src/map_geo_格式化.js内的SQL Server的解析语句。

字段	类型	描述
id	int	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	string	城市中心坐标，高德地图GCJ-02火星坐标系。格式："lng lat" or "EMPTY"，少量的EMPTY（仅台湾的城市、国外）代表此城市没有抓取到坐标信息
polygon	string	行政区域边界，高德地图GCJ-02火星坐标系。格式："lng lat,...;lng lat,..." or "EMPTY"，少量的EMPTY（仅台湾的城市、国外）代表此城市没有抓取到边界信息；存在多个地块(如飞地)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

【QQ群】交流与支持

欢迎加QQ群：484560085，纯小写口令：areacity

案例效果

📖测试和WEB数据格式转换工具

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。

工具支持：

1. 数据预览和测试。
2. 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。
3. 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+。
4. 网页版省市区镇多级联动测试。
5. 网页版省市区多级联动js代码生成（含数据）。

效果图

📖拼音标注

拼音源

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、六安市:lu an shi；转换完成后会和腾讯地图行政区划存在的拼音进行对比校正。

镇级以下地名采用本地拼音库（assets/pinyin-python-server）转换，准确度没有省市区的高。

拼音前缀

目前采用的是截取第一个字拼音的首字母，和港澳台、国外特殊指定前缀。

排序方案：

方案一(2016版废弃)：取每个字的拼音首字母排序，比如：河北:hb 湖北:hb 黑龙江:hlj 河南:hn 湖南:hn

方案二(2018版废弃)：取的是第一个字前两个字母和后两个字首字母排序：河北:heb 黑龙江:helj 河南:hen 湖北:hub 湖南:hun

方案三(返璞归真)：取第拼音前缀首字母进行排序，如果两个字母相同，再使用(首字母前缀或自定义前缀)+(名称)进行排序：河北:h.河北 河南:h.河南 黑龙江:h.黑龙江 湖北:h.湖北 湖南:h.湖南 香港:~1.香港 澳门:~2.澳门

排序方案三看起来好些；为什么不直接用名称文本进行排序，我怕不同环境下对多音字不友好，最差情况下也不会比方案一差，并且排序可透过前缀实施自定义控制。

📖坐标和行政区域边界范围

数据源

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(百度已更新，不能复现了)：

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(百度已更新，不能复现了)（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。

如何使用坐标和边界数据

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src/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？）。

边界效果预览

📖数据规则和相关问题

1. 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，包括民政部、腾讯地图和高德地图的城市数据这套编号都是大部分通用的。

2. 东莞、中山、儋州等不设区的直筒子市没有第三级区级，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，添加的城区编号以上级的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），但结尾加00后会导致精简过的ID如果要恢复成指定的位数时需要将这些添加的区域进行特殊处理，否则4419扩充到6位后会变成441900和下级产生冲突。

3. 省直辖县级市（河南济源、湖北潜江、海南五指山、新疆昆玉等）根据编号来看本来只能放到区级，但为了便于用户选择，所有直辖市自动添加一个同名的市级，比如：湖北-直辖市-仙桃-*镇 调整后为 湖北-仙桃-仙桃-*镇，新添加数据的编号规则和第二条规则相同。

4. 如果市、区没有下级，自动添加同名的一个城镇作为下级，编号规则和上一条规则相同，以保证数据层次的一致性（任何一个数据都能满足省市区镇4级结构，没有孤立的）；比如：福建-泉州-金门没有镇，调整后为福建-泉州-金门-金门；另外从民政部等数据源中补全的新增城市也会缺失下级，照此规则自动补齐。

5. 台湾数据只有省市区三级没有镇级，因此镇级通过前面几条规则自动补齐；香港、澳门数据源有两级，当做直筒子市来处理，比如把香港当做东莞，从面积和人口来看还算合理，因此港澳数据中省市区三级是完全相同的，第四级镇级才有城市数据，如：香港-香港-香港-湾仔区。

6. 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。

7. 省市区前三级数据的合并：统计局采集过来的数据会先和民政部的数据交叉对比后进行合并；由于统计局的数据明显的滞后，民政部内新添加的市、区将不会有镇级（自动补齐同名镇级）；如果民政部数据存在明文撤销的市、区，那么合并的时候会删除统计局对应的数据，如：山东-莱芜市于2019-01撤销，并在济南市新加莱芜区、钢城区；如果统计局中的数据在民政部数据内不存在，将原样保留。高德地图行政区域会和腾讯地图行政区划数据进行交叉对比，然后择优选取需要的数据。最后(统计局+民政部)和(高德+腾讯的数据)的前三级数据进行交叉融合，得到的【省市区】 ≈ 【统计局的数据】 - 【160来个开发区、经济区、高新区、国家级新区】 - 【撤销城市】 + 【新设城市】 + 【港澳台】。

8. 第四级镇级主要采用腾讯地图行政区划数据，综合高德和统计局的数据，和统计局的数据差异在3000个左右，占比7.5%(3000/40000)，得到的【镇级】 ≈ 【腾讯地图行政区划数据】。

9. 省市区三级的坐标和行政区域边界范围数据从高德采集，省市区总计3300+条数据，少部分城市未采集到数据（仅台湾的城市、国外）。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。得到的【坐标和边界】 = 【高德地图数据】。

10. 参考链接：统计用区划代码和城乡划分代码编制规则，民政部发布的行政区划代码。

为什么不直接用统计局的数据

1. 存在滞后，更新没有民政部和其他数据源频繁，新采集却是老数据，并且明知道存在新数据，强迫症又要犯了。
2. 统计局的数据比较齐全但是比较杂，靠一个人来分开整理几乎不可能；比如：统计局数据包含了160多个经济区、开发区，这种区划应该算专门的区域，一般由多个城市的区域组成，在区级内算是重复的区域，因此需要剔除，但剔除后这些区域下面的镇级需要划分到实际的归属城市下面，这就很困难了，因为量太大了，一个个去查归属地几乎不可能。
3. 统计局的数据也存在缺失数据，如：港澳台、昆玉市、双河市。
4. 其他平台的数据在感官上显得都不够完美，综合一下舒畅多了。

修正数据

• issues/2 乐亭县 的 乐读lào ，此县下面的乐亭读音均已修正。

📖使用js自行采集

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，这些文件按文件名顺序执行。环境配置好的情况下完成一次采集大概30分钟内。

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。

统计局官网也会对请求进行限制，超过一定量的请求后会要求输入验证码。只要没有禁用浏览器缓存，一个统计局url请求过一次就不再次发起网络请求（会走缓存），最多会产生4000个有效网络请求，发现要输入验证码时，重新开始采集即可，有缓存的非常快速。

城市数据标准操作流程

1. 按顺序用文本编辑器打开1-3打头的js文件，阅读源码开头的注释，用浏览器打开注释内相应的目标页面。
2. 在浏览器页面内打开控制台，控制台中导入需要的数据。
3. 复制js文件内的源码到控制台内执行。
4. 数据采集或转换完成会自动弹出下载，保存好文件，然后处理下一个1-3打头的js文件。

坐标和行政区域边界采集

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。

📖其他资源

• 行政区划吧：百度贴吧链接，一个指点江山有味道的吧，区划变更先知道
• 全国基础地理数据库：http://www.webmap.cn
• OpenStreetMap：https://www.openstreetmap.org
• 含街道居委会（五级）数据：https://github.com/modood/Administrative-divisions-of-China

⭐捐赠

如果这个库有帮助到您，请 Star 一下。

您也可以使用支付宝或微信打赏作者：