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!👍
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 StartedRust099- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00