获取全国最新行政区划代码

本文获取的是2023年4月发布的2022年中华人民共和国县以上行政区划代码，随着时间的推移部分区县的行政区划代码可能会存在更新，需要的话上国家民政部官网搜索“行政区划”相关信息，即可获取全国最新的行政区划代码网址。

# 导入库
from bs4 import BeautifulSoup
import requests

# 2022年中华人民共和国县以上行政区划代码
url = 'https://www.mca.gov.cn/mzsj/xzqh/2022/202201xzqh.html'

# 解析网页
r = requests.get(url).content.decode('utf-8')
soup = BeautifulSoup(r, 'html.parser')

# 获取网页中的表格
table = soup.find('table')

# 初始化数据字典
data_dict = {}

# 逐行遍历表格
for row in table.find_all('tr'):
    # 找到每一行中的所有单元格
    cells = row.find_all('td')
    # 确保至少有两个单元格
    if len(cells) >= 3:
        # 提取第二列[行政区划代码]和第三列[单位名称]元素
        second_column = cells[1].text
        third_column = cells[2].text
        # 保存为字典元素
        data_dict[second_column] = third_column.replace('\xa0', '').strip()

# 使用字典推导式删除键为空的元素
data_dict = {k: v for k, v in data_dict.items() if v}
del data_dict['行政区划代码']

# 输出删除键为空元素后的字典
print(data_dict)

上述代码使用的网址可以根据需要及时更新，但更新后的页面可能和当前网址页面结构不一定相同，因此本文旨在说明获取信息的逻辑。

本文在获取网页信息时主要采用的是requests库，解析网页结构使用的是BeautifulSoup库。

在解析网页时，BeautifulSoup获取的输入参数类型通常是string或字节流数据格式，获取到网页信息后，分析网页结构，发现所需要的信息在网页table（表格标签）的tr（行标签）的第二和第三个td（单元格标签），因此直接获取表格第二三列的文本内容即可。

需要注意的是，网页格式可能会生成一些所需信息以外的不需要的字符，因此在获取到数据后，需要检查其中是否包含一些多余字符。

如 '\xa0' 是Unicode编码中的非打印字符，表示不间断空格（non-breaking space）。在解析网页文本时，可以使用Python的字符串处理方法来删除 '\xa0'，对于字符串前后的空白字符，可使用strip()函数清除。

对于一些额外的键值对，正常删除即可。通常一次获取省市代码后，短期内不会发生变化，因此可以将获取的内容保存为json文件即可，方便后续调用。

import json
# 写入json文件
with open(r'temp/city_and_code.json', 'w+', encoding='utf-8') as f:
    f.write(json.dumps(data_dict, ensure_ascii=False, indent=2))  # 缩进2字符

# 从json文件中加载字典
with open(r'temp/city_and_code.json', "r+", encoding="utf-8") as f:
    dict_ = json.load(f)