当前位置：首页 > news >正文

如何快速获取中国行政区划数据：5个实用技巧实现JSON与CSV格式无缝转换

news 2026/4/20 15:06:05

如何快速获取中国行政区划数据：5个实用技巧实现JSON与CSV格式无缝转换

【免费下载链接】Administrative-divisions-of-China中华人民共和国行政区划：省级（省份）、地级（城市）、县级（区县）、乡级（乡镇街道）、村级（村委会居委会），中国省市区镇村二级三级四级五级联动地址数据。项目地址: https://gitcode.com/gh_mirrors/ad/Administrative-divisions-of-China

你是否在开发需要地址选择器的应用？或者在进行地理数据分析时需要准确的行政区划信息？Administrative-divisions-of-China 这个开源项目为你提供了完整的解决方案。它包含了中国五级行政区划数据，支持JSON和CSV两种格式的无缝转换，让数据获取变得前所未有的简单。

🎯 项目核心价值：解决实际开发痛点

在开发涉及地址信息的应用时，我们常常面临几个关键问题：

数据来源不统一- 不同平台的数据格式各异
更新维护困难- 行政区划每年都在变化
格式转换繁琐- 需要在JSON、CSV等多种格式间切换
层级关系复杂- 五级联动数据难以手动整理

Administrative-divisions-of-China 正是为解决这些问题而生。它提供了从省级到村级的完整行政区划数据，包含34个省份、333个城市、2,851个区县、39,888个乡镇和662,238个村居的详细信息。

🚀 5分钟快速上手：从零到数据导出

第一步：环境准备与项目克隆

# 克隆项目仓库 git clone https://gitcode.com/gh_mirrors/ad/Administrative-divisions-of-China cd Administrative-divisions-of-China # 安装项目依赖 npm install

第二步：一键导出JSON格式数据

如果你需要JSON格式的行政区划数据，只需运行：

npm run json

执行后，你将在dist目录下获得以下文件：

文件类型	文件名	数据内容
省级数据	`provinces.json`	34个省级行政区划
地级数据	`cities.json`	333个地级市数据
县级数据	`areas.json`	2,851个区县信息
乡级数据	`streets.json`	39,888个乡镇街道
村级数据	`villages.json`	662,238个村居委会

第三步：一键导出CSV格式数据

如果你需要CSV格式用于Excel或其他表格软件：

npm run csv

CSV文件同样生成在dist目录下，包含完整表头，可以直接用Excel打开：

code,name,provinceCode 110000,北京市, 120000,天津市, 130000,河北省,

📊 数据结构深度解析：理解五级联动关系

了解数据结构是高效使用数据的关键。中国行政区划采用标准的五级编码体系：

行政编码规则

每个行政区域都有一个唯一的6位数字编码：

前2位：省级代码
中间2位：地级代码
后2位：县级代码

对于乡级和村级，会有更长的编码来标识更精确的位置关系。

JSON数据结构示例

让我们看看省级数据的实际结构：

[ { "code": "110000", "name": "北京市" }, { "code": "120000", "name": "天津市" } ]

地级数据则包含省级关联：

[ { "code": "110101", "name": "东城区", "provinceCode": "110000" } ]

五级联动数据关系

┌─────────────────────────────────────────────────────────────┐ │ 中华人民共和国行政区划 │ └─────────────────────────────────────────────────────────────┘ │ ┌───────────────────┼───────────────────┐ │ │ │ ┌─────▼─────┐ ┌─────▼─────┐ ┌─────▼─────┐ │ 省级行政区 │ │ 省级行政区 │ │ 省级行政区 │ │ (34个) │ │ (34个) │ │ (34个) │ └─────┬─────┘ └─────┬─────┘ └─────┬─────┘ │ │ │ ┌─────▼─────┐ ┌─────▼─────┐ ┌─────▼─────┐ │ 地级行政区 │ │ 地级行政区 │ │ 地级行政区 │ │ (333个) │ │ (333个) │ │ (333个) │ └─────┬─────┘ └─────┬─────┘ └─────┬─────┘ │ │ │ ┌─────▼─────┐ ┌─────▼─────┐ ┌─────▼─────┐ │ 县级行政区 │ │ 县级行政区 │ │ 县级行政区 │ │ (2,851个) │ │ (2,851个) │ │ (2,851个) │ └─────┬─────┘ └─────┬─────┘ └─────┬─────┘ │ │ │ ┌─────▼─────┐ ┌─────▼─────┐ ┌─────▼─────┐ │ 乡级行政区 │ │ 乡级行政区 │ │ 乡级行政区 │ │ (39,888个) │ │ (39,888个) │ │ (39,888个) │ └─────┬─────┘ └─────┬─────┘ └─────┬─────┘ │ │ │ ┌─────▼─────┐ ┌─────▼─────┐ ┌─────▼─────┐ │ 村级行政区 │ │ 村级行政区 │ │ 村级行政区 │ │ (662,238个)│ │ (662,238个)│ │ (662,238个)│ └───────────┘ └───────────┘ └───────────┘

🔧 高级技巧：自定义数据导出与处理

一次性导出所有格式

如果你需要同时获得JSON和CSV格式的数据，可以使用build命令：

npm run build

这个命令会依次执行数据格式转换，确保所有文件同步更新。

使用SQLite数据库

项目还提供了SQLite数据库文件dist/data.sqlite，你可以使用SQL查询灵活处理数据：

-- 查询某个省份的所有城市 SELECT * FROM cities WHERE provinceCode = '110000'; -- 查询某个城市的所有区县 SELECT * FROM areas WHERE cityCode = '110100';

自定义数据筛选

你可以基于导出的数据进行二次处理，比如只导出特定省份的数据：

// 示例：筛选广东省的数据 const fs = require('fs'); const provinces = JSON.parse(fs.readFileSync('dist/provinces.json', 'utf8')); const guangdong = provinces.find(p => p.name === '广东省'); console.log(guangdong);

💼 实战应用场景：从理论到实践

场景一：Web地址选择器开发

如果你正在开发电商、物流或用户注册系统，需要一个省市区三级联动选择器：

// 使用JSON数据快速构建地址选择器 fetch('dist/pca.json') .then(response => response.json()) .then(data => { // 数据已经按照层级组织好 // 可以直接用于前端地址选择组件 });

场景二：数据分析与可视化

在进行区域数据分析时，CSV格式的数据可以直接导入到Excel、Tableau等工具中：

使用npm run csv导出CSV文件
用Excel打开dist/provinces.csv
进行数据透视表分析
制作区域分布图表

场景三：数据库迁移与集成

如果你需要将数据集成到现有系统中：

导出CSV格式数据
使用数据库导入工具（如MySQL的LOAD DATA INFILE）
建立表关联关系
实现API接口供应用调用

场景四：移动应用开发

移动应用通常需要本地存储行政区划数据：

// React Native示例 import provinces from './dist/provinces.json'; import cities from './dist/cities.json'; // 在应用启动时加载数据 const loadAddressData = async () => { // 可以按需加载，减少初始包体积 };