真實感受一下縣比省大不包郵，省市區鄉鎮多級資料重灌上陣
以前採集的舊版省市區三級或四級城市資料總是覺得怪怪的，經過多方探討，終於下定決心進行了一次重大更新，釋出了這個重（chong）裝版。除了省市區鄉鎮資料外，座標和邊界範圍、還有拼音都是有的。
GitHub: github.com/xiangyuecn/… 線上預覽：多級聯動測試和預覽、轉換成JSON
城市的座標和邊界範圍
座標邊界資料全部來自高德地圖介面（GCJ-02座標系），幾個地圖裡面質量算是最好的。儲存為csv格式，匯入SQL Server也是很方便的，先睹為快（大到不包郵?）：
從一幅中國地圖裡面去看，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，?看左邊那一塊純色?
這些座標和邊界資料使用js程式碼採集的，得到的csv檔案有130M+，壓縮成7z檔案後有13M大小，採集速度很快，省市區三級資料大概3分鐘就採集完成了。目前GitHub庫裡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資料。
採集原始碼見此目錄：github.com/xiangyuecn/…
另外貼一張圖片樂呵樂呵：
新版城市資料採集
原何重灌
- 以前只從統計局獲取資料，資料來源過於單一，後來合併了民政部資料，還是感覺資料不太好使。
- 很多人提醒只用民政部的資料會比用統計局的更好；甚至有的會從很多資料來源獲取城市資料，唯獨不要統計局的。
- 研究發現高德地圖行政區域、騰訊地圖行政區劃，這些地圖都有開放介面提供資料，並且資料開起了也不錯。
- 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資料，如：淘寶、QQ、58這些有城市選擇的，發現統計局的資料主要問題出現在以下兩點：
- 資料缺失，有些確實是沒有，有些是因為資料沒有更新導致的滯後，只能靠自己去補全。
- 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，因為量太大了，一個個去查歸屬地幾乎不可能。
圍繞著這主要兩點，從多個資料來源裡採集資料，然後上人工+智慧（人工多些），問題才能夠解決。為什麼要這麼麻煩？因為沒有找到特別優秀的資料來源，其他各大平臺、網站的資料在感官上顯得都不夠完美，綜合一下舒暢多了。
採集原始碼見此目錄（其中1-3打頭的js檔案）：github.com/xiangyuecn/…
資料特性
-
id編號和國家統計局的編號基本一致，方便以後更新，有很多網站介面資料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資料這套編號都是大部分通用的。
-
東莞、中山、儋州等不設區的直筒子市沒有第三級區級，自動新增同名的一級作為區級，以保證整個資料結構的一致性，新增的城區編號以上級的ID結尾加兩個0作為新ID，此結構ID相容性還不錯，比如：東莞（4419）下級只有一個區 東莞（441900）。 -
省直轄縣級市（河南濟源、湖北潛江、海南五指山、新疆昆玉等）根據編號來看本來只能放到區級，但為了便於使用者選擇，所有直轄市自動新增一個同名的市級，比如：
湖北-直轄市-仙桃-*鎮調整後為湖北-仙桃-仙桃-*鎮，新新增資料的編號規則和第二條規則相同。 -
如果市、區沒有下級，自動新增同名的一個城鎮作為下級，編號規則和上一條規則相同，以保證資料層次的一致性（任何一個資料都能滿足省市區鎮4級結構，沒有孤立的）；比如：
福建-泉州-金門沒有鎮，調整後為福建-泉州-金門-金門；另外從民政部等資料來源中補全的新增城市也會缺失下級，照此規則自動補齊。 -
臺灣資料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、澳門資料來源有兩級，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，因此港澳資料中省市區三級是完全相同的，第四級鎮級才有城市資料，如：香港-香港-香港-灣仔區。
-
地區名字是直接去掉常見的字尾進行精簡的，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字尾並未精簡。 -
省市區前三級資料的合併：統計局採集過來的資料會先和民政部的資料交叉對比後進行合併；由於統計局的資料明顯的滯後，民政部內新新增的市、區將不會有鎮級（自動補齊同名鎮級）；如果民政部資料存在明文撤銷的市、區，那麼合併的時候會刪除統計局對應的資料，如：
山東-萊蕪市於2019-01撤銷，並在濟南市新加萊蕪區、鋼城區；如果統計局中的資料在民政部資料內不存在，將原樣保留。高德地圖行政區域會和騰訊地圖行政區劃資料進行交叉對比，然後擇優選取需要的資料。最後(統計局+民政部)和(高德+騰訊的資料)的前三級資料進行交叉融合，得到的【省市區】 ≈ 【統計局的資料】 - 【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】。 -
第四級鎮級主要採用騰訊地圖行政區劃資料，綜合高德和統計局的資料，和統計局的資料差異在3000個左右，佔比7.5%(3000/40000)，得到的【鎮級】 ≈ 【騰訊地圖行政區劃資料】。
資料應用和更新
綜合應用
庫裡面提供了一個線上測試的頁面，提供3級或4級資料的多級選擇測試，並且提供資料格式轉換匯出，方便轉換成需要的格式。
- 城市資料、座標和邊界均可匯入資料內使用。
- 城市資料因為全部有拼音，因此在選擇介面顯示時很容易分組和顯示拼音字首，省市區3級拼音準確度奇高，第4級稍微差點。
- 邊界座標可用來根據使用者座標解析出城市資訊，除臺灣外全部城市均能覆蓋到。
- 庫裡面提供了採集原始碼，採集方式為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，新版的資料前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資料，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，並且資料量太大也不好怎麼對比出一個可信的資料。
目前更新主要看民政部，民政部有新資料放出後，會去對比一下資料是否有變化，如果沒有變化就會全量更新。不過對已在使用的資料庫內的老資料的更新，目前並沒有什麼簡潔的解決方案，因為這種資料在資料庫裡面更新時一件很麻煩的事情。
== 完 ==