交通银行（Bank of Communications）作为中国历史最悠久的国有大型商业银行之一，始终坚守"创造共同价值"的使命，以"建设具有财富管理特色的国际一流银行集团"为战略目标，持续深化"长三角龙头银行"定位，强化区域协同与数字化转型双轮驱动。依托覆盖全国、辐射全球的服务网络，交通银行构建了以物理网点为基础、线上渠道为延伸、智慧场景为纽带的全渠道服务体系，致力于为个人客户、公司客户及机构客户提供专业、稳健、有温度的综合金融服务。
营业网点是交通银行践行"以客户为中心"理念的重要阵地，不仅承担着存取款、支付结算、信贷融资、财富管理、跨境金融等基础与高阶业务功能，更是打造"智慧银行""适老服务示范点"和"普惠金融服务站"的关键载体。近年来，交通银行积极推进网点轻型化、智能化、场景化改造，在全国重点城市及县域广泛部署智能柜员机、自助终端、远程视频柜员及无障碍服务设施，优化动线设计与空间布局，强化隐私保护与人文关怀，尤其在长三角、京津冀、粤港澳大湾区等核心经济圈，网点密度高、服务能级强，有效支撑区域一体化发展与实体经济需求。
在此背景下，通过程序化手段调用交通银行官方网点查询接口，可高效获取其全国网点结构化数据。利用 Python 的 requests 库发送 POST 请求，解析返回的 JSON 响应，可提取包括网点名称、所属省市、详细地址、联系电话、营业时间、联行号、地理坐标（经纬度）等关键字段。该数据集不仅可用于分析交通银行"深耕长三角、辐射全国"的渠道布局策略，还可支撑金融资源分布评估、城乡服务可及性研究、商业选址辅助决策及智慧城市金融基础设施规划等应用场景，为理解国有大行在区域协调发展中的角色提供实证基础。
交通银行网点查询网址：交通银行-网点查询
首先，我们找到网点数据的存储位置，然后看3个关键部分标头、 负载、 预览；
**标头：**通常包括URL的连接，也就是目标资源的位置；
**负载：**对于POST请求：负载通常包含了传递的参数，因为所有参数都通过URL传递，这里我们可以看到省份行政区的名称，没有进行加密；
**预览：**指的是对响应内容的快速查看或摘要显示，可以帮助用户快速了解返回的数据结构或内容片段，我们可以看到数据在data里，里面的部分内容进行了URL 编码，我们进行对应的解码即可；
接下来就是数据获取部分，先讲一下方法思路，一共三个步骤；
方法思路
- 找到对应数据存储位置，并找到对应字段的数据存储位置；
- 我们通过requests库发送HTTP请求，通过遍历所有page来获取全国网点的标签数据；
- 地理编码→地址转经纬度，再通过coord-convert库实现BD09转WGS84；
经过测试发现，我们只要选择到任意省级行政区，就会加载全部的银行网点数据，那么我们直接修改负载中的内容，让它为空，即可遍历全国交通银行网点数据；
**第一步：**利用requests库发送HTTP请求对应数据标签并获取所有交通银行网点数据，并根据标签进行保存，另存为csv；
完整代码#运行环境 Python 3.11
python
import requests
import urllib.parse
import pandas as pd
import time
# ===== 1. 配置请求 =====
url = "https://www.bankcomm.com/SITE/queryBranchResult.do"
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0 Safari/537.36",
"Referer": "https://www.bankcomm.com/BankCommSite/shtml/jsp/branchQuery.shtml",
"Content-Type": "application/x-www-form-urlencoded; charset=UTF-8"
}
data = {
"province": "",
"city": "",
"branchName": "",
"address": "",
"pageNo": "1",
"pageSize": "" # 一次性获取全部数据
}
print("正在请求交通银行网点数据...")
try:
resp = requests.post(url, headers=headers, data=data, timeout=15)
resp.encoding = 'utf-8'
if resp.status_code != 200:
print(f"HTTP 错误: {resp.status_code}")
exit()
result = resp.json()
branch_data = result["RSP_BODY"]["branch"]
total = int(branch_data["count"])
print(f"成功获取 {total} 个网点")
# ===== 2. 解析并整理数据 =====
rows = []
for key, item in branch_data["data"].items():
row = {
"网点名称": item.get("n", ""),
"地址": urllib.parse.unquote(item.get("a", "")),
"联系电话": item.get("o", ""),
"联行号": item.get("c", ""),
"行政区划代码": item.get("d", ""),
"经度": item.get("x", ""),
"纬度": item.get("y", ""),
"营业时间": urllib.parse.unquote(item.get("t", "")),
"状态": "正常营业" if item.get("b") == "1" else "暂停服务"
}
rows.append(row)
# ===== 3. 保存为 CSV =====
df = pd.DataFrame(rows)
filename = "交通银行网点.csv"
df.to_csv(filename, index=False, encoding="utf_8_sig") # utf_8_sig 支持 Excel 中文
print(f"\n成功保存 {len(rows)} 条记录到: {filename}")
except Exception as e:
print(f"程序出错: {e}")
print("原始响应前500字符:")
print(resp.text[:500])获取数据标签如下：n(网点名称)、a(地址)、o(联系电话)、c（联行号）、d（行政区划代码）、t（营业时间）、bsnTime（营业时间）、lat&lon（地理坐标），其他一些非关键标签，这里省略；
第二步： 坐标系转换，由于农业银行网点数据使用的是百度坐标系（BD-09），为了在ArcGIS上准确展示而不发生偏移，我们需要将网点的坐标从BD-09转换为WGS-84坐标系。我们可以利用coord-convert库中的bd2wgs(lng, lat)函数，也可以用免费这个网站：批量转换工具：地图坐标系批量转换 - 免费在线工具；
对CSV文件中的网点坐标列进行转换，完成坐标转换后，再将数据导入ArcGIS进行可视化；
接下来，我们进行看图说话：
交通银行的网点布局深刻反映了其"立足长三角、辐射全国"的战略定位，呈现出高度与区域经济活力耦合的特征。在长三角地区，网点密度达到全国峰值：仅上海市就拥有超过200家支行及分理处，广泛覆盖黄浦、徐汇、浦东等核心金融区，并深入延伸至嘉定、松江、青浦等新城；江苏省内，南京、苏州、无锡三市网点数量占全省近半，尤其苏州工业园区和昆山开发区形成高频服务网络；浙江省则以杭州、宁波为双核，依托数字经济与外贸活跃度密集布点。这种"总部---强省会---经济强市"三级架构，使交行在长三角一体化进程中占据显著先发优势。
在中西部及东北地区，交通银行采取差异化策略，聚焦省会城市打造区域枢纽，同时选择性下沉至经济副中心 。例如，在成渝地区，成都网点不仅集中于锦江、高新等主城区，还向天府新区、东部新区拓展；重庆则重点布局两江新区与渝中半岛。中部省份如湖北、河南，武汉光谷、郑州郑东新区均设有智慧网点集群。而在东北，沈阳、大连作为辽宁"双核"，网点数量远超长春、哈尔滨，反映出对辽中南城市群的优先投入。值得注意的是，多数地级市仅设1--2家网点，且多位于市中心，县域覆盖极为有限，显示出对低效资产的主动规避。
在西部边疆及欠发达地区，网点设置明显带有政策导向色彩。新疆、西藏、青海、宁夏等地的网点几乎全部集中于首府城市（如乌鲁木齐、拉萨、西宁、银川），且功能以基础存取款和对公结算为主，财富管理、跨境金融等高阶服务较少。部分网点甚至承担着"金融戍边"职能，如喀什、霍尔果斯口岸支行，虽业务量有限，却在服务"一带一路"节点中具有战略价值。此外，交行在雄安新区、海南自贸港等国家级新区亦提前布局，体现其对政策红利的敏锐捕捉。
综上，交通银行的物理渠道体系并非简单追求"广覆盖"，而是构建了一套**"核心深耕、梯度辐射、战略卡位"三位一体的立体化网络** ：在高价值区域通过高密度网点提升客户黏性与综合收益；在成长型区域以枢纽带动辐射，控制成本的同时把握增长机会；在战略要地则以最小有效存在履行国有大行责任。随着"智慧网点"改造加速，未来其线下渠道将更强调场景融合与服务深度，而非数量扩张，进一步巩固其在重点城市群中的金融服务主阵地地位。
根据交通银行各城市网点数量TOP15分布图，其布局呈现出高度集中于东部沿海经济核心城市、以直辖市和省会城市为绝对主导 的特征。上海市以139家网点遥遥领先 ，作为交行总部所在地，不仅是全国金融中心，也是其最密集的服务腹地；北京市以126家紧随其后 ，依托首都政治与经济双重地位，形成强大的业务集聚效应。成都（64家）、南京（63家）、广州（63家）、天津（63家）等城市构成第二梯队，反映出交行在长三角、珠三角及中西部中心城市的战略投入。整体来看，前五名城市合计占比超过全国总量的40%，显示出其"强中心、弱边缘"的渠道策略。
从区域格局看，长三角地区占据绝对优势 ：上海、南京、杭州、苏州、宁波等城市共同构成"高密度服务圈"，尤其在江苏、浙江两省，交行网点已实现对主要经济城市的全覆盖。而成渝双城经济圈 也表现出强劲增长态势，成都和重庆均进入TOP15，且数量接近，体现交行对西南地区发展的重视。相比之下，中西部非省会城市及东北地区覆盖较弱，说明其资源仍优先向高价值区域倾斜。此外，深圳（57家）、武汉（54家）、西安（54家）等新一线城市虽未进入前五，但网点数量稳定，是交行拓展新兴市场的关键支点。
总体而言，交通银行的网点布局是市场化效率与国家战略协同的结果 ：一方面，通过在一线城市和强二线城市构建高密度网络，最大化客户触达与综合收益；另一方面，在成都、重庆、西安等地的布局也呼应了国家区域协调发展战略。未来随着数字化转型深化，其线下网点将更注重"智慧化"与"场景化"升级，而非单纯追求数量扩张，但在可预见的时期内，以上海为核心、辐射全国重点城市群的物理网络仍将是中国金融基础设施的重要组成部分。
文章仅用于分享个人学习成果与个人存档之用，分享知识，如有侵权，请联系作者进行删除。所有信息均基于作者的个人理解和经验，不代表任何官方立场或权威解读。