标签：
在各种WEB应用中，会填写个人或者企业的地址信息，如下图所示，是京东上填写收货地址的页面截图。
小弟最近也碰到了类似的问题，需要得到所有省份，每个省份下属的市区，没事市区下属的县、乡镇、村这些数据。这方面的数据最权威的莫过于国家统计局（http://www.stats.gov.cn/tjsj/tjbz/tjyqhdmhcxhfdm/2013/index.html）给出的统计，目前国家统计局给出的最新数据是截止到2013年8月13日的数据，没有香港、澳门特别行政区，没有钓鱼岛，没有三沙市，也没有台湾，如果需要可以单独加上，如下图所示：
小弟借助simple_html_dom.php（可在https://github.com/samacs/simple_html_dom下载）这个库完成页面的抓取和解析，在这里，将代码和大家来分享一下。
<?php
include_once (‘./simple_html_dom.php‘);
/* 市、县、镇、村这些页面类似，页面中的样式有所区别，这里给出这些差异 */
define(‘CITY_CLASS‘, ‘citytr‘);
define(‘COUNTY_CLASS‘, ‘countytr‘);
define(‘TOWN_CLASS‘, ‘towntr‘);
define(‘VILLAGE_CLASS‘, ‘villagetr‘);
/* 国家统计局行政区域统计的首页 */
$rootUrl = ‘http://www.stats.gov.cn/tjsj/tjbz/tjyqhdmhcxhfdm/2013/index.html‘;
/*
* 从rootUrl中获取前缀信息，去掉最后面的index.html
*
* @param null
* @access public
* @return string
*/
function getRootUrlPrefix()
{
global $rootUrl;
return preg_replace(‘/^(http:.*)index(\.html)$/‘, "$1", $rootUrl);
}
/*
* 根据rootUrl获取省份/直辖市代码
*
* @param null
* @access public
* @return array 各个省份的code
*/
function getProvinceCode()
{
global $rootUrl;
$replaceEreg = ‘/^([0-9]{2,})\.html$/‘;
$province = array();
$provinceIdx = 0;
$html = file_get_html($rootUrl);
/* 如果抓取页面失败，则10秒后尝试重新抓取 */
while (($html = file_get_html($rootUrl)) == false)
{
sleep(10);
}
foreach($html->find(‘a‘) as $ele)
{
/* 匹配html文档中每个省份对应的URL */
if (!preg_match($replaceEreg, $ele->href))
{
continue;
}
/* 获取每个省份的名称 */
$name = preg_replace(‘/^(.*)<br.*$/‘, "$1", $ele->innertext);
/* 每个省份的超链接为: 省份代码+.html, 从链接中去掉.html, 得到省份代码 */
if ($code = preg_replace($replaceEreg, "$1", $ele->href))
{
$province[$provinceIdx][‘code‘] = $code;
$province[$provinceIdx][‘name‘] = iconv(‘GB2312‘, ‘UTF-8‘, $name);
$province[$provinceIdx][‘href‘] = $ele->href;
++$provinceIdx;
}
/* 根据省份代码和rootUrl改造该省份/直辖市的页面url */
}
$html->clear();
unset($html);
return $province;
}
/*
* 获取某个省份的市、县、镇、村代码
*
* @param string 省份/直辖市代码
* @param string 市、县、镇、村的页面样式，该变量为citytr，对于县，该变量为countytr，即为文件开头定义的几个宏
* @param int 省份代码，获取区县以及区县以下级别的行政区域code时，需要设置省份代码（用于构造页面的URL）
* @param int 市代码，获取乡镇以及乡镇以下的行政区域code时，需要设置省份代码（用于构造页面的URL）
* @access public
* @return array 该省份各个市区的代码
*/
function getAreaCode($url, $trClass, $provinceCode = ‘./‘, $cityCode = ‘./‘)
{
$area = array();
$areaIdx = 0;
$code = -1;
/* 构造获取城市代码的url */
$areaUrl = getRootUrlPrefix() . $provinceCode . ‘/‘ . $cityCode . ‘/‘ . $url;
/* 如果抓取页面失败，则10秒后尝试重新抓取 */
while (($html = file_get_html($areaUrl)) == false)
{
sleep(10);
}
/* 根据页面特点解析出我们要的信息 */
foreach($html->find("tr[class=$trClass] > td") as $td)
{
/* td中包含a */
if ($a = $td->find(‘a‘))
{
foreach ($a as $aa)
{
if (preg_match(‘/^[0-9]{12}$/‘, $aa->innertext))
{
$code = $aa->innertext;
++$areaIdx;
}
else
{
$area[$areaIdx][‘code‘] = $code;
$area[$areaIdx][‘name‘] = iconv(‘GB2312‘, ‘UTF-8‘, $aa->innertext);
$area[$areaIdx][‘href‘] = $aa->href;
}
}
}
else /* td中不包含a */
{
if (preg_match(‘/^[0-9]{12}$/‘, $td->innertext))
{
$code = $td->innertext;
++$areaIdx;
}
else
{
$area[$areaIdx][‘code‘] = $code;
$area[$areaIdx][‘name‘] = iconv(‘GB2312‘, ‘UTF-8‘, $td->innertext);
}
}
}
$html->clear();
unset($html);
return $area;
} 将上面的代码保存为areaCode.php文件， 然后我们可以通过如下代码遍历获取到省市县镇村这些信息，如下所示。
<?php
include_once (‘./areaCode.php‘);
define(‘LEVEL_PROVINCE‘, 1);
define(‘LEVEL_CITY‘, 2);
define(‘LEVEL_COUNTY‘, 3);
define(‘LEVEL_TOWN‘, 4);
define(‘LEVEL_VILLAGE‘, 5);
/* 控制获取的区域级别，根据需要进行设置，如果需要获取到村这个级别，可进行如下设置 */
$getLevel = LEVEL_VILLAGE;
/* 获取省份信息 */
$provinces = getProvinceCode();
//printArray($provinces);
/* 遍历每个省，获取下属的市 */
foreach ($provinces as $provinceKey => $province)
{
//做你想做的事情
if (!isset($province[‘href‘]))
{
continue;
}
if ($getLevel < CITY_CLASS)
{
continue;
}
/* 市 */
$citys = getAreaCode($province[‘href‘], CITY_CLASS);
//printArray($citys);
foreach ($citys as $cityKey => $city)
{
//做你想做的事情
if (!isset($city[‘href‘]))
{
continue;
}
if ($getLevel < LEVEL_COUNTY)
{
continue;
}
/* 区县 */
$countys = getAreaCode($city[‘href‘], COUNTY_CLASS);
//printArray($countys);
foreach ($countys as $countyKey => $county)
{
//做你想做的事情
if (!isset($county[‘href‘]))
{
continue;
}
if ($getLevel < LEVEL_TOWN)
{
continue;
}
$towns = getAreaCode($county[‘href‘], TOWN_CLASS, sprintf("%02d", $province[‘code‘]));
//printArray($towns);
foreach ($towns as $townKey => $town)
{
//做你想做的事情
if (!isset($town[‘href‘]))
{
continue;
}
if ($getLevel < LEVEL_VILLAGE)
{
continue;
}
$villages = getAreaCode($town[‘href‘], VILLAGE_CLASS, sprintf("%02d", $province[‘code‘]), substr($city[‘code‘], 2, 2));
//printArray($villages);exit;
foreach ($villages as $villageKey => $village)
{
//做你想做的事情
}
}
}
}
}
执行该脚本需要的时间比较长，需要采用命令行的形式执行，如果获取到镇这一级别，差不多需要40分钟（和具体的电脑配置及其网络也有关系），我没有完整的获取过村这个级别的数据。
在遍历的过程中可以将数据写到文件、数据等一系列操作，这个按照个人需要增加即可。
标签：
原文地址：http://my.oschina.net/ricky716/blog/470228
