城市的座標和邊界範圍

座標邊界數據全部來自高德地圖接口（ GCJ-02座標系 ），幾個地圖裏面質量算是最好的。保存爲csv格式，導入SQL Server也是很方便的，先睹爲快（大到不包郵:open_mouth:）：

從一幅中國地圖裏面去看，那種大到不包郵地方可能看不出什麼太大的感覺；沒有對比就沒有傷害，單獨把最大的縣摳出來對比一下就有感覺了，:point_right:看左邊那一塊純色:grin:

這些座標和邊界數據使用js代碼採集的，得到的csv文件有130M+，壓縮成7z文件後有13M大小，採集速度很快，省市區三級數據大概3分鐘就採集完成了。目前GitHub庫裏面的省市區三級和高德地圖的城市蠻匹配，除了臺灣的城市沒有邊界外，其他城市均有匹配的數據。

採集源碼見此目錄： https://github.com/xiangyuecn/AreaCity-JsSpider-StatsGov/tree/master/2019/座標和邊界

另外貼一張圖片樂呵樂呵：

新版城市數據採集

原何重裝

1. 以前只從統計局獲取數據，數據源過於單一，後來合併了民政部數據，還是感覺數據不太好使。
2. 很多人提醒只用民政部的數據會比用統計局的更好；甚至有的會從很多數據源獲取城市數據，唯獨不要統計局的。
3. 研究發現高德地圖行政區域、騰訊地圖行政區劃，這些地圖都有開放接口提供數據，並且數據開起了也不錯。
4. 強迫症又要犯了。

技能要點

綜合分析了一下統計局、民政部、高德地圖行政區域、騰訊地圖行政區劃，並且結合各大網站的城市選擇數據，如：淘寶、QQ、58這些有城市選擇的，發現統計局的數據主要問題出現在以下兩點：

1. 數據缺失，有些確實是沒有，有些是因爲數據沒有更新導致的滯後，只能靠自己去補全。
2. 包含了大約160來個開發區、經濟區、高新區、國家級新區，這種區劃應該算專門的區域，一般由多個城市的區域組成，在區級內算是重複的區域，因此需要剔除，但剔除後這些區域下面的鎮級需要劃分到實際的歸屬城市下面，這就很困難了，因爲量太大了，一個個去查歸屬地幾乎不可能。

圍繞着這主要兩點，從多個數據源裏採集數據，然後上人工+智能（人工多些），問題才能夠解決。爲什麼要這麼麻煩？因爲沒有找到特別優秀的數據源，其他各大平臺、網站的數據在感官上顯得都不夠完美，綜合一下舒暢多了。

採集源碼見此目錄（其中1-3打頭的js文件）： https://github.com/xiangyuecn/AreaCity-JsSpider-StatsGov/tree/master/2019

數據特性

1. id編號和國家統計局的編號基本一致，方便以後更新，有很多網站接口數據中城市編號是和這個基本是一致的，包括民政部、騰訊地圖和高德地圖的城市數據這套編號都是大部分通用的。

2. 東莞 、 中山 、 儋州 等不設區的直筒子市沒有第三級區級，自動添加同名的一級作爲區級，以保證整個數據結構的一致性，添加的城區編號以上級的ID結尾加兩個0作爲新ID，此結構ID兼容性還不錯，比如：東莞（4419）下級只有一個區 東莞（441900）。

3. 省直轄縣級市（河南濟源、湖北潛江、海南五指山、新疆崑玉等）根據編號來看本來只能放到區級，但爲了便於用戶選擇，所有直轄市自動添加一個同名的市級，比如： 湖北-直轄市-仙桃-*鎮 調整後爲 湖北-仙桃-仙桃-*鎮 ，新添加數據的編號規則和第二條規則相同。

4. 如果市、區沒有下級，自動添加同名的一個城鎮作爲下級，編號規則和上一條規則相同，以保證數據層次的一致性（任何一個數據都能滿足省市區鎮4級結構，沒有孤立的）；比如： 福建-泉州-金門 沒有鎮，調整後爲 福建-泉州-金門-金門 ；另外從民政部等數據源中補全的新增城市也會缺失下級，照此規則自動補齊。

5. 臺灣數據只有省市區三級沒有鎮級，因此鎮級通過前面幾條規則自動補齊；香港、澳門數據源有兩級，當做直筒子市來處理，比如把香港當做東莞，從面積和人口來看還算合理，因此港澳數據中省市區三級是完全相同的，第四級鎮級纔有城市數據，如：香港-香港-香港-灣仔區。

6. 地區名字是直接去掉常見的後綴進行精簡的，如直接清除結尾的 市|區|縣|街道辦事處|XX族自治X ，數量較少並且移除會導致部分名字產生歧義的後綴並未精簡。

7. 省市區前三級數據的合併：統計局採集過來的數據會先和民政部的數據交叉對比後進行合併；由於統計局的數據明顯的滯後，民政部內新添加的市、區將不會有鎮級（自動補齊同名鎮級）；如果民政部數據存在明文撤銷的市、區，那麼合併的時候會刪除統計局對應的數據，如： 山東-萊蕪市 於2019-01撤銷，並在 濟南市 新加 萊蕪區 、 鋼城區 ；如果統計局中的數據在民政部數據內不存在，將原樣保留。高德地圖行政區域會和騰訊地圖行政區劃數據進行交叉對比，然後擇優選取需要的數據。最後(統計局+民政部)和(高德+騰訊的數據)的前三級數據進行交叉融合，得到的【省市區】 ≈ 【統計局的數據】 - 【160來個開發區、經濟區、高新區、國家級新區】 - 【撤銷城市】 + 【新設城市】 + 【港澳臺】。

8. 第四級鎮級主要採用騰訊地圖行政區劃數據，綜合高德和統計局的數據，和統計局的數據差異在3000個左右，佔比7.5%(3000/40000)，得到的【鎮級】 ≈ 【騰訊地圖行政區劃數據】。

數據應用和更新

綜合應用

庫裏面提供了一個在線測試的頁面，提供3級或4級數據的多級選擇測試，並且提供數據格式轉換導出，方便轉換成需要的格式。

1. 城市數據、座標和邊界均可導入數據內使用。
2. 城市數據因爲全部有拼音，因此在選擇界面顯示時很容易分組和顯示拼音前綴，省市區3級拼音準確度奇高，第4級稍微差點。
3. 邊界座標可用來根據用戶座標解析出城市信息，除臺灣外全部城市均能覆蓋到。
4. 庫裏面提供了採集源碼，採集方式爲瀏覽器控制檯內執行js採集，全部自己採集也很快速，大約30分鐘以內就搞定了；當然直接下載也是可以的。

更新計劃

目前來看，新版的數據前3級看起來和其他大網站的區別不會太大了，並且比他們新，主要是丟棄了那160多個開發區、經濟區的功勞。第4級由於直接採用的騰訊地圖的數據，對照統計局的來看，區別不大，其他網站沒有對比，蠻很少有提供這麼深層級的，並且數據量太大也不好怎麼對比出一個可信的數據。

目前更新主要看民政部，民政部有新數據放出後，會去對比一下數據是否有變化，如果沒有變化就會全量更新。不過對已在使用的數據庫內的老數據的更新，目前並沒有什麼簡潔的解決方案，因爲這種數據在數據庫裏面更新時一件很麻煩的事情。

== 完 ==

相關文章