本文描述的是对国家统计局于2019-01-31发布的《2018年统计用区划代码和城乡划分代码(截止2018年10月31日)》中省市区三级的坐标和行政区域边界的采集。

本文更新（移步查阅）：
19-04-15 新采集了2018的省市区三级的坐标和行政区域边界数据csv格式
19-03-22 采集了2018的城市数据

数据下载 GitHub：https://github.com/xiangyuecn/AreaCity-JsSpider-StatsGov/releases

坐标和边界是高德地图提供的数据接口；可通过方法转换成其他坐标系的坐标，比如百度地图的。

省市区三级是国家统计局统计标准《2018年统计用区划代码和城乡划分代码(截止2018年10月31日)》，截稿时是最新的。

1. 调用高德地图接口抓取原始数据

涉及源码：map_geo.js

进入高德地图测试页面，执行代码即可完成抓取，开了4个模拟的线程，采集了3300+数据，首次运行大概2分多钟完成采集。

抓取完成后会自动弹出保存文件数据。

源码里面包含了对不同地名的处理，有些城市不能直接通过编码或城市名称来查询，高德地图相对于统计局还是有些滞后。

2. 处理数据和导出CSV

涉及源码：map_geo_格式化.js

这个代码比较简单，目前只是起到把数据导出来的作用，里面写了一大堆方法，但运行过一次后发现，基本上可以不用了，因为对数据进行验证部分发现高德的数据非常完美。

代码运行完成就自动弹出保存csv文件数据了。

使用高德接口采集是后面才决定的，因为本来是用百度地图的接口，但数据全部搞完，经过使用发现百度地图数据有严重问题：

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。

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。

数据存储在AreaCity-JsSpider-StatsGov-GEO分库中，也可自行到releases中下载。分开的原因是冗余数据总有那么一天会忘记更新，这个库人工操作的多，尽量减少这种重复数据避免产生问题。

采集到的csv文件可以导入到数据库内使用，由于POLYGON需要解析，蛮复杂的，可以参考2019/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，可以根据库里面介绍的字段格式，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？）。

SQL Server中的运行结果（大概2分钟完成POLYGON的转换，表数据物理存储空间大概300M）：

数据下载和相关问题请到 Github查看：https://github.com/xiangyuecn/AreaCity-JsSpider-StatsGov

releases内除了有省市区三级坐标和行政区域边界csv数据外，还有处理好的3级或者4级省市区镇 csv数据提供下载。

如果这个库有帮助到您，请 Star 一下。