中国行政区划数据一键导出:Excel和JSON格式转换完整指南
中国行政区划数据包含了从省级到村级的五级完整行政单位信息,是开发地址选择器、数据分析系统等应用的宝贵资源。Administrative-divisions-of-China项目提供了强大的数据导出功能,让你可以轻松地将数据转换为Excel和JSON格式,满足不同的业务需求。
📊 数据导出功能概述
Administrative-divisions-of-China项目内置了完整的数据导出工具,支持多种格式的转换:
- CSV/Excel格式:适合数据分析、报表制作
- JSON格式:适合前端开发、API接口
- SQLite数据库:适合本地存储和查询
🔧 快速上手:一键导出操作
项目提供了简单的Shell脚本,让你可以快速导出所需格式的数据。只需运行对应的脚本即可:
# 导出CSV格式数据
./export_csv.sh
# 导出JSON格式数据
./export_json.sh
这些脚本会自动处理所有五级行政区划数据的转换,生成结构化的文件供你使用。
📁 数据文件结构详解
导出后的数据按照行政级别进行组织:
省级数据 - provinces.csv/provinces.json 包含全国所有省份、直辖市和自治区的完整信息
地级数据 - cities.csv/cities.json 涵盖所有地级市的详细数据
县级数据 - areas.csv/areas.json 提供区县级别的行政区划信息
乡级数据 - streets.csv/streets.json 包含乡镇和街道办事处的数据
村级数据 - villages.csv/villages.json 最详细的村委会和居委会信息
🎯 实用场景:数据迁移与集成
Excel数据导入
将导出的CSV文件直接导入Excel,可以:
- 进行数据分析和统计
- 制作可视化图表
- 批量编辑和更新数据
前端开发集成
使用JSON格式数据可以:
- 快速构建地址选择组件
- 实现省市区联动效果
- 提供完整的行政区域搜索功能
💡 进阶使用技巧
自定义数据筛选
通过修改lib/export.js文件,你可以实现:
- 按地区筛选特定数据
- 自定义导出字段
- 数据格式转换优化
数据库迁移
项目支持SQLite数据库导出,你可以将数据迁移到:
- MySQL数据库
- PostgreSQL数据库
- Oracle数据库等其他系统
🚀 性能优化建议
对于大型数据处理,建议:
- 分批处理数据,避免内存溢出
- 使用流式处理提高效率
- 合理设置数据缓存策略
📈 数据更新与维护
项目数据来源于国家统计局,保持定期更新。你可以通过项目提供的更新脚本,确保始终使用最新的行政区划数据。
通过Administrative-divisions-of-China项目的强大导出功能,你可以轻松获取完整的中国行政区划数据,为你的项目提供可靠的数据支持!👍
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