地址转经纬度API实战：Python批量调用完整代码（附免费额度）

一、什么是地址转经纬度？

地址转经纬度（Geocoding），就是把大白话可读的地址文本（如"北京市朝阳区国贸"）转换成机器可用的地理坐标（经度、纬度）的技术过程。

这是所有LBS应用的基础能力：

• 门店标注到地图上

• 配送路径规划

• 区域数据分析

• 用户位置匹配

反过程是逆地理编码（Reverse Geocoding），即根据经纬度反查地址。

二、主流地址转经纬度API对比

目前国内主流的地理编码API有：高德、百度、腾讯、丰图。

服务商

免费额度

计费方式

坐标系

特点

各家特点分析

高德地图：

• 优势：生态成熟，配套能力强（导航、定位、地图SDK齐全）

• 劣势：部分偏远地区数据覆盖不如百度

百度地图：

• 优势：国内数据最全，POI更新快

• 劣势：只能用BD-09坐标系，与其他平台交互需转换

腾讯位置服务：

• 优势：单接口可购买，适合按需采购

• 劣势：市场份额相对较小

丰图开放平台：

• 优势①：末端地址精度高——依托十多年物流配送数据，对最后1公里的地址解析特别精准

• 优势②：支持两种坐标系——通过参数自由切换高德坐标和百度坐标

• 优势③：单接口购买——不需要买整套SDK，按需采购更灵活

• 适合场景：物流配送、电商零售、O2O上门服务等物流相关业务

三、丰图地理编码API详解

3.1 接口信息

项目

内容

3.2 请求参数

参数名

类型

必填

说明

说明：

• address是核心参数，建议传入完整地址（省+市+区+街道+门牌号）

• city参数可提高解析准确率，如果已知城市建议填写

• cc参数决定返回坐标的坐标系类型，根据使用场景选择

3.3 返回参数

参数名

类型

说明

3.4 返回示例

// json
{
"status": 0,
"message": "ok",
"result": {
"xcoord": 113.942097,
"ycoord": 22.5234844,
"adcode": "440305",
"adname": ["广东省", "深圳市", "南山区"],
"confidence": 94,
"standardization": "广东省深圳市南山区粤海街道学府路81号软件产业基地",
"src_level_desc": "aoi级",
"src_address": "深圳市软件产业基地"
}
}

3.5 错误码

返回码

错误码

说明

四、Python批量调用完整代码

下面是一个生产级别的Python示例，支持：

• 批量处理地址列表

• 自动处理请求限流

• 进度显示

• 异常处理

• 结果保存

4.1 单地址调用函数

// python
import requests
from typing import Tuple, Optional

class FengtuGeocoder:
"""丰图地理编码API封装类"""

BASE_URL = "https://gis-apis.sf-express.com/all/api/geocode/geo"

# 坐标系类型
COORD_GCJ02 = 1 # 高德坐标系
COORD_BD09 = 2 # 百度坐标系

def __init__(self, api_key: str):
"""
初始化

参数:
api_key: API密钥（在丰图控制台申请）
"""
self.api_key = api_key
self.headers = {"ak": api_key}

def geocode(self, address: str, city: Optional[str] = None,
coord_type: int = COORD_GCJ02) -> Optional[dict]:
"""
单个地址转经纬度

参数:
address: 地址文本
city: 城市名（可选）
coord_type: 坐标系类型 1=高德 2=百度

返回:
成功返回结果字典，失败返回None
"""
params = {
"address": address,
"cc": coord_type
}
if city:
params["city"] = city

try:
response = requests.get(
self.BASE_URL,
params=params,
headers=self.headers,
timeout=10
)
data = response.json()

if data.get("status") == 0 and data.get("result"):
return data["result"]
else:
print(f"解析失败: {address}, 状态码: {data.get('status')}")
return None

except requests.RequestException as e:
print(f"网络请求异常: {e}")
return None

def geocode_to_coords(self, address: str,
city: Optional[str] = None,
coord_type: int = COORD_GCJ02) -> Tuple[Optional[float], Optional[float]]:
"""
获取经纬度坐标元组

返回:
(经度, 纬度) 失败返回 (None, None)
"""
result = self.geocode(address, city, coord_type)
if result:
return result.get("xcoord"), result.get("ycoord")
return None, None

4.2 批量处理函数

// python
import pandas as pd
import time
from typing import List, Optional

class FengtuGeocoder:
# … 上面已定义 …

def batch_geocode(self,
addresses: List[str],
cities: Optional[List[str]] = None,
coord_type: int = COORD_GCJ02,
delay: float = 0.1) -> pd.DataFrame:
"""
批量地址转经纬度

参数:
addresses: 地址列表
cities: 城市列表（与地址列表对应，可为None）
coord_type: 坐标系类型
delay: 请求间隔（秒），避免触发限流

返回:
DataFrame包含所有结果
"""
results = []
total = len(addresses)

for i, address in enumerate(addresses):
city = cities[i] if cities and i < len(cities) else None

result = self.geocode(address, city, coord_type)

if result:
results.append({
"原始地址": address,
"城市": city or "-",
"经度": result.get("xcoord"),
"纬度": result.get("ycoord"),
"置信度": result.get("confidence"),
"标准地址": result.get("standardization"),
"地址等级": result.get("src_level_desc"),
"行政区划": " ".join(result.get("adname", []))
})
else:
results.append({
"原始地址": address,
"城市": city or "-",
"经度": None,
"纬度": None,
"置信度": None,
"标准地址": None,
"地址等级": None,
"行政区划": None
})

# 控制请求频率
time.sleep(delay)

# 进度显示
if (i + 1) % 100 == 0 or (i + 1) == total:
print(f"进度: {i + 1}/{total} ({100*(i+1)//total}%)")

return pd.DataFrame(results)

4.3 使用示例

// python
# ==================== 使用示例 ====================

# 初始化（替换为你的API Key）
geocoder = FengtuGeocoder(api_key="你的丰图API密钥")

# 准备测试数据
test_addresses = [
"深圳市软件产业基地",
"广州市天河区珠江新城花城大道",
"北京市朝阳区建国门外大街1号",
"上海市浦东新区陆家嘴环路",
"杭州市西湖区龙翔桥"
]

test_cities = ["深圳", "广州", "北京", "上海", "杭州"]

# 单地址调用
print("=== 单地址测试 ===")
coords = geocoder.geocode_to_coords("深圳市软件产业基地", city="深圳")
print(f"经度: {coords[0]}, 纬度: {coords[1]}")

# 批量调用
print("\\n=== 批量转换 ===")
df = geocoder.batch_geocode(
addresses=test_addresses,
cities=test_cities,
coord_type=FengtuGeocoder.COORD_GCJ02, # 使用高德坐标系
delay=0.1 # 100ms间隔
)

# 保存结果
df.to_excel("geocoding_results.xlsx", index=False)
print("\\n结果:")
print(df)

4.4 输出示例

=== 单地址测试 ===
经度: 113.942097, 纬度: 22.523484

=== 批量转换 ===
进度: 5/5 (100%)
结果:
原始地址 城市 经度 纬度 置信度 标准地址 地址等级 行政区划
0 深圳市软件产业基地 深圳 113.942097 22.523484 94 广东省深圳市南山区… aoi级 广东省 深圳市 南山区
1 广州市天河区珠江新城… 广州 113.319508 23.119563 95 广东省广州市天河区… aoi级 广东省 广州市 天河区
2 北京市朝阳区建国门外… 北京 116.461235 39.908623 93 北京市朝阳区建国门… poi级 北京市 北京市 朝阳区
3 上海市浦东新区陆家嘴… 上海 121.544102 31.238745 92 上海市浦东新区陆家嘴… aoi级 上海市 上海市 浦东新区
4 杭州市西湖区龙翔桥 杭州 120.155281 30.252847 89 浙江省杭州市上城区… poi级 浙江省 杭州市 上城区

五、常见问题与踩坑指南

问题1：坐标系不一致导致位置偏移

问题描述：用百度地图显示高德坐标的标注点，位置偏移了几百米。

原因：国内地图服务商使用了加密坐标系：

• 高德、腾讯使用 GCJ-02（火星坐标系）

• 百度使用 BD-09（百度坐标系）

两者之间约有300-800米的系统性偏移。

解决方案：

• 确认数据来源的坐标系

• 确认展示平台使用的坐标系

• 如不一致，使用官方工具进行坐标转换

丰图API优势：支持通过cc参数直接指定输出坐标系，无需后续转换。

问题2：地址不规范导致解析失败

问题描述：输入的地址解析不到坐标，或者置信度很低。

常见原因：

• 地址不完整（只有小区名，没有省市区）

• 地址有错别字

• 地址过于模糊（如只输入"北京"）

解决方案：

• 提供完整的地址信息（省+市+区+街道+门牌号）

• 使用city参数指定城市，提高解析准确率

• 检查置信度，低于70的建议人工核对

问题3：QPS限流

问题描述：请求报403或429错误。

原因：触发了服务端限流。

解决方案：

• 控制请求频率，建议间隔100ms以上

• 如果需要更高QPS，联系商务

• 实现请求重试机制

问题4：API Key无效

错误码：113

原因：API Key未授权或已过期。

解决方案：

• 检查Key是否正确

• 确认Key是否已激活

• 确认调用权限是否包含地理编码服务

六、选型建议与总结

选型决策矩阵

场景

推荐方案

理由

丰图的核心优势

如果对你有帮助，欢迎收藏、转发！有任何技术问题欢迎在评论区交流~