获取全国统计用区划代码和城乡划分代码

一、数据获取原因

        由于最近项目在搞房价预测，获取下来的数据没有考虑到省份，而且有很多是县级市，而且没有城市代码可以做关联，于是想得到一份比较完整的匹配表

二、数据获取流程

        找到强大的网友，修改一下他们的代码（自己比较懒）

        原创链接：

Python爬取行政区划代码（最新版）_python省份代码_代码搬运工小付的博客-CSDN博客

        废话不多说，直接上代码：

import re
import urllib.request

import pandas as pd

INDEX_URL = "http://www.stats.gov.cn/sj/tjbz/tjyqhdmhcxhfdm/2022/"


def get_province_code():
    """
    获取省份名称
    :return:
    """
    # 获取省级初始页
    province_response = urllib.request.urlopen(INDEX_URL + "index.html").read().decode("utf-8")
    # 获取省份名称+城市初始页数据
    province_data = re.findall(r"<td><a href=\"(.*?)\">(.*?)<br /></a></td>", province_response)
    # 获取城市名称 + 省份代码 + 城市代码
    lst3=[]
    for url, name in province_data:
        # 拼接省份代码
        code = url.replace(".html", "") + "0" * 10
        print("省份：%s 代码：%s" % (name, code))
        res = get_city_code(url)
        for i in range(len(res)):
            lst3.append([name, code, res[i][0], res[i][1], res[i][2], res[i][3]])
    return lst3



def get_city_code(province_url):
    """
    获取城市名称+代码
    :return:
    """
    # 获取城市初始页
    city_response = urllib.request.urlopen(INDEX_URL + province_url).read().decode("utf-8")
    # 获取城市名称+城市code+地区初始页数据
    city_data = re.findall(r"<tr class=\"citytr\"><td><a href=\"(.*?)\">(.*?)</a></td><td><a href=\"(.*?)\">("
                           r".*?)</a></td></tr>", city_response)
    # 获取地区名称 + 地区代码
    lst2 = []
    for url, city_code, _url, city_name in city_data:
        print("城市：%s 代码：%s" % (city_name, city_code))
        res = get_area_code(url)
        for i in range(len(res)):
            lst2.append([city_name, city_code, res[i][0], res[i][1]])
    return lst2




def get_area_code(city_url):
    """
    获取区县名称+代码
    :return:
    """
    # 获取区县初始页
    area_response = urllib.request.urlopen(INDEX_URL + city_url).read().decode("utf-8")
    # 获取区县名称+区县code+街道初始页数据
    area_data = re.findall(r"<tr class=\"countytr\"><td><a href=\"(.*?)\">(.*?)</a></td><td><a href=\"(.*?)\">("
                           r".*?)</a></td></tr>", area_response)
    # 获取街道名称 + 街道代码
    lst1 = []
    for url, district_code, _url, district_name in area_data:
        print("区县：%s 代码：%s" % (district_name, district_code))
        lst1.append([district_name, district_code])
    return lst1




def main():
    """
    主启动函数
    :return:
    """
    # 获取省份名称
    res = get_province_code()
    columns = ['province_name', 'province_code', 'city_name', 'city_code', 'district_name', 'district_code']
    df = pd.DataFrame(res, columns=columns)
    df.to_csv("code.csv", index=False)


if __name__ == "__main__":
    main()