Python+OSM迅速获取全球矢量要素

Python+OSM  迅速获取全球矢量要素

拒绝手动下载，告别API限额：城市分析数据获取的最优雅方案。

还在到处求人找 GIS 数据？

想做城市分析，结果第一步就卡在“数据去哪下”：

• • 找路网： 官网限速到怀疑人生，导出范围受限；
• • 找 POI： 商业 API 各种限额，还要实名认证、写爬虫；
• • 找建筑轮廓： 搜了半天，下回来的却是几年前的“老黄历”。

对于 GIS 人来说，最耗时的往往不是空间分析，而是反复折腾数据下载。

🚀 生产力降维打击：OSMnx + Python

其实，全球最大的免费空间数据库 OpenStreetMap (OSM) 一直都在，而 Python 的库 OSMnx，已经可以把抓取过程彻底自动化。

不需要手动画范围，不需要网页一个个点，更不用低声下气求数据。

输入一个地名，脚本直接把道路、建筑、医院、公园、商场这些要素全部打包导出，且直接就是 ArcGIS、QGIS、GeoPandas 通用的矢量格式！

💻 实战：一键抓取杭州西湖区路网

以往你要在网页上切片下载的数据，现在只需要几行代码（运行前，需要安装 osmnx库，pip安装即可）。

import osmnx as oximport osdef download_xihu_roads():    # 1. 定义区域（支持中文地名）    place_name = "西湖区, 杭州市, 浙江省, 中国"    print(f"🚀 正在抓取 {place_name} 的路网数据...")    try:        # 2. 获取路网（driving 模式）        graph = ox.graph_from_place(place_name, network_type='drive')        # 3. 将图结构转为 GeoDataFrame (矢量数据)        nodes, edges = ox.graph_to_gdfs(graph)        # 4. 导出为 Shapefile        output_folder = "xihu_roads_shp"        if not os.path.exists(output_folder):            os.makedirs(output_folder)        # 处理 SHP 不支持 list 字段的兼容性问题        for col in edges.columns:            if isinstance(edges[col].iloc[0], list):                edges[col] = edges[col].apply(lambda x: ",".join(map(str, x)))        edges_path = os.path.join(output_folder, "xihu_edges.shp")        edges.to_file(edges_path, encoding='utf-8')        print(f"✅ 下载成功！文件保存至: {edges_path}")    except Exception as e:        print(f"❌ 抓取失败: {e}")if __name__ == "__main__":    download_xihu_roads()

运行结束，你得到的是一份带完整拓扑关系的道路 Shapefile，直接拖进 GIS 软件就能用！

🔍 深度进阶：你以为它只有路网？

很多 GIS 人以为 OSM 只能拿路网，那真是太低估它了。它更像是一个“全球众包空间数据库”。

只要 OSM 体系里存在的 Tags（标签），你都能抓。比如：

• • 生活设施： 医院、学校、咖啡馆、ATM；
• • 城市底板： 建筑轮廓、水系、停车场、公园绿地；
• • 精细属性： 道路等级、单行线、建筑高度、商铺经营类目。

只需配置自定义标签：

custom_tags = {    "building": True,               # 所有建筑    "amenity": ["hospital", "cafe"], # 医院与咖啡馆    "landuse": ["forest", "park"]   # 森林与公园}# 批量提取地理要素gdf = ox.geometries_from_place("西湖区, 杭州市, 中国", tags=custom_tags)

提示： 更多可抓取要素请参考 OSM Wiki 官方文档：(https://wiki.openstreetmap.org/wiki/Map_features)

欢迎转发给身边还在手动下数据的小伙伴！