中华人民共和国行政区划数据库/爬虫

Adamin90
2018-06-21 17:44:40
OpenSource
PHP

包含中国省、市、县、街道、村/居委会5级数据（港、澳、台除外（统计局官网没有给出）），数据来源为国家统计局。

程序基于tp3.2.3编写，依赖Querylist3。

主要代码：

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

201

202

203

204

205

206

207

208

209

210

211

212

213

214

215

216

217

218

219

220

221

222

223

224

225

226

227

228

229

230

231

232

233

234

235

236

237

238

239

240

241

242

243

244

245

246

247

248

249

250

251

252

253

254

255

256

257

258

259

260

261

262

263

264

265

266

267

268

269

270

271

/**
 * @author Adam
 * Time: 2018/6/15 14:50
 */
public function sheng()
{
    $data = QueryList::Query($this->baseurl . "index.html", array("url" => array("td>a ", "href"), "name" => array("td>a", "text")), "", 'UTF-8', 'GB2312')->getData();
    foreach ($data as $k => $v) {
        $data[$k]["url"] = str_replace(".html", "", $v["url"]);
        $data[$k]["saveid"] = $this->generate_full_id($data[$k]["url"]);
        $res = $this->areamodel->where(array("area_id" => $data[$k]["url"]))->find();
        if (empty($res)) {
            $this->areamodel->data(array("area_id" => $data[$k]["url"], "area_pid" => 0, "area_name" => $data[$k]["name"], "level" => 1))->add();
        }
    }
 
    echo json_encode($data);
    die;
 
 
}
 
/**
 * 二级 市   http://www.stats.gov.cn/tjsj/tjbz/tjyqhdmhcxhfdm/2016/14.html
 * @author Adam
 * Time: 2018/6/20 13:43
 */
public function secondway()
{
    $toplevel = $this->areamodel->where(array("imported" => 0, "level" => 1))->order("area_id DESC")->find();
 
    if (empty($toplevel)) {
        echo "全部导入完毕，无需重新导入";
        die;
 
    }
    $fatherid = $toplevel["area_id"];
    $url = $this->baseurl . $toplevel["area_id"] . ".html";
    $data = QueryList::Query($url, array("url" => array("td:eq(0)>a", "href"), "name" => array("td:eq(1)>a", "text")), "tr.citytr", 'UTF-8', 'GB2312')->getData();
    foreach ($data as $k => $v) {
        $data[$k]["url"] = str_replace(".html", "", $this->reg_real_id($v["url"])[0]);
    }
 
    M()->startTrans();
 
    foreach ($data as $k1 => $v1) {
        $res["area_id"] = $v1["url"];
        $res["area_pid"] = $toplevel["area_id"];
        $res["level"] = 2;
        $res["area_name"] = $v1["name"];
        if (!$this->areamodel->data($res)->add()) {
            echo "循环导入失败" . M()->getLastSql();
            die;
            M()->rollback();
 
 
        }
    }
 
    $this->areamodel->where(array("area_id" => $fatherid))->save(array("imported" => 1));
    $sql = M()->getLastSql();
    M()->commit();
    echo "导入成功 " . $sql;
    die;
 
 
}
 
/**
 * 三级  区/县（市）
 * @author Adam
 * Time: 2018/6/21 15:34
 */
public function thirdway()
{
    $secondlevel = $this->areamodel->where(array("imported" => 0, "level" => 2))->order("area_id DESC")->find();
 
    if (empty($secondlevel)) {
        echo "区/县全部导入完毕，无需重新导入";
        die;
 
    }
    $topid = $secondlevel["area_pid"];
    $fatherid = $secondlevel["area_id"];
    $url = $this->baseurl . $topid . "/" . $fatherid . ".html";
    $data = QueryList::Query($url, array("url" => array("td:eq(0)>a", "href"), "name" => array("td:eq(1)", "text"), "extra" => array("td:eq(0)", "text")), "tr.countytr", 'UTF-8', 'GB2312')->getData();
    foreach ($data as $k => $v) {
        $data[$k]["url"] = str_replace(".html", "", $this->reg_real_id($v["url"])[0]);
        if (empty($data[$k]["url"])) {
            $data[$k]["url"] = $this->spit_pure_id($v["extra"]);   //防止空数据
        }
    }
    //  echo  json_encode($data);die;
    M()->startTrans();
    foreach ($data as $k => $v) {
        $res["area_id"] = $v["url"];
        $res["area_pid"] = $secondlevel["area_id"];
        $res["level"] = 3;
        $res["area_name"] = $v["name"];
        if (!$this->areamodel->data($res)->add()) {
            echo "循环导入失败" . M()->getLastSql();
            die;
            M()->rollback();
 
 
        }
    }
    if ($this->areamodel->where(array("area_id" => $fatherid))->save(array("imported" => 1)) == false) {
        echo "更新父类失败";
        M()->rollback();
        die;
    };
    $sql = M()->getLastSql();
    M()->commit();
    echo "导入成功" . $sql;
    die;
}
 
/**四级 办事处/镇
 * @author Adam
 * Time: 2018/6/21 15:35
 */
public function fourthway()
{
    $thirdlevel = $this->areamodel->where(array("imported" => 0, "level" => 3))->order("area_id DESC")->find();
 
    if (empty($thirdlevel)) {
        echo "办事处/镇全部导入完毕，无需重新导入";
        die;
 
    }
    $fatherid = $thirdlevel["area_id"];
    $secondid = $thirdlevel["area_pid"];
    $secondmeta = $this->areamodel->where(array("area_id" => $secondid))->find();
    $topid = $secondmeta["area_pid"];
    $url = $this->baseurl . $topid . "/" . str_replace($topid, "", $secondid) . "/" . $fatherid . ".html";
    $data = QueryList::Query($url, array("url" => array("td:eq(0)>a", "href"), "name" => array("td:eq(1)", "text"), "extra" => array("td:eq(0)", "text")), "tr.towntr", 'UTF-8', 'GB2312')->getData();
    foreach ($data as $k => $v) {
        $data[$k]["url"] = str_replace(".html", "", $this->reg_real_id($v["url"])[0]);
        if (empty($data[$k]["url"])) {
            $data[$k]["url"] = $this->spit_pure_id($v["extra"]);   //防止空数据
        }
    }
    M()->startTrans();
    foreach ($data as $k => $v) {
        $res["area_id"] = $v["url"];
        $res["area_pid"] = $thirdlevel["area_id"];
        $res["level"] = 4;
        $res["area_name"] = $v["name"];
        if (!$this->areamodel->data($res)->add()) {
            echo "循环导入失败" . M()->getLastSql();
            die;
            M()->rollback();
 
 
        }
    }
    if ($this->areamodel->where(array("area_id" => $fatherid))->save(array("imported" => 1)) == false) {
        echo "更新父类失败";
        M()->rollback();
        die;
    };
    $sql = M()->getLastSql();
    M()->commit();
    echo "导入成功" . $sql;
    die;
 
}
 
/**五级  居委会/村委会
 * @author Adam
 * Time: 2018/6/21 15:37
 */
public function fifthway()
{
    $fourthlevel = $this->areamodel->where(array("imported" => 0, "level" => 4))->order("area_id DESC")->find();
 
    if (empty($fourthlevel)) {
        echo "办事处/镇全部导入完毕，无需重新导入";
        die;
 
    }
    $fatherid = $fourthlevel["area_id"];
    $thirdid = $fourthlevel["area_pid"];
    $thirdmeta = $this->areamodel->where(array("area_id" => $thirdid))->find();
    $secondid = $thirdmeta["area_pid"];
    $secondmeta = $this->areamodel->where(array("area_id" => $secondid))->find();
    $topid = $secondmeta["area_pid"];
    $url = $this->baseurl . $topid . "/" . str_replace($topid, "", $secondid) . "/" . str_replace($secondid, "", $thirdid) . "/" . $fatherid . ".html";
    $data = QueryList::Query($url, array("url" => array("td:eq(0)", "text"), "name" => array("td:eq(2)", "text"), "extra" => array("td:eq(0)", "text")), "tr.villagetr", 'UTF-8', 'GB2312')->getData();
    foreach ($data as $k => $v) {
        $data[$k]["url"] = str_replace(".html", "", $this->reg_real_id($v["url"])[0]);
        if (empty($data[$k]["url"])) {
            $data[$k]["url"] = $this->spit_pure_id($v["extra"]);   //防止空数据
        }
    }
    M()->startTrans();
    foreach ($data as $k => $v) {
        $res["area_id"] = $v["url"];
        $res["area_pid"] = $fourthlevel["area_id"];
        $res["level"] = 5;
        $res["area_name"] = $v["name"];
        if (!$this->areamodel->data($res)->add()) {
            echo "循环导入失败111" . M()->getLastSql();
            die;
            M()->rollback();
 
 
        }
    }
    if ($this->areamodel->where(array("area_id" => $fatherid))->save(array("imported" => 1)) == false) {
        echo "更新父类失败";
        M()->rollback();
        die;
    };
    $sql = M()->getLastSql();
    M()->commit();
    echo "导入成功" . $sql;
    die;
 
}
 
/**
 * 生成完整的12位id
 * @param $id
 * @return string
 * @author Adam
 * Time: 2018/6/20 17:19
 */
private function generate_full_id($id)
{
    if (strlen($id) > 12) {
        return $id;
    } else {
        $needzerecount = 12 - strlen($id);
        for ($i = 0; $i < $needzerecount; $i++) {
            $id .= "0";
        }
 
        return $id;
    }
 
 
}
 
/**
 * 去除字符转后面的0
 * @param $id
 * @return null|string|string[]
 * @author Adam
 * Time: 2018/6/20 13:02
 */
private function spit_pure_id($id)
{
    $matches = preg_replace("/0+$/", "", $id);
    return $matches;
 
}
 
/**
 * 正则匹配id
 * @param $id
 * @return mixed
 * @author Adam
 * Time: 2018/6/20 17:22
 */
public function reg_real_id($id)
{
    preg_match("/\d+.html$/", $id, $matches);
    return $matches;
}