Python实战：用高德地图API批量获取地址所属街道并写回Excel

在日常的数据处理工作中，我们经常需要根据公司、事件或门店的注册地址 ，批量获取其所在的街道信息 ，例如"浦东新区张江镇""徐汇区龙华街道"等。 手动查询显然低效，而借助 Python + 高德地图API，我们可以轻松实现自动化批量查询并将结果写入 Excel 文件中。

本文将完整展示一个从 Excel 读取地址 → 调用高德API → 获取街道 → 写回Excel的实用脚本，并讲解实现细节与优化思路。

---

一、功能概述

这段脚本的功能可以总结为四步：

1. 从 Excel 文件中读取地址数据；
2. 调用高德地图地理编码（geocode）与逆地理编码（regeo）接口获取街道名称；
3. 自动将查询结果写回到 Excel 的新列中；
4. 对查询失败的地址进行重试与记录，保证数据尽量完整。

---

二、项目依赖与准备工作

在开始之前，请确保安装以下依赖：

pip install pandas openpyxl requests

并在高德开放平台申请一个 API Key，申请地址为： 👉 lbs.amap.com/api/webserv...

拿到 key 后，将它填入脚本开头的配置部分：

key = "你的高德API_KEY"

---

三、核心逻辑讲解

1. Excel文件读取与列处理

脚本使用 pandas 和 openpyxl 结合读取 Excel 文件：

df = pd.read_excel(input_file)
if '注册地址' not in df.columns:
    df['注册地址'] = df.iloc[:,16]
addresses = df['注册地址'].tolist()

这段代码首先读取整个 Excel，然后确认是否存在"注册地址"列； 如果没有，则自动取第 17 列（索引16）作为地址列，保证兼容不同格式的表格。

随后，脚本用 openpyxl 打开同一个文件，以保留单元格样式，准备写入新的"街道"列：

wb = load_workbook(input_file)
ws = wb.active
ws.insert_cols(target_col)
ws.cell(row=header_row_index, column=target_col, value="街道")

这样既能读取数据，又能保持表格原有格式，方便下游人员直接查看。

---

2. 调用高德API获取街道信息

核心的查询函数如下：

def get_street_from_amap(address, retries=max_retries):
    if not isinstance(address, str) or not address.strip():
        return ""
    for attempt in range(1, retries+1):
        try:
            geo_resp = requests.get(
                "https://restapi.amap.com/v3/geocode/geo",
                params={"key": key, "address": address, "city": "上海"},
                timeout=15
            ).json()

            if not geo_resp.get("geocodes"):
                continue

            location = geo_resp["geocodes"][0]["location"]

            regeo_resp = requests.get(
                "https://restapi.amap.com/v3/geocode/regeo",
                params={"key": key, "location": location, "extensions": "base", "radius":500},
                timeout=15
            ).json()

            if regeo_resp.get("regeocode"):
                township = regeo_resp["regeocode"]["addressComponent"].get("township","") or ""
                return township
        except Exception as e:
            print(f"[尝试 {attempt}/{retries}] 地址查询失败: {address}, 错误: {e}")
        time.sleep(sleep_time + random.random()*0.5)
    return None

这段逻辑分为两步：

1. 正向地理编码（geocode）：根据地址字符串获取经纬度；
2. 逆向地理编码（regeo）：根据经纬度反查街道名称（township）。

并加入了异常重试机制 与随机延时，防止频繁请求触发高德API限流。

---

3. 批量查询与缓存优化

查询过程通过循环实现：

cache = {}
failed_addresses = []

for row_idx, addr in enumerate(addresses, start=header_row_index+1):
    if not isinstance(addr,str) or not addr.strip():
        ws.cell(row=row_idx, column=target_col, value="")
        continue
    if addr in cache:
        township = cache[addr]
    else:
        township = get_street_from_amap(addr)
        if township is None:
            failed_addresses.append((row_idx, addr))
            township = ""
        cache[addr] = township
        time.sleep(sleep_time + random.random()*0.5)
    ws.cell(row=row_idx, column=target_col, value=township)

这里有几个优化点：

• 缓存（cache）机制：如果同一地址出现多次，只请求一次；
• 延时策略 ：sleep_time + random.random()*0.5，避免被API风控；
• 实时进度输出：每50行打印一次进度。

---

4. 失败重试与错误记录

对于第一次查询失败的地址，脚本会自动发起第二轮重查：

if failed_addresses:
    print(f"第一次查询失败地址共 {len(failed_addresses)} 条，开始自动重查......")
    still_failed = []
    for row_idx, addr in failed_addresses:
        township = get_street_from_amap(addr)
        if township is None:
            still_failed.append((row_idx, addr))
            township = ""
        cache[addr] = township
        ws.cell(row=row_idx, column=target_col, value=township)
        time.sleep(sleep_time + random.random()*0.5)
    failed_addresses = still_failed

最终仍查询失败的地址会被写入单独的 Excel 文件：

if failed_addresses:
    df_fail = pd.DataFrame([addr for _, addr in failed_addresses], columns=["地址"])
    df_fail.to_excel(failed_file, index=False)

这样可以方便人工二次处理，比如手动调整地址格式或补录缺失信息。

---

四、运行结果

执行脚本后，控制台会显示类似输出：

已处理 50 行，最近地址：上海市浦东新区张江路123号 → 张江镇
已处理 100 行，最近地址：上海市浦东新区川沙路56号 → 川沙新镇
第一次查询失败地址共 5 条，开始自动重查......
完成，已保存：事件列表-上海浦东-带街道.xlsx
最终仍失败的地址已保存到 查询失败地址.xlsx

最终输出文件中会新增一列"街道"，完整保留原有格式：

注册地址	街道
上海市浦东新区张江路123号	张江镇
上海市浦东新区川沙路56号	川沙新镇

---

五、实用建议与扩展方向

1. 批量查询速度控制

   • 高德API对单IP有请求频率限制，建议控制每秒请求数。
   • 若数据量大，可考虑多线程+限速队列模式。

2. 地址清洗预处理

   • 可先对地址进行正则清洗，去掉多余标点、括号、空格等，提高命中率。

3. 多城市适配

   • 当前城市固定为"上海"，可通过参数配置实现全国适配。

4. 异常日志记录

   • 建议在重查阶段输出更多日志，例如返回状态码、错误类型，方便调试。

5. 接口替代方案

   • 若数据量巨大，可以使用高德地图的批量地理编码接口（支持最多 10 条一次），进一步提升效率。

---

六、总结

本文通过一个实战案例展示了如何用 Python + 高德地图API 实现"批量地址→街道归属"的自动化处理。 整个过程涵盖了数据读取、接口调用、异常重试、结果写回等完整流程，既是一个实用工具脚本，也体现了 Python 在数据自动化中的强大能力。

核心亮点：

模块	功能
pandas + openpyxl	高效读取与写入 Excel
requests	调用高德API进行地理解析
缓存与重试机制	提高查询稳定性与速度
自动生成失败文件	方便人工补录与质量控制

如果你日常需要处理大量企业、门店、事件地址，这个脚本可以帮你节省大量时间。

---