如何本地处理Geonames大文件，提取英国主要城镇数据并操作？

阿华AIGC实验室

2026-5-28

处理Geonames大文件并提取英国城市数据的方案

我之前折腾过Geonames的超大文本文件，完全懂你打不开的痛苦！下面几个方法能帮你快速提取英国的目标数据，不用硬怼整个大文件：

方法一：用命令行快速筛选（零编程基础也能搞定）

命令行工具处理大文件效率超高，几秒就能完成筛选：

Windows系统：打开命令提示符（CMD），切换到allcountries.txt所在的文件夹，运行这条命令：
```
findstr /C:"GB" allcountries.txt > uk_cities.txt
```
这条命令会把所有包含英国国家代码GB的行提取出来，保存成uk_cities.txt——这个小文件就能用Notepad++、Sublime随便打开了。
Linux/macOS系统：打开终端，进入文件目录，运行：
```
grep "GB" allcountries.txt > uk_cities.txt
```

小提示：Geonames的allcountries.txt是制表符分隔的，第8列是国家代码，所以这个筛选是精准的。如果只想保留城市（排除村庄、景点等），可以查一下Geonames的feature code（第7列），比如只保留PPL（城镇）、PPLA（首府）这类代码，命令可以改成更精准的筛选（比如Windows用findstr /R "\tPPL\t.*GB"，不过稍微复杂点，先提取所有GB数据再筛选也很方便）。

方法二：用Python脚本精准提取所需字段（推荐，一步到位）

如果想直接提取你需要的地名、纬度、经度、国名、大洲这几个字段，写个简单的Python脚本最省心，输出的CSV文件Excel直接就能打开：

import csv

# 先定义Geonames的列索引（从0开始数），以及大洲代码映射
COLUMN_MAP = {
    "place_name": 1,
    "latitude": 4,
    "longitude": 5,
    "country_name": 10,
    "continent_code": 17
}

CONTINENT_NAME = {
    "EU": "Europe",
    "AS": "Asia",
    "AF": "Africa",
    "NA": "North America",
    "SA": "South America",
    "OC": "Oceania",
    "AN": "Antarctica"
}

# 处理文件
with open('allcountries.txt', 'r', encoding='utf-8') as infile, \
     open('uk_target_data.csv', 'w', newline='', encoding='utf-8') as outfile:
    
    writer = csv.writer(outfile)
    # 先写表头
    writer.writerow(["地名", "纬度", "经度", "国名", "大洲"])
    
    for line in infile:
        # 按制表符拆分每行数据
        fields = line.strip().split('\t')
        # 筛选英国数据（国家代码是GB）
        if len(fields) >= 18 and fields[8] == "GB":
            # 提取所需字段
            place = fields[COLUMN_MAP["place_name"]]
            lat = fields[COLUMN_MAP["latitude"]]
            lon = fields[COLUMN_MAP["longitude"]]
            country = fields[COLUMN_MAP["country_name"]]
            continent = CONTINENT_NAME.get(fields[COLUMN_MAP["continent_code"]], "未知")
            
            # 写入CSV
            writer.writerow([place, lat, lon, country, continent])

运行这个脚本后，你会得到一个uk_target_data.csv文件，直接双击就能用Excel打开，所有需要的字段都整整齐齐的。如果只想保留城市，还可以在筛选条件里加个判断：fields[7] in ["PPL", "PPLA", "PPLA2", "PPLC"]（这些是Geonames定义的城市类代码）。