基于民政部行政区划页面抓取并整理省、市、区县三级数据，最终生成层级化 JSON 文件。

当前仓库中的程序入口是 com.jx.MainGetData，会从代码中写死的民政部页面读取数据，并在项目根目录生成：

• 2024 年最新中华人民共和国县以上行政区划代码.json

仓库中已经包含一份生成结果，可直接使用。

数据来源

当前代码使用的页面地址为：

• https://www.mca.gov.cn/mzsj/xzqh/2025/202401xzqh.html

程序通过 Jsoup 读取页面中这两个 class 对应的表格内容：

• xl7021822
• xl7121822

然后将页面中的行政区划代码与名称整理为结构化数据。

项目结构

核心文件如下：

• src/main/java/com/jx/MainGetData.java：抓取页面、解析列表、组装省市区层级、输出 JSON
• src/main/java/com/jx/Province.java：省级模型
• src/main/java/com/jx/City.java：市级模型
• src/main/java/com/jx/Area.java：区县模型
• src/main/java/com/jx/JSONFormatUtils.java：使用 Gson 美化写出 JSON
• src/main/java/com/jx/FileUtils.java：获取项目根目录
• pom.xml：Maven 依赖配置

数据结构

生成后的 JSON 结构如下：

[
  {
    "code": "110000",
    "name": "北京市",
    "cityList": [
      {
        "code": "110000",
        "name": "北京市",
        "areaList": [
          {
            "code": "110101",
            "name": "东城区"
          }
        ]
      }
    ]
  }
]

字段说明：

• Province.code / Province.name：省级行政区代码与名称
• Province.cityList：该省下的城市列表
• City.code / City.name：市级行政区代码与名称
• City.areaList：该市下的区县列表
• Area.code / Area.name：区县级行政区代码与名称

当前代码的处理逻辑

MainGetData.processData(...) 现在采用按编码分层归类的方式处理数据：

1. 先扫描全部数据，找出所有以 0000 结尾的省级编码，建立 provinceMap
2. 对四个直辖市 北京、上海、天津、重庆，直接创建一个与省同名的城市节点
3. 再扫描全部数据，将以 00 结尾但不以 0000 结尾的编码识别为普通地级市，并挂到对应省份下
4. 对剩余编码：
   • 如果属于直辖市，则直接挂到该直辖市的城市节点下作为区县
   • 否则按前四位编码匹配所属地级市，挂到其 areaList
5. 对仍未归类的编码，按“特殊城市”处理，直接补挂到所属省份下

另外，当前代码还会先移除页面中的这条文本，避免干扰后续解析：

• 省直辖县级行政单位

依赖版本

当前 pom.xml 中使用：

• Java 8
• org.jsoup:jsoup:1.21.2
• com.google.code.gson:gson:2.13.2

运行方式

方式一：在 IDE 中运行

直接运行：

• src/main/java/com/jx/MainGetData.java

执行完成后，会在项目根目录生成或覆盖：

• 2024 年最新中华人民共和国县以上行政区划代码.json

方式二：使用 Maven

项目是标准 Maven 结构，导入后可编译运行。若本机已安装 Maven，可自行通过 Maven 执行主类 com.jx.MainGetData。

注意事项

• 页面地址和 HTML class 名称目前是写死在代码里的；如果民政部页面结构调整，需要同步修改 MainGetData.java
• 当前输出文件名也是写死的，和抓取页面并不是自动联动的
• 特殊行政区划的归类依赖现有编码规则；如果上游页面格式变化，建议先检查生成结果