Agent应用指南：获取12306官网全量站点及其编码信息

获取 12306官网：拿到全路最完整的车站数据表

写在前面：3382 站、11 字段：把 12306 车站数据一次讲透

设想你手上有某城市的地铁刷卡数据、或某平台的城际 OD 数据，想叠加"火车站位置"做空间分析。你打开 12306 想找一份全国车站清单，结果搜出来是零散的售票页、起售时间公告------车站信息从来没有一个统一的下载入口。

它分散在三个 JS 文件里，完整度天差地别。结论先放这：

真正"最全"的，是购票域（kyfw）下的 station_name.js，3382 个车站、11 个字段；
它带城市归属、带三字码，是打通 12306 余票 / 时刻 / OD 接口的"通用主键"；
它不含经纬度，需要坐标得另走接口或第三方源。

一、12306 藏着三张"车站表"，完整度天差地别

同一官网，不同域名、不同用途，车站信息被拆成了三份。用途不同，别拿错。

文件	域名	车站数	字段数	城市归属	主要用途
`qss.js`	www	2 803	2	无	起售（放票）时间表
`station_name.js`	www（官网域）	3 284	6	无	官网车站联想输入
`station_name.js`	kyfw（购票域）	3 382	11	有	全路最全车站主数据

一句话记牢：要车站主数据，认准 kyfw.12306.cn 下的 station_name.js。

二、最全的那张表，URL 在这里

直接给地址（浏览器或脚本可直连，无需登录）：

复制代码

https://kyfw.12306.cn/otn/resources/js/framework/station_name.js

它定义了一个全局变量 station_names，形如：

javascript 复制代码

var station_names = '@bjb|北京北|VAP|beijingbei|bjb|0|0357|北京|.......@vap|北京北......';

技术细节：

整张表以 @ 分隔每条记录 ，条内以 | 分隔字段；
首页 https://www.12306.cn/index/ 本身并不直接引用它，但购票域各页面加载时都会拉它做车站联想输入------所以它永远是最新的；
对比 www 域版本 https://www.12306.cn/index/script/core/common/station_name.js，两者不是同一个文件（域名、路径、内容都不同）。kyfw 版多出了城市代码、城市名、境外站国别等字段，且车站数多近 100 个。

三、字段解剖：一条记录藏着 11 个字段

这是本文的重点之一。很多人拿到 station_names 只取了站名，浪费了后面 9 个字段。我们拿"北京北"这条记录拆开看：

序号	字段	含义	示例（北京北）
0	`telecode`	站名电报码	`bjb`
1	`station_name`	车站名称	`北京北`
2	`spell`	三字码（查票用这个）	`VAP`
3	`pinyin`	拼音全拼	`beijingbei`
4	`initial`	拼音首字母	`bjb`
5	`seq`	序号	`0`
6	`city_code`	城市代码	`0357`
7	`city_name`	城市名	`北京`
8	国别码	仅境外站填充	`lao`
9	国别名	仅境外站填充	`老挝`
10	英文名	仅境外站填充	`vientiane`

几个关键点：

字段 2（三字码）是金钥匙 。北京 = BJP、上海 = SHH、广州南 = GZN......余票、时刻、OD 类接口都靠它寻站，不是靠站名也不是靠电报码。
字段 6/7 直接送你城市归属。后面按城市群聚合、按省统计都用得上，不用再单独做"站→市"映射。
字段 8--10 只有境外站有值（中老铁路的万象、磨丁、琅勃拉邦），是国别信息。

四、动手获取：完整可运行脚本

station_name.js 的本质是一个 var station_names='...' 字符串：记录之间用 @ 分隔，字段之间用 | 分隔。下面把「下载 → 解析 → 落盘 CSV」整合成一个保存后可直接运行 的脚本 grab_stations.py。

python 复制代码

import csv
import re
import requests

SOURCE_URL = "https://kyfw.12306.cn/otn/resources/js/framework/station_name.js"
SRC_FILE = "station_name_kyfw.js"
OUT_FILE = "station_name_full.csv"

# 11 个字段，顺序与 12306 源文件一致
FIELDS = [
    "telecode",      # 0 电报码（部分内部建表接口使用）
    "station_name",  # 1 站名
    "spell",         # 2 三字码（leftTicket / OD 接口寻站用）
    "pinyin",        # 3 全拼
    "initial",       # 4 拼音首字母
    "seq",           # 5 序号
    "city_code",     # 6 城市代码
    "city_name",     # 7 城市名
    "country_code",  # 8 国别代码（仅边境 / 国际站有值）
    "country_name",  # 9 国别名
    "en_name",       # 10 英文名
]


def fetch_source() -> str:
    """优先自动下载；失败则使用本地已保存的 JS 文件。"""
    headers = {
        "User-Agent": (
            "Mozilla/5.0 (Windows NT 10.0; Win64; x64) "
            "AppleWebKit/537.36 (KHTML, like Gecko) "
            "Chrome/120.0.0.0 Safari/537.36"
        ),
        "Referer": "https://kyfw.12306.cn/otn/leftTicket/init",
    }
    try:
        resp = requests.get(SOURCE_URL, headers=headers, timeout=20)
        resp.raise_for_status()
        print(f"已自动下载：{SOURCE_URL}（{len(resp.text):,} 字符）")
        return resp.text
    except Exception as exc:
        print(f"自动下载失败：{exc}")
        print(f"尝试读取本地文件：{SRC_FILE}")
        with open(SRC_FILE, encoding="utf-8") as f:
            return f.read()


def parse(text: str) -> list:
    """从 station_name.js 文本解析出二维记录表。"""
    m = re.search(r"var\s+station_names\s*=\s*'(.*)'", text, re.S)
    if not m:
        raise ValueError("未找到 var station_names = '...'")
    body = m.group(1)
    rows = [row.split("|") for row in body.split("@") if row.strip()]
    # 字段不足 11 的脏数据按 None 补齐，保证列对齐
    for r in rows:
        if len(r) < len(FIELDS):
            r.extend([None] * (len(FIELDS) - len(r)))
    return rows


def main() -> None:
    text = fetch_source()
    rows = parse(text)
    with open(OUT_FILE, "w", newline="", encoding="utf-8-sig") as f:
        writer = csv.writer(f)
        writer.writerow(FIELDS)
        writer.writerows(rows)
    print(f"已解析 {len(rows)} 个车站、{len(FIELDS)} 个字段 → {OUT_FILE}")


if __name__ == "__main__":
    main()

运行效果：

text 复制代码

已自动下载：https://kyfw.12306.cn/otn/resources/js/framework/station_name.js
已解析 3382 个车站、11 个字段 → station_name_full.csv

得到的 station_name_full.csv 就是全路车站主数据底座，后续所有接口查询、建表、可视化都可以拿它做字典。

六、全国枢纽锚点：用最少锚点覆盖所有省份的站点查询

拿到 3 382 站主数据后，一个现实问题是：批量拉取全国站点数据不可能逐站两两查询，而且 leftTicket 只返回直达车次 ，省内小站配到远端枢纽往往查出来是空。解决办法是圈定一组"枢纽锚点"，用"枢纽 ↔ 省内站点"配对查询------只要一个省里至少有一个枢纽与该省站点有直达/经停，就能用这组枢纽把全省覆盖掉。