中国行政区划数据库MySQL实战部署:从零搭建五级联动数据系统
2026-02-08 04:15:23作者:伍希望
想要快速部署中国行政区划数据库的MySQL版本吗?这个完整的中国行政区划数据库包含从省级到村级的五级联动数据,是开发地址选择组件、数据分析系统的最佳数据源。本文将带你从零开始完成MySQL部署全流程,无需复杂技术背景!🚀
📋 项目概述与数据优势
中国行政区划数据库收录了完整的五级行政区划数据,涵盖省级(省份、直辖市、自治区)、地级(城市)、县级(区县)、乡级(乡镇街道)和村级(村委会居委会)。这些数据基于国家统计局官方发布的统计用区划代码,具有极高的准确性和权威性。
数据层级结构
- 省级数据:34个省级行政区
- 地级数据:334个地级行政区
- 县级数据:2851个县级行政区
- 乡级数据:超过4万个乡级单位
- 村级数据:超过66万个村级单位
🛠️ 环境准备与项目获取
第一步:获取项目源码
git clone https://gitcode.com/gh_mirrors/ad/Administrative-divisions-of-China
cd Administrative-divisions-of-China
第二步:安装项目依赖
项目使用Node.js环境,需要先安装必要的依赖包:
npm install
第三步:检查数据文件
项目提供了多种格式的数据文件,位于 dist/ 目录下:
data.sqlite- SQLite格式完整数据库provinces.csv、cities.csv等 - CSV格式分层数据provinces.json、cities.json等 - JSON格式分层数据
🗄️ MySQL数据库表结构设计
创建数据库
CREATE DATABASE china_division;
USE china_division;
设计五级联动表结构
-- 省级行政区划表
CREATE TABLE province (
code VARCHAR(10) PRIMARY KEY,
name VARCHAR(50) NOT NULL
);
-- 地级行政区划表
CREATE TABLE city (
code VARCHAR(10) PRIMARY KEY,
name VARCHAR(50) NOT NULL,
provinceCode VARCHAR(10),
FOREIGN KEY (provinceCode) REFERENCES province(code)
);
-- 县级行政区划表
CREATE TABLE area (
code VARCHAR(10) PRIMARY KEY,
name VARCHAR(50) NOT NULL,
cityCode VARCHAR(10),
provinceCode VARCHAR(10),
FOREIGN KEY (cityCode) REFERENCES city(code),
FOREIGN KEY (provinceCode) REFERENCES province(code)
);
-- 乡级行政区划表
CREATE TABLE street (
code VARCHAR(15) PRIMARY KEY,
name VARCHAR(50) NOT NULL,
areaCode VARCHAR(10),
cityCode VARCHAR(10),
provinceCode VARCHAR(10),
FOREIGN KEY (areaCode) REFERENCES area(code),
FOREIGN KEY (cityCode) REFERENCES city(code),
FOREIGN KEY (provinceCode) REFERENCES province(code)
);
-- 村级行政区划表
CREATE TABLE village (
code VARCHAR(20) PRIMARY KEY,
name VARCHAR(50) NOT NULL,
streetCode VARCHAR(15),
areaCode VARCHAR(10),
cityCode VARCHAR(10),
provinceCode VARCHAR(10),
FOREIGN KEY (streetCode) REFERENCES street(code),
FOREIGN KEY (areaCode) REFERENCES area(code),
FOREIGN KEY (cityCode) REFERENCES city(code),
FOREIGN KEY (provinceCode) REFERENCES province(code)
);
🔄 数据迁移与导入流程
生成CSV格式数据文件
使用项目提供的导出脚本生成CSV文件:
./export_csv.sh
这个脚本会自动生成五个CSV文件:
dist/provinces.csv- 省级数据dist/cities.csv- 地级数据dist/areas.csv- 县级数据dist/streets.csv- 乡级数据dist/villages.csv- 村级数据
导入数据到MySQL
使用MySQL的批量导入功能,依次导入各级数据:
-- 导入省级数据
LOAD DATA LOCAL INFILE 'dist/provinces.csv'
INTO TABLE province
FIELDS TERMINATED BY ','
ENCLOSED BY '"'
LINES TERMINATED BY '\n'
IGNORE 1 ROWS;
-- 导入地级数据
LOAD DATA LOCAL INFILE 'dist/cities.csv'
INTO TABLE city
FIELDS TERMINATED BY ','
ENCLOSED BY '"'
LINES TERMINATED BY '\n'
IGNORE 1 ROWS;
-- 导入县级数据
LOAD DATA LOCAL INFILE 'dist/areas.csv'
INTO TABLE area
FIELDS TERMINATED BY ','
ENCLOSED BY '"'
LINES TERMINATED BY '\n'
IGNORE 1 ROWS;
-- 导入乡级数据
LOAD DATA LOCAL INFILE 'dist/streets.csv'
INTO TABLE street
FIELDS TERMINATED BY ','
ENCLOSED BY '"'
LINES TERMINATED BY '\n'
IGNORE 1 ROWS;
-- 导入村级数据
LOAD DATA LOCAL INFILE 'dist/villages.csv'
INTO TABLE village
FIELDS TERMINATED BY ','
ENCLOSED BY '"'
LINES TERMINATED BY '\n'
IGNORE 1 ROWS;
✅ 数据验证与完整性检查
验证数据导入结果
执行以下SQL语句检查各级数据数量:
SELECT '省级' as 级别, COUNT(*) as 数量 FROM province
UNION ALL
SELECT '地级', COUNT(*) FROM city
UNION ALL
SELECT '县级', COUNT(*) FROM area
UNION ALL
SELECT '乡级', COUNT(*) FROM street
UNION ALL
SELECT '村级', COUNT(*) FROM village;
预期结果应该显示:
- 省级:34条记录
- 地级:334条记录
- 县级:2851条记录
- 乡级:约4万条记录
- 村级:约66万条记录
🚀 实际应用场景与查询示例
场景一:地址联动选择组件
-- 获取某个省份下的所有城市
SELECT * FROM city WHERE provinceCode = '13';
-- 获取某个城市下的所有区县
SELECT * FROM area WHERE cityCode = '1301';
-- 获取某个区县下的所有乡镇
SELECT * FROM street WHERE areaCode = '130111';
-- 获取某个乡镇下的所有村庄
SELECT * FROM village WHERE streetCode = '130111200';
场景二:数据分析与统计
-- 统计各省份的城市数量
SELECT p.name, COUNT(c.code) as 城市数量
FROM province p
LEFT JOIN city c ON p.code = c.provinceCode
GROUP BY p.code, p.name;
-- 查找特定名称的行政区划
SELECT * FROM province WHERE name LIKE '%北京%';
⚡ 性能优化与最佳实践
索引优化策略
-- 为常用查询字段创建索引
CREATE INDEX idx_city_province ON city(provinceCode);
CREATE INDEX idx_area_city ON area(cityCode);
CREATE INDEX idx_street_area ON street(areaCode);
CREATE INDEX idx_village_street ON village(streetCode);
数据维护建议
- 定期备份:设置MySQL自动备份策略
- 编码统一:确保数据库使用UTF-8编码
- 外键检查:定期验证外键关系的完整性
🎯 总结与后续步骤
通过本文的完整指南,你已经成功将中国行政区划数据库从SQLite迁移到MySQL。这套五级联动数据系统为你的项目提供了强大的数据支撑:
- ✅ 完整的行政区划数据覆盖
- ✅ 标准化的表结构设计
- ✅ 高效的数据查询性能
- ✅ 易于维护的数据关系
现在你可以基于这套MySQL数据库开发各种应用,包括地址选择组件、数据分析系统、地理信息系统等。这套数据将为你的项目提供准确、完整的中国行政区划信息支撑!
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
568
3.84 K
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
暂无简介
Dart
801
199
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
24
0
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
349
202
Ascend Extension for PyTorch
Python
379
452
无需学习 Kubernetes 的容器平台,在 Kubernetes 上构建、部署、组装和管理应用,无需 K8s 专业知识,全流程图形化管理
Go
16
1