全国省市区java_Jsoup获取全国地区数据（省市县镇村）

最近手头在做一些东西，需要一个全国各地的地域数据，从省市区到县镇乡街道的。各种度娘，各种谷歌，都没找到一个完整的数据。最后功夫不负有心人，总算找到一份相对来说比较完整的数据，但是这里的数据也只是精确到镇级别，没有村一级的数据(后来通过分析数据源我知道了为什么，呵呵)，在加上博主提供的有些数据存在冗余，对于有强迫症和追求完美的我，心想着我一定要自己动手去把这部分数据给爬取出来。

上述博文中的内容还算丰富，博主是用的是php来实现的，作为2015年度编程语言排行榜的第一位，我们也不能示弱啊，下面我就带着大家一起来看看用java怎么从网页当中爬取我们想要的数据...

第一步、准备工作(数据源+工具):

数据源(截止目前最全面权威的官方数据)：http://www.stats.gov.cn/tjsj/tjbz/tjyqhdmhcxhfdm/2013/

爬取数据的工具(爬虫工具)：http://jsoup.org/

第二步、数据源分析：

首先jsoup工具的使用我在这里就不做讲解了，感兴趣的可以自己动手去查阅。

做开发就应该多去了解一些软件工具的使用，在平常开发过程中遇到了才知道从何下手，鼓励大家多平时留意一些身边的软件工具，以备不时之需。在做 这个东西以前，我也不知道jsoup要怎么用，但我知道jsoup可以用来干嘛，在我需要的用到的时候，再去查阅资料，自己学习。

上述的数据源是2013年中华人民共和国国家统计局发布的，其准确性和权威性不言而喻。

接下来我们分析一下数据源的结构，先从首页说起：

通过分析首页源码我们可以得到如下3点：

页面的整个布局是用的table标签来控制的，也就是说我们如果要通过jsoup来选择超链接，那么一定要注意，上图中不是只要标注了省市地区的地方采用的才是表格，整个页面中存在多个表格，因此是不可以直接通过表格

Document connect = connect("http://www.stats.gov.cn/tjsj/tjbz/tjyqhdmhcxhfdm/2013/");

Elements rowProvince = connect.select("table");

来解析数据的。

页面中有超链接的部分有多少地方。可能是官方考虑到了你们这种程序员需要获取这样的数据的原因吧，页面很干净，除开下方的备案号是多余的超链接，其他的链接可以直接爬取。

省份城市的数据规律