全国省份,城市,地区全数据(SQL版与XML版)包括各城市邮编

简介: 应一位园子里的朋友的要求,发一下这个数据,所有数据都是本人自己在网上找的,然后整理了一下:这套数据共包括: 省份34个(包括港澳台地区); 城市345个(每个城市包括一个可通用的邮政编码); 城市对应的地区2862个(这个地区只的是城市中的小的区,比如:北京的海淀区)....

应一位园子里的朋友的要求,发一下这个数据,所有数据都是本人自己在网上找的,然后整理了一下:

这套数据共包括:

  • 省份34个(包括港澳台地区);
  • 城市345个(每个城市包括一个可通用的邮政编码);
  • 城市对应的地区2862个(这个地区只的是城市中的小的区,比如:北京的海淀区).

SQL版:

sql_city

SQL脚本下载:点击下载

运行脚本时候将第一行的 USE [DBCT_Dev] 中的 DBCT_Dev 改为要插入数据的数据库名,还可以修改各个表名,默认的表名为:省份[S_Province],城市[S_City],地区[S_District].

 

XML版:

其实该版本是由上面的数据生成的,不过为了大家的方便也单独放出来,下面的例子数据不全,完整数据XML文件见下方的文件下载:

省份数据:

<? xml version="1.0" encoding="utf-8" ?>
< Provinces >
  
< Province  ID ="1"  ProvinceName ="北京市" > 北京市 </ Province >
  
< Province  ID ="2"  ProvinceName ="天津市" > 天津市 </ Province >
  
< Province  ID ="3"  ProvinceName ="河北省" > 河北省 </ Province >
  
< Province  ID ="4"  ProvinceName ="山西省" > 山西省 </ Province >
  
< Province  ID ="5"  ProvinceName ="内蒙古自治区" > 内蒙古自治区 </ Province >
  
< Province  ID ="6"  ProvinceName ="辽宁省" > 辽宁省 </ Province >
  
< Province  ID ="7"  ProvinceName ="吉林省" > 吉林省 </ Province >
  
< Province  ID ="8"  ProvinceName ="黑龙江省" > 黑龙江省 </ Province >
  
< Province  ID ="9"  ProvinceName ="上海市" > 上海市 </ Province >
  
< Province  ID ="10"  ProvinceName ="江苏省" > 江苏省 </ Province >
  
< Province  ID ="11"  ProvinceName ="浙江省" > 浙江省 </ Province >
  
< Province  ID ="12"  ProvinceName ="安徽省" > 安徽省 </ Province >
  
< Province  ID ="13"  ProvinceName ="福建省" > 福建省 </ Province >
  
< Province  ID ="14"  ProvinceName ="江西省" > 江西省 </ Province >
  
< Province  ID ="15"  ProvinceName ="山东省" > 山东省 </ Province >

城市数据:
<? xml version="1.0" encoding="utf-8" ?>
< Cities >
  
< City  ID ="1"  CityName ="北京市"  PID ="1"  ZipCode ="100000" > 北京市 </ City >
  
< City  ID ="2"  CityName ="天津市"  PID ="2"  ZipCode ="100000" > 天津市 </ City >
  
< City  ID ="3"  CityName ="石家庄市"  PID ="3"  ZipCode ="050000" > 石家庄市 </ City >
  
< City  ID ="4"  CityName ="唐山市"  PID ="3"  ZipCode ="063000" > 唐山市 </ City >
  
< City  ID ="5"  CityName ="秦皇岛市"  PID ="3"  ZipCode ="066000" > 秦皇岛市 </ City >
  
< City  ID ="6"  CityName ="邯郸市"  PID ="3"  ZipCode ="056000" > 邯郸市 </ City >
  
< City  ID ="7"  CityName ="邢台市"  PID ="3"  ZipCode ="054000" > 邢台市 </ City >
  
< City  ID ="8"  CityName ="保定市"  PID ="3"  ZipCode ="071000" > 保定市 </ City >
  
< City  ID ="9"  CityName ="张家口市"  PID ="3"  ZipCode ="075000" > 张家口市 </ City >
  
< City  ID ="10"  CityName ="承德市"  PID ="3"  ZipCode ="067000" > 承德市 </ City >

地区数据:
<? xml version="1.0" encoding="utf-8" ?>
< Districts >
  
< District  ID ="1"  DistrictName ="东城区"  CID ="1" > 东城区 </ District >
  
< District  ID ="2"  DistrictName ="西城区"  CID ="1" > 西城区 </ District >
  
< District  ID ="3"  DistrictName ="崇文区"  CID ="1" > 崇文区 </ District >
  
< District  ID ="4"  DistrictName ="宣武区"  CID ="1" > 宣武区 </ District >
  
< District  ID ="5"  DistrictName ="朝阳区"  CID ="1" > 朝阳区 </ District >
  
< District  ID ="6"  DistrictName ="丰台区"  CID ="1" > 丰台区 </ District >
  
< District  ID ="7"  DistrictName ="石景山区"  CID ="1" > 石景山区 </ District >
  
< District  ID ="8"  DistrictName ="海淀区"  CID ="1" > 海淀区 </ District >
  
< District  ID ="9"  DistrictName ="门头沟区"  CID ="1" > 门头沟区 </ District >
  
< District  ID ="10"  DistrictName ="房山区"  CID ="1" > 房山区 </ District >
  
< District  ID ="11"  DistrictName ="通州区"  CID ="1" > 通州区 </ District >
  
< District  ID ="12"  DistrictName ="顺义区"  CID ="1" > 顺义区 </ District >

完整数据下载: 点击下载
目录
相关文章
|
1月前
|
SQL 人工智能 JSON
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
简介:本文整理自阿里云高级技术专家李麟在Flink Forward Asia 2025新加坡站的分享,介绍了Flink 2.1 SQL在实时数据处理与AI融合方面的关键进展,包括AI函数集成、Join优化及未来发展方向,助力构建高效实时AI管道。
453 43
|
1月前
|
SQL 人工智能 JSON
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
本文整理自阿里云的高级技术专家、Apache Flink PMC 成员李麟老师在 Flink Forward Asia 2025 新加坡[1]站 —— 实时 AI 专场中的分享。将带来关于 Flink 2.1 版本中 SQL 在实时数据处理和 AI 方面进展的话题。
147 0
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
|
2月前
|
SQL
SQL如何只让特定列中只显示一行数据
SQL如何只让特定列中只显示一行数据
|
6月前
|
SQL 自然语言处理 数据库
【Azure Developer】分享两段Python代码处理表格(CSV格式)数据 : 根据每列的内容生成SQL语句
本文介绍了使用Python Pandas处理数据收集任务中格式不统一的问题。针对两种情况:服务名对应多人拥有状态(1/0表示),以及服务名与人名重复列的情况,分别采用双层for循环和字典数据结构实现数据转换,最终生成Name对应的Services列表(逗号分隔)。此方法高效解决大量数据的人工处理难题,减少错误并提升效率。文中附带代码示例及执行结果截图,便于理解和实践。
157 4
|
2月前
|
SQL
SQL中如何删除指定查询出来的数据
SQL中如何删除指定查询出来的数据
|
2月前
|
SQL 关系型数据库 MySQL
SQL如何对不同表的数据进行更新
本文介绍了如何将表A的Col1数据更新到表B的Col1中,分别提供了Microsoft SQL和MySQL的实现方法,并探讨了多表合并后更新的优化方式,如使用MERGE语句提升效率。适用于数据库数据同步与批量更新场景。
|
4月前
|
SQL XML Java
菜鸟之路Day35一一Mybatis之XML映射与动态SQL
本文介绍了MyBatis框架中XML映射与动态SQL的使用方法,作者通过实例详细解析了XML映射文件的配置规范,包括namespace、id和resultType的设置。文章还对比了注解与XML映射的优缺点,强调复杂SQL更适合XML方式。在动态SQL部分,重点讲解了`&lt;if&gt;`、`&lt;where&gt;`、`&lt;set&gt;`、`&lt;foreach&gt;`等标签的应用场景,如条件查询、动态更新和批量删除,并通过代码示例展示了其灵活性与实用性。最后,通过`&lt;sql&gt;`和`&lt;include&gt;`实现代码复用,优化维护效率。
316 5
|
3月前
|
SQL DataWorks 数据管理
SQL血缘分析实战!数据人必会的3大救命场景
1. 开源工具:Apache Atlas(元数据管理)、Spline(血缘追踪) 2. 企业级方案:阿里DataWorks血缘分析、腾讯云CDW血缘引擎 3. 自研技巧:在ETL脚本中植入版本水印,用注释记录业务逻辑变更 📌 重点总结:
|
4月前
|
SQL 数据挖掘 关系型数据库
【SQL 周周练】一千条数据需要做一天,怎么用 SQL 处理电表数据(如何动态构造自然月)
题目来自于某位发帖人在某 Excel 论坛的求助,他需要将电表缴费数据按照缴费区间拆开后再按月份汇总。当时用手工处理数据,自称一千条数据就需要处理一天。我将这个问题转化为 SQL 题目。
166 12
|
4月前
|
SQL 数据采集 资源调度
【SQL 周周练】爬取短视频发现数据缺失,如何用 SQL 填充
爬虫爬取抖音和快手的短视频数据时,如果遇到数据缺失的情况,如何使用 SQL 语句完成数据的补全。
114 5