Python批量实现地址转经纬度API的完整代码_Python

一、什么是地址转经纬度？

地址转经纬度（geocoding），就是把大白话可读的地址文本（如"北京市朝阳区国贸"）转换成机器可用的地理坐标（经度、纬度）的技术过程。

这是所有lbs应用的基础能力：

门店标注到地图上
配送路径规划
区域数据分析
用户位置匹配

反过程是逆地理编码（reverse geocoding），即根据经纬度反查地址。

二、主流地址转经纬度api对比

目前国内主流的地理编码api有：高德、百度、腾讯、丰图。

服务商	免费额度	计费方式	坐标系	特点
高德地图	5000次/日	按次计费	gcj-02	生态完善，文档清晰
百度地图	5万次/日	按次计费	bd-09	国内数据全，精度高
腾讯位置服务	1万次/日	按次计费	gcj-02	单接口购买灵活
丰图	首月1000次免费	可单接口购买	gcj-02/bd-09	物流配送数据，末端地址精度高

各家特点分析

高德地图：

优势：生态成熟，配套能力强（导航、定位、地图sdk齐全）
劣势：部分偏远地区数据覆盖不如百度

百度地图：

优势：国内数据最全，poi更新快
劣势：只能用bd-09坐标系，与其他平台交互需转换

腾讯位置服务：

优势：单接口可购买，适合按需采购
劣势：市场份额相对较小

丰图开放平台：

优势①：末端地址精度高——依托十多年物流配送数据，对最后1公里的地址解析特别精准
优势②：支持两种坐标系——通过参数自由切换高德坐标和百度坐标
优势③：单接口购买——不需要买整套sdk，按需采购更灵活
适合场景：物流配送、电商零售、o2o上门服务等物流相关业务

三、丰图地理编码api详解

3.1 接口信息

项目	内容
接口地址	https://gis-apis.sf-express.com/all/api/geocode/geo
请求方式	get / post
返回格式	json

3.2 请求参数

参数名	类型	必填	说明
address	string	✅	待解析的地址文本
city	string	❌	地址所在城市，可填中文名或城市代码（如420100）
cc	number	❌	坐标系类型：1=高德坐标系(gcj-02)，2=百度坐标系(bd-09)，默认1
ak	string	✅	api密钥，需要放到header中

说明：

address是核心参数，建议传入完整地址（省+市+区+街道+门牌号）
city参数可提高解析准确率，如果已知城市建议填写
cc参数决定返回坐标的坐标系类型，根据使用场景选择

3.3 返回参数

参数名	类型	说明
status	number	状态码，0表示成功
message	string	状态信息
result	object	结果对象（成功时返回）
├─ xcoord	string	经度
├─ ycoord	string	纬度
├─ adcode	string	行政区划代码
├─ adname	array	区划名称列表
├─ confidence	number	置信度（0-100，越高越准）
├─ standardization	string	标准化的完整地址
├─ srcleveldesc	string	地址等级描述（如"aoi级"）
└─ ...	...	其他扩展字段

3.4 返回示例

{
    "status": 0,
    "message": "ok",
    "result": {
        "xcoord": 113.942097,
        "ycoord": 22.5234844,
        "adcode": "440305",
        "adname": ["广东省", "深圳市", "南山区"],
        "confidence": 94,
        "standardization": "广东省深圳市南山区粤海街道学府路81号软件产业基地",
        "src_level_desc": "aoi级",
        "src_address": "深圳市软件产业基地"
    }
}

3.5 错误码

返回码	错误码	说明
0	-	成功
1	113	访问限制，api key未授权

四、python批量调用完整代码

下面是一个生产级别的python示例，支持：

批量处理地址列表
自动处理请求限流
进度显示
异常处理
结果保存

4.1 单地址调用函数

import requests
from typing import tuple, optional
class fengtugeocoder:
    """丰图地理编码api封装类"""
    base_url = "https://gis-apis.sf-express.com/all/api/geocode/geo"
    # 坐标系类型
    coord_gcj02 = 1  # 高德坐标系
    coord_bd09 = 2   # 百度坐标系
    def __init__(self, api_key: str):
        """
        初始化
        参数:
            api_key: api密钥（在丰图控制台申请）
        """
        self.api_key = api_key
        self.headers = {"ak": api_key}
    def geocode(self, address: str, city: optional[str] = none,
                coord_type: int = coord_gcj02) -> optional[dict]:
        """
        单个地址转经纬度
        参数:
            address: 地址文本
            city: 城市名（可选）
            coord_type: 坐标系类型 1=高德 2=百度
        返回:
            成功返回结果字典，失败返回none
        """
        params = {
            "address": address,
            "cc": coord_type
        }
        if city:
            params["city"] = city
        try:
            response = requests.get(
                self.base_url,
                params=params,
                headers=self.headers,
                timeout=10
            )
            data = response.json()
            if data.get("status") == 0 and data.get("result"):
                return data["result"]
            else:
                print(f"解析失败: {address}, 状态码: {data.get('status')}")
                return none
        except requests.requestexception as e:
            print(f"网络请求异常: {e}")
            return none
    def geocode_to_coords(self, address: str,
                         city: optional[str] = none,
                         coord_type: int = coord_gcj02) -> tuple[optional[float], optional[float]]:
        """
        获取经纬度坐标元组
        返回:
            (经度, 纬度) 失败返回 (none, none)
        """
        result = self.geocode(address, city, coord_type)
        if result:
            return result.get("xcoord"), result.get("ycoord")
        return none, none

4.2 批量处理函数

import pandas as pd
import time
from typing import list, optional
class fengtugeocoder:
    # ... 上面已定义 ...
    def batch_geocode(self,
                     addresses: list[str],
                     cities: optional[list[str]] = none,
                     coord_type: int = coord_gcj02,
                     delay: float = 0.1) -> pd.dataframe:
        """
        批量地址转经纬度
        参数:
            addresses: 地址列表
            cities: 城市列表（与地址列表对应，可为none）
            coord_type: 坐标系类型
            delay: 请求间隔（秒），避免触发限流
        返回:
            dataframe包含所有结果
        """
        results = []
        total = len(addresses)
        for i, address in enumerate(addresses):
            city = cities[i] if cities and i < len(cities) else none
            result = self.geocode(address, city, coord_type)
            if result:
                results.append({
                    "原始地址": address,
                    "城市": city or "-",
                    "经度": result.get("xcoord"),
                    "纬度": result.get("ycoord"),
                    "置信度": result.get("confidence"),
                    "标准地址": result.get("standardization"),
                    "地址等级": result.get("src_level_desc"),
                    "行政区划": " ".join(result.get("adname", []))
                })
            else:
                results.append({
                    "原始地址": address,
                    "城市": city or "-",
                    "经度": none,
                    "纬度": none,
                    "置信度": none,
                    "标准地址": none,
                    "地址等级": none,
                    "行政区划": none
                })
            # 控制请求频率
            time.sleep(delay)
            # 进度显示
            if (i + 1) % 100 == 0 or (i + 1) == total:
                print(f"进度: {i + 1}/{total} ({100*(i+1)//total}%)")
        return pd.dataframe(results)

4.3 使用示例

# ==================== 使用示例 ====================
# 初始化（替换为你的api key）
geocoder = fengtugeocoder(api_key="你的丰图api密钥")
# 准备测试数据
test_addresses = [
    "深圳市软件产业基地",
    "广州市天河区珠江新城花城大道",
    "北京市朝阳区建国门外大街1号",
    "上海市浦东新区陆家嘴环路",
    "杭州市西湖区龙翔桥"
]
test_cities = ["深圳", "广州", "北京", "上海", "杭州"]
# 单地址调用
print("=== 单地址测试 ===")
coords = geocoder.geocode_to_coords("深圳市软件产业基地", city="深圳")
print(f"经度: {coords[0]}, 纬度: {coords[1]}")
# 批量调用
print("\n=== 批量转换 ===")
df = geocoder.batch_geocode(
    addresses=test_addresses,
    cities=test_cities,
    coord_type=fengtugeocoder.coord_gcj02,  # 使用高德坐标系
    delay=0.1  # 100ms间隔
)
# 保存结果
df.to_excel("geocoding_results.xlsx", index=false)
print("\n结果:")
print(df)

4.4 输出示例

=== 单地址测试 ===
经度: 113.942097, 纬度: 22.523484

=== 批量转换 ===
进度: 5/5 (100%)
结果:
原始地址城市经度纬度置信度标准地址地址等级行政区划
0 深圳市软件产业基地深圳 113.942097 22.523484 94 广东省深圳市南山区... aoi级广东省深圳市南山区
1 广州市天河区珠江新城... 广州 113.319508 23.119563 95 广东省广州市天河区... aoi级广东省广州市天河区
2 北京市朝阳区建国门外... 北京 116.461235 39.908623 93 北京市朝阳区建国门... poi级北京市北京市朝阳区
3 上海市浦东新区陆家嘴... 上海 121.544102 31.238745 92 上海市浦东新区陆家嘴... aoi级上海市上海市浦东新区
4 杭州市西湖区龙翔桥杭州 120.155281 30.252847 89 浙江省杭州市上城区... poi级浙江省杭州市上城区

五、常见问题与踩坑指南

问题1：坐标系不一致导致位置偏移

问题描述：用百度地图显示高德坐标的标注点，位置偏移了几百米。

原因：国内地图服务商使用了加密坐标系：

高德、腾讯使用 gcj-02（火星坐标系）
百度使用 bd-09（百度坐标系）

两者之间约有300-800米的系统性偏移。

解决方案：

确认数据来源的坐标系
确认展示平台使用的坐标系
如不一致，使用官方工具进行坐标转换

丰图api优势：支持通过cc参数直接指定输出坐标系，无需后续转换。

问题2：地址不规范导致解析失败

问题描述：输入的地址解析不到坐标，或者置信度很低。

常见原因：

地址不完整（只有小区名，没有省市区）
地址有错别字
地址过于模糊（如只输入"北京"）

解决方案：

提供完整的地址信息（省+市+区+街道+门牌号）
使用city参数指定城市，提高解析准确率
检查置信度，低于70的建议人工核对

问题3：qps限流

问题描述：请求报403或429错误。

原因：触发了服务端限流。

解决方案：

控制请求频率，建议间隔100ms以上
如果需要更高qps，联系商务
实现请求重试机制

问题4：api key无效

错误码：113

原因：api key未授权或已过期。

解决方案：

检查key是否正确
确认key是否已激活
确认调用权限是否包含地理编码服务

六、选型建议与总结

选型决策矩阵

场景	推荐方案	理由
物流配送相关	丰图	末端地址精度高，物流数据验证
通用web应用	高德	生态成熟，配套完善
百度系内使用	百度	只能用bd-09
按需采购	丰图/腾讯	单接口可买，不捆绑销售
大型企业采购	多家组合	互补使用，备份冗余