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
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
热门内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
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
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220