新闻详情

新闻详情

首页 / 资讯中心 / 详情

2026年7月份实时最新获取地图边界数据方法,省市区县街道村居委会多级联动【文末附实时geoJson数据下载】

发布时间:2026/10/26 5:53:45来源:尧图网络
2026年7月份实时最新获取地图边界数据方法,省市区县街道村居委会多级联动【文末附实时geoJson数据下载】
动态生成最新行政区划 GeoJSON 数据并结合 ECharts 实现地图下钻功能在开发基于地图的数据可视化应用时一个常见的挑战是获取准确且最新的行政区划边界数据(GeoJSON)。许多现有的在线资源可能数据陈旧无法反映最新的行政区划调整。本文将介绍一种解决方案通过调用高德开放平台的 API 动态获取最新的行政区划边界并结合 ECharts 实现可下钻的地图可视化。第一部分通过高德开放平台 API 获取行政区划边界数据高德地图提供了强大的“行政区查询服务”(AMap.DistrictSearch)可以实时获取全国范围内的行政区划信息包括其地理边界。1. 准备工作引入 API 与申请 Key首先您需要到高德开放平台申请一个 Key用于 API 调用。然后在页面中引入高德地图的 JS API 脚本。script typetext/javascript srchttps://webapi.amap.com/maps?v1.4.11key「您申请的key值」pluginAMap.DistrictSearch/script2. 调用接口获取行政区列表通过实例化AMap.DistrictSearch并调用其search方法可以获取指定区域的下一级行政区列表。以获取中国所有省级单位为例// 初始化行政区查询实例 const opts { subdistrict: 1, // 返回下一级行政区 showbiz: false // 最后一级不返回街道信息 }; const district new AMap.DistrictSearch(opts); // 查询“中国”的下一级行政区 district.search(中国, (status, result) { if (status complete) { // result.districtList[0] 包含了省级列表数据 processData(result.districtList[0], 100000); } });3. 获取 GeoJSON 格式的边界数据获取到行政区列表后需要利用AMapUI的DistrictExplorer模块来加载指定区域的边界数据(feature)。function loadMapData(areaCode, callback) { AMapUI.loadUI([geo/DistrictExplorer], DistrictExplorer { const districtExplorer new DistrictExplorer(); districtExplorer.loadAreaNode(areaCode, (error, areaNode) { if (error) { console.error(error); return; } // 构建标准的 GeoJSON 对象 const geoJson { type: FeatureCollection, features: areaNode.getSubFeatures() // 获取子区域的边界数据 }; callback(geoJson); }); }); }关键点areaNode.getSubFeatures()返回的是一个feature数组为了符合标准的 GeoJSON 格式需要将其包裹在一个{ type: FeatureCollection, features: [...] }结构中。第二部分使用 ECharts 渲染地图获取到标准的 GeoJSON 数据后便可以利用 ECharts 将其渲染为地图。1. 引入 ECharts 库在项目中引入 ECharts 库例如使用 CDNscript srchttps://cdn.jsdelivr.net/npm/echarts5.0.0/dist/echarts.min.js/script2. 注册并配置地图在 ECharts 中使用echarts.registerMap方法注册刚才获取的 GeoJSON 数据然后在option中配置series-map。// 假设 geoJsonData 是上一步获取到的数据 // 假设 myChart 是已经初始化的 ECharts 实例 // 注册地图 echarts.registerMap(currentMap, geoJsonData); // 配置 ECharts Option const option { series: [{ type: map, map: currentMap, // 使用刚刚注册的地图 roam: false, itemStyle: { // ...样式配置 }, data: [ /* 业务数据 */ ] }] }; myChart.setOption(option);执行此步骤后即可成功渲染出对应的行政区划地图。第三部分实现地图下钻功能地图下钻功能的核心是监听 ECharts 的点击事件获取被点击区域的adcode然后重复第一步和第二步的过程获取并渲染更深层级的地图。1. 监听 ECharts 点击事件myChart.on(click, (params) { // params.data 中应包含下一级区域的 adcode const cityCode params.data.cityCode; const level params.data.level; if (level street) return; // 如果是街道级别则不再下钻 // 使用 cityCode 再次调用高德API获取下一级数据 district.search(String(cityCode), (status, result) { if (status complete result.districtList.length 0) { // 获取新的 geoJson 并重新渲染 ECharts loadMapData(cityCode, (geoJson) { // ...重新执行注册和渲染的逻辑... }); } }); });注上述代码示例为核心逻辑展示具体实现时可结合 Vue、React 等框架进行封装。总结与资源通过上述方法可以构建一个数据实时、支持无限层级下钻的动态地图应用有效解决了静态 GeoJSON 数据陈旧的问题。对于希望直接查看完整实现或获取预生成数据的开发者可以参考以下资源完整示例项目https://github.com/TangSY/echarts-map-demo在线体验与数据下载https://geojson.hxkj.vip该网站提供了基于此方法生成的最新省级、市级、区县级、村级 GeoJSON 文件以及多级别行政编码数据的下载服务。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/10/25 3:20:41

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/10/25 3:43:49

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/10/25 4:02:17

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/10/25 5:03:13

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/10/25 3:54:32

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/10/25 5:32:24

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉