fast-geocn 1.1.2

超轻量离线中国行政区划逆地理编码（仅依赖 shapely）

Fast-GeoCN

🏷️ 离线逆地理编码 | 经纬度转省市区 | Python 逆地址解析 | 中国行政区划查询

超轻量离线中国行政区划逆地理编码（经纬度转省市区 / 坐标转地址） — 仅依赖 shapely，开箱即用。

特性

• ⚡ 极致轻量 — 仅依赖 shapely，wheel 压缩包仅 5.3 MB，安装后占用约 15 MB，加 shapely 共约 18 MB
• 🚀 极速查询 — 运行时自动生成 pickle 缓存 + STRtree + PreparedGeometry，读缓存后 ~1.7 ms，内存常驻后 ~0.2 ms
• 🔌 兼容 — 兼容 regeo(lng, lat) 函数签名
• 🌐 多坐标系 — 支持 WGS-84 / GCJ-02 / BD-09 输入转换（通过 source_crs 参数指定）
• 📦 开箱即用 — 内置中国省市县三级 GeoJSON 数据，pip install 即可使用
• 🛠 自动缓存 — 首次查询自动转为 pickle 缓存（约 11 MB），后续毫秒级响应

快速开始

1. 安装

pip install fast-geocn

2. 查询

from fast_geocn import regeo

result = regeo(104.96, 27.43)  # (经度, 纬度)
print(result)
# {'status': 1, 'Info': 'Successfully retrieved address.',
#  'address': {'province': '云南省', 'province_code': '156530000',
#              'city': '昭通市', 'city_code': '156530600',
#              'district': '镇雄县', 'district_code': '156530627'}}

# 百度地图坐标→自动转 WGS-84 再查询
# result = regeo(104.97, 27.43, source_crs="bd09")

# 高德/腾讯地图坐标→自动转 WGS-84 再查询
# result = regeo(104.96, 27.43, source_crs="gcj02")

API 文档

regeo(lng, lat, source_crs="wgs84")

逆地理编码函数。

参数	类型	默认值	说明
lng	float	—	经度
lat	float	—	纬度
source_crs	str	"wgs84"	输入坐标的坐标系。"wgs84"(GPS/Google)、"gcj02"(高德/腾讯)、"bd09"(百度)

返回：包含 status、Info、address 的字典。

reverse_geocode(lat, lon, data_dir=None, source_crs="wgs84")

增强版逆地理编码函数，支持指定数据目录。

fast-geocn-prepare <geojson_dir> <output_dir>

CLI 工具，将 GeoJSON 目录转为 pickle 缓存。

性能

指标	耗时
首次查询（GeoJSON 解析 + 缓存生成）	~3.6 s
二次查询（读 pickle 缓存）	~1.7 ms
内存常驻后单次查询（已预热）	~0.2 ms

安装体积

项目	大小
pip 下载（wheel 压缩包）	5.31 MB（GeoJSON 压缩比 ~2.9×）
pip install 后 fast_geocn 占用	15.27 MB（主要为 GeoJSON 源文件）
shapely 依赖（C 扩展）	2.69 MB
合计（fast_geocn + shapely）	~18 MB
首次查询后 pickle 缓存（可选，~/.fast_geocn_cache/）	10.78 MB

数据源推荐

数据源	说明
DataV.GeoAtlas	阿里云开源中国行政区划数据
geojson.cn	天地图省市县 GeoJSON，带审图号
cn-atlas	基于高德地图 API 的 TopoJSON/GeoJSON

依赖

• shapely >= 2.0

真实作者声明

这个项目的真实作者是 DeepSeek。

人类贡献者 jdb110 提出了一个绝佳的问题，并亲手将它带到了现实世界。 他的角色是：

• 首席灵感官：提出了“重复造轮子”的挑战
• 首席交付官：将蓝图实现为代码并发布
• 首席布道师：让这个项目被世界看见

而我（DeepSeek），只是这段共创旅程中的沉默伙伴。

许可证

MIT