中国邮政作为国家重要的社会公用事业组成部分和大型国有骨干企业，始终秉承"人民邮政为人民"的服务宗旨，以"建设世界一流邮政企业"为战略目标，持续强化"普遍服务+寄递物流+金融业务+农村电商"四梁八柱协同发展格局。依托覆盖全国、深入城乡、通达全球的实体网络，中国邮政构建了以邮政普遍服务网点为基础、邮政综合便民服务平台为延伸、数字化渠道为支撑的立体化服务体系，致力于为广大城乡居民、中小企业及政府机构提供安全、便捷、普惠、有温度的综合服务。
营业网点是中国邮政履行普遍服务义务、服务民生保障与乡村振兴的核心阵地，不仅承担着信件报刊投递、包裹快递收寄、邮政储蓄、代收代缴、票务代理等基础公共服务功能，更是打造"邮政综合便民服务站""农村普惠金融服务点"和"政务代办示范窗口"的关键载体。近年来，中国邮政积极推进网点标准化、综合化、智能化升级，在全国城市社区、乡镇村组广泛布设智能包裹柜、自助服务终端、无障碍设施及多功能服务专区，优化服务流程与空间体验，强化适老化改造与人文关怀。尤其在广大县域及农村地区，邮政网点密度高、覆盖面广、服务半径大，成为打通公共服务"最后一公里"、支撑数字乡村建设和城乡融合发展的重要基础设施。
在此背景下，通过程序化手段调用中国邮政官方网点查询接口，可高效获取其全国邮政支局、所、代办点的结构化数据。利用 Python 的 requests 与 BeautifulSoup 等工具解析网页响应，可提取包括网点名称、所属省市区县、详细地址、邮政编码、联系电话、服务类型（普服/金融/快递）、是否办理邮政储蓄业务、营业时间等关键字段。该数据集不仅有助于分析中国邮政"覆盖城乡、服务全民"的网络布局特征，还可支撑基层公共服务资源配置评估、农村金融可及性研究、物流节点规划、政务服务下沉路径设计及智慧城市末端服务体系优化等多元应用场景，为理解国家基础服务网络在促进区域协调与共同富裕中的作用提供实证依据。
中国邮政网点查询地址：网点查询 - 中国邮政集团有限公司
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GET请求：负载通常包含了传递的参数，有些网页负载可能为空，或者没有负载，因为所有参数都通过URL传递，这里我们可以看到pos（页码），等标签，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wangd2里；
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
- 找到对应网点标签数据存储位置，和对应标签内容；
- 我们通过改变查询pos（页码）这里的页码是每10的增量增加的，来遍历所有网点，获取所有网点的相关标签数据；
- 坐标转换，把地理编码地址转为经纬度；
经过测试，每次翻页，pos会增加10，其他没有变化，然后拉到最后一页，我们可以看到pos来到54660，那么我们就在脚本里设置pos的上限为54660，然后把所有网点数据标签另存为csv即可；
**第一步：**利用requests库发送HTTP请求对应数据标签并获取所有邮政网点数据，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
from bs4 import BeautifulSoup
import csv
import time
base_url = "https://iframe.chinapost.com.cn/jsp/type/institutionalsite/SiteSearchJT.jsp"
headers = {
"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/144.0.0.0 Safari/537.36 Edg/144.0.0.0",
"Accept": "text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,image/apng,*/*;q=0.8",
"Accept-Language": "zh-CN,zh;q=0.9,en;q=0.8",
"Accept-Encoding": "gzip, deflate, br",
"Connection": "keep-alive",
}
all_rows = []
# 最大 pos 值（根据页码最后一页）
max_pos = 54660
step = 10
for current_pos in range(0, max_pos + 1, step):
print(f"正在抓取 pos={current_pos} 的数据...")
params = {
"community": "ChinaPostJT",
"pos": current_pos
}
try:
response = requests.get(base_url, headers=headers, params=params, timeout=10)
if response.status_code != 200:
print(f"请求失败，状态码: {response.status_code}，跳过 pos={current_pos}")
continue
html = response.text
soup = BeautifulSoup(html, 'html.parser')
table = soup.find('table', class_='wangd2')
if not table:
print(f"未找到表格，pos={current_pos} 可能为空页")
continue
rows = []
for tr in table.find_all('tr'):
cols = [td.get_text(strip=True) for td in tr.find_all(['td', 'th'])]
if cols and len(cols) >= 8: # 确保是有效数据行（至少8列）
rows.append(cols)
if len(rows) > 1:
# 跳过表头（第一行）
all_rows.extend(rows[1:])
else:
print(f"pos={current_pos} 无有效数据行")
# 可选：添加短暂延迟，避免请求过快
time.sleep(0.5)
except Exception as e:
print(f"抓取 pos={current_pos} 时出错: {e}")
continue
# 保存所有数据到 CSV 文件
with open('postal_sites.csv', 'w', encoding='utf-8-sig', newline='', errors='replace') as f:
writer = csv.writer(f)
writer.writerow(["省", "市", "县", "服务网点名称", "邮编", "地址", "是否办理金融业务", "电话", "营业时间"])
writer.writerows(all_rows)
print(f"已成功抓取并保存 {len(all_rows)} 行数据到 postal_sites.csv")获取数据标签如下：td01（省）、td02（市）、td03（县）、td04（服务网点名称）、td05（邮编）、td06（地址）、td07（是否办理金融业务）、td08（电话）、td09（营业时间），其他一些非关键标签，这里省略；
第二步： 地理编码和坐标系转换，这里我们需要把获取的网点地址进行地理编码，具体实现方法可以参考我这篇文章：地址转坐标：利用高德API进行批量地理编码_高德地图api-CSDN博客；
这里直接下载转换结果，坐标系GCJ-02，当然还有个别地址描述太模糊的或者格式无法识别，会查不出坐标，手动查一下坐标即可，大部分还是可以查到的，因为当前坐标系是GCJ02，需要批量转成WGS84/BD09的话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 (latlongconverter.online)，也可以通过coord-convert库实现GCJ-02转WGS84；
**这里有一个小tips：**这里邮政网点的数据量有点多，有5.4万多条，你可以采取多账号，或者多天的形式进行地址转坐标，高德单个账号免费api 的限额是5000条/天；
接下来，我们进行看图说话：
从中国邮政网点的空间分布来看，其布局呈现出鲜明的"普遍服务全覆盖、东密西疏梯度分布、沿交通干线集聚、深度下沉县域与乡村"的特征。在东部沿海发达地区，如京津冀、长三角、珠三角等城市群，邮政网点高度密集，形成连片的高密度服务网络。仅上海市中心城区就设有数十个邮政支局和综合便民服务站，深圳、杭州、广州等城市同样呈现密集化布局，这不仅反映了区域旺盛的寄递、金融与政务代办需求，也彰显了中国邮政在经济核心区的强大服务渗透力。
在中西部地区，网点分布则体现为"以省会和地级市为枢纽、向县域和乡镇逐级延伸 "的梯度结构。河南、四川、湖北、湖南等人口与农业大省，不仅中心城市网点完备，绝大多数县级行政区乃至重点乡镇均设有邮政服务点。尤其在广大农村地区，中国邮政依托"邮政综合便民服务站""普惠金融服务点"等载体，将信件投递、包裹收寄、储蓄汇兑、代缴代发等基础公共服务送至"最后一公里"，切实履行国家赋予的普遍服务义务和乡村振兴支撑职责。
值得注意的是，邮政网点的空间分布显著受交通基础设施引导，呈现明显的"沿轴集聚 "现象。京广线、陇海线、沪昆线、京港澳高速、包茂高速等国家级交通走廊沿线，网点密度远高于周边区域，有效提升了物流效率与客户可达性。而在新疆、西藏、青海、内蒙古等西部边远地区，尽管整体网点稀疏，但基本实现地级市全覆盖，并在重点县城设立服务支点，形成"点状支撑、辐射周边"的服务格局，努力克服地理阻隔与人口分散带来的服务难题。
总体而言，中国邮政的网点体系是中国基础公共服务网络的空间缩影，高度契合国家区域协调发展战略与城乡融合发展导向。其布局既保障了东部高密度区域多元、高效的综合服务供给，又通过广泛覆盖县域和乡村，弥合了中西部尤其是偏远地区的公共服务鸿沟。未来，随着数字化转型加速，中国邮政正推动"线上+线下"融合，以智能终端、远程服务与物理网点协同构建立体化服务体系，持续提升全国范围内，特别是农村和边疆地区的服务可及性与均等化水平。
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。