113 lines
4.9 KiB
Markdown
113 lines
4.9 KiB
Markdown
# area-china
|
||
|
||
* 这是一个基于Python语言编写的爬虫项目，针对中国省市区以及镇、街道、村、居委会等共5级行政区域数据的获取并建库
|
||
* 数据来源于国家统计局的统计用区划代码和城乡划分代码，每一年都会统计并发布上一年的数据
|
||
* 默认已经获取了2018年的5级行政区域全量数据，在项目的result目录里，结果类型有导出的JSON文件与mongo数据库备份文件
|
||
* 统计用区划代码和城乡划分代码的区划范围，是国家统计局开展统计调查的区划范围
|
||
* 数据不包括我国台湾省、香港特别行政区、澳门特别行政区
|
||
* 级别
|
||
* 一级：省、直辖市、自治区
|
||
* 二级：地级市
|
||
* 三级：市辖区、县（旗）、县级市、自治县（自治旗）、特区、林区
|
||
* 四级：镇、乡、民族乡、县辖区、街道
|
||
* 五级：村、居委会
|
||
* 本项目仅做学习交流用途
|
||
|
||
# 项目结构
|
||
area-china
|
||
- result (可用结果,《2018年统计用区划代码和城乡划分代码(截止2018年10月31日)》)
|
||
- json (JSON结果文件)
|
||
- mongo (MongoDB数据库结果文件,可采用命令进行数据恢复)
|
||
- mongorestore -h <hostname><:port> -d dbname <path>
|
||
- source (程序源码目录)
|
||
- 若需重新获取数据，运行该目录下的程序即可
|
||
|
||
# 数据结果统计
|
||
| 级别 | 数量 | 备注 |
|
||
| ------------- | ------------- | ------------- |
|
||
| 一级 | 31 | - |
|
||
| 二级 | 343 | - |
|
||
| 三级 | 3282 | - |
|
||
| 四级 | 43486 | - |
|
||
| 五级 | 662814 | - |
|
||
|
||
# 数据库
|
||
* 采用MongoDB作为数据库服务，程序运行后自动建立表(collection)，简单方便快捷。
|
||
|
||
# 数据库表及字段说明
|
||
|
||
### 表 province (一级：省、直辖市、自治区)
|
||
| 字段名 | 字段含义 | 备注 |
|
||
| ------------- | ------------- | ------------- |
|
||
| id | 数据主键 | - |
|
||
| code | 统计汇总识别码-划分代码 | - |
|
||
| name | 省/直辖市/自治区名称 | - |
|
||
| url | 下级链接地址 | 搜索二级时需要 |
|
||
| searched | 是否搜索过下级链接地址 | 搜索二级时需要 |
|
||
|
||
### 表 city (二级：地级市)
|
||
| 字段名 | 字段含义 | 备注 |
|
||
| ------------- | ------------- | ------------- |
|
||
| id | 数据主键 | - |
|
||
| code | 统计汇总识别码-划分代码 | - |
|
||
| name | 地级市名称 | - |
|
||
| province_id | province表主键 | - |
|
||
| province_name | 省/直辖市/自治区名称 | - |
|
||
| url | 下级链接地址 | 搜索三级时需要 |
|
||
| searched | 是否搜索过下级链接地址 | 搜索三级时需要 |
|
||
|
||
### 表 county (三级：市辖区、县（旗）、县级市、自治县（自治旗）、特区、林区)
|
||
| 字段名 | 字段含义 | 备注 |
|
||
| ------------- | ------------- | ------------- |
|
||
| id | 数据主键 | - |
|
||
| code | 统计汇总识别码-划分代码 | - |
|
||
| name | 区县名称 | - |
|
||
| city_id | city表主键 | - |
|
||
| city_name | 地级市名称 | - |
|
||
| province_id | province表主键 | - |
|
||
| province_name | 省/直辖市/自治区名称 | - |
|
||
| url | 下级链接地址 | 搜索四级时需要 |
|
||
| searched | 是否搜索过下级链接地址 | 搜索四级时需要 |
|
||
|
||
### 表 town (四级：镇、乡、民族乡、县辖区、街道)
|
||
| 字段名 | 字段含义 | 备注 |
|
||
| ------------- | ------------- | ------------- |
|
||
| id | 数据主键 | - |
|
||
| code | 统计汇总识别码-划分代码 | - |
|
||
| name | 乡镇名称 | - |
|
||
| county_id | county表主键 | - |
|
||
| county_name | 区县名称 | - |
|
||
| city_id | city表主键 | - |
|
||
| city_name | 地级市名称 | - |
|
||
| province_id | province表主键 | - |
|
||
| province_name | 省/直辖市/自治区名称 | - |
|
||
| url | 下级链接地址 | 搜索五级时需要 |
|
||
| searched | 是否搜索过下级链接地址 | 搜索五级时需要 |
|
||
|
||
### 表 village (五级：村、居委会)
|
||
| 字段名 | 字段含义 | 备注 |
|
||
| ------------- | ------------- | ------------- |
|
||
| id | 数据主键 | - |
|
||
| code | 统计汇总识别码-划分代码 | - |
|
||
| code_type | 城乡分类代码 | - |
|
||
| name | 村居委会名称 | - |
|
||
| town_id | town表主键 | - |
|
||
| town_name | 乡镇名称 | - |
|
||
| county_id | county表主键 | - |
|
||
| county_name | 区县名称 | - |
|
||
| city_id | city表主键 | - |
|
||
| city_name | 地级市名称 | - |
|
||
| province_id | province表主键 | - |
|
||
| province_name | 省/直辖市/自治区名称 | - |
|
||
|
||
|
||
# 运行程序
|
||
* 依赖Python3环境，以及MongoDB作为数据库服务
|
||
* 环境安装好后，建议直接导入项目到PyCharm中运行
|
||
* 程序需按如下顺序依次运行：
|
||
1. source\area\china\city\ProvinceSpider.py
|
||
2. source\area\china\city\CitySpider.py
|
||
3. source\area\china\city\CountySpider.py
|
||
4. source\area\china\city\TownSpider.py (大概运行一个小时左右跑完)
|
||
5. source\area\china\city\VillageSpider.py (这个运行时间较长,晚上跑起第二天早上来看一般能够跑完)
|
||
* 如需更新库则可重新运行本程序,一般情况下一年运行一次即可,运行前先备份原有数据库再删除原有库以免数据重复 |