国家行政区划数据结构化入库

 省市区数据在很多系统中都有应用，5月国家民政部发布了最新的国家行政区划代码，参见行政区划，本着分享共赢的精神，我把我的表设计、数据清洗脚本奉献给大家，以资共饟

Python现在很火啊，10年前刚开始用就爱上她了，但没有现在这么火热，之前的小家碧玉都快成大众情人了！闲话少说，还是拿她开搞，首先将民政部表格复制保存为“行政区划.xls”表格，用以下代码将表格转换成SQL语句。

import xlrd
import re

book = xlrd.open_workbook('行政区划.xls')
print('sheet页名称:',book.sheet_names())
sheet = book.sheet_by_index(0)
rows = sheet.nrows
cols = sheet.ncols
level_1 = 0
level_2 = 0

for row in range(1, rows+1):
    area = sheet.cell_value(row-1, 1)
    code = sheet.cell_value(row-1, 0)
    code = repr(code).split(".")[0]

    if re.match("^[\u4E00-\u9FA5]+", area) is not None:
        level_1 = row
        if area.endswith(u"北京市") or area.endswith(u"上海市") or area.endswith(u"深圳市") or area.endswith(u"重庆市") or area.endswith(u"天津市"):
            level_2 = row
        print('''INSERT INTO `area` VALUES (%d, 0, '%s', '%s', '%s', 1);'''%(row, area.lstrip(), area.lstrip()[:2], code))
    if re.match("^\s+", area) is not None and re.match("^\s{3}", area) is None:
        level_2 = row
        print('''INSERT INTO `area` VALUES (%d, %d, '%s', '%s', '%s', 2);'''%(row, level_1, area.lstrip(), area.lstrip()[:2], code))
    if re.match("^\s{3}", area) is not None:
        print('''INSERT INTO `area` VALUES (%d, %d, '%s', '%s', '%s', 3);'''%(row, level_2, area.lstrip(), area.lstrip()[:2], code))

print('该工作表有%d行，%d列.'%(rows,cols))

差点忘了，数据库结构是这样的：

--
-- Table structure for table `region`
--
DROP TABLE IF EXISTS `region`;
CREATE TABLE `region` (
  `id` bigint NOT NULL AUTO_INCREMENT,
  `parent_id` bigint DEFAULT NULL COMMENT '上级区划ID，一级区划为0',
  `name` varchar(50) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '区划名称',
  `short_name` varchar(10) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '区划简称',
  `code` varchar(10) CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci NOT NULL COMMENT '区划行政编号',
  `level` int NOT NULL DEFAULT 0 COMMENT '区划级别：1-省、自治区、直辖市 2-地级市、地区、自治州、盟 3-市辖区、县级市、县，详见RegionLevel枚举',
  PRIMARY KEY (`id`) USING BTREE
) ENGINE = InnoDB AUTO_INCREMENT = 1 CHARACTER SET = utf8mb4 COLLATE = utf8mb4_unicode_ci COMMENT = '行政区划表' ROW_FORMAT = Dynamic;

三级区划树形结构，有简称、行政编码、行政级别

附：历年行政区划数据（民政部官方）