国家省、市、县、镇/街道地址
近期在做地址识别的项目,因此从统计局官网上爬取了全国地址信息,链接:
设置爬虫,逐个逐级爬取,最终形成省、市、县3级地址信息,省、市、县、街道/镇4级地址信息,省、市、县、街道/镇、村/居委会5级地址信息。所有地址信息只保留地址,而不保留区划代码,文件格式txt,无空格、制表符,一行代表一个地址信息。
3级地址爬取后如下:
北京市市辖区东城区 北京市市辖区西城区 北京市市辖区朝阳区 北京市市辖区丰台区 北京市市辖区石景山区 北京市市辖区海淀区 北京市市辖区门头沟区 北京市市辖区房山区 北京市市辖区通州区 北京市市辖区顺义区
4级地址信息爬取后结果如下:
北京市市辖区东城区东华门街道 北京市市辖区东城区景山街道 北京市市辖区东城区交道口街道 北京市市辖区东城区安定门街道 北京市市辖区东城区北新桥街道 北京市市辖区东城区东四街道 北京市市辖区东城区朝阳门街道 北京市市辖区东城区建国门街道 北京市市辖区东城区东直门街道 北京市市辖区东城区和平里街道 北京市市辖区东城区前门街道
5级地址信息爬取后结果如下:
北京市市辖区东城区东华门街道多福巷社区居委会 北京市市辖区东城区东华门街道银闸社区居委会 北京市市辖区东城区东华门街道东厂社区居委会 北京市市辖区东城区东华门街道智德社区居委会 北京市市辖区东城区东华门街道南池子社区居委会 北京市市辖区东城区东华门街道灯市口社区居委会 北京市市辖区东城区东华门街道正义路社区居委会 北京市市辖区东城区东华门街道台基厂社区居委会 北京市市辖区东城区东华门街道韶九社区居委会 北京市市辖区东城区东华门街道王府井社区居委会 北京市市辖区东城区交道口街道交东社区居委会 北京市市辖区东城区交道口街道福祥社区居委会 北京市市辖区东城区交道口街道大兴社区居委会 北京市市辖区东城区交道口街道府学社区居委会
地址信息下载链接:
在处理地址时,北京、天津、上海、重庆等直辖市,在1级地址下面增加了“市辖区”、“县”两个级别,这样的话其地址结构也是5级,同其它省份一样。同时还发现有几个地市的结构和其它省份地市不一样,它只有4级地址:省、市、镇/街道、村,所以此时的3级地址会包含到镇。这几个地市是:海南省澶州市、广东省东莞市、广东省中山市。同时,在提取到街道/镇这一级地址时,其它地市属于第4级,而上述三个城市属于第3级。这些地点请注意
如想要其它格式的地址,请联系
参考资料:
2