Nominatim免费的地址解析，逆地址解析，OpenStreetMap开源地图数据

国内的一些地址解析供应商的API都开始付费了，就想找个免费的地址解析和逆地址解析的应用，最终选择了Nominatim + OpenStreetMap

• 一、选型

• 1-1、数据源

• 1-2、地理编码引擎

• 2-1、初尝Nominatim

• 2-2、OSM数据解析

• 2-3、Nominatim和OSM数据关系映射

• 2-4、举一反三

• 2-5、Nominatim API解析

• 三、安装

• 四、关于数据源 （重要）

• 五、替代方案

• N、其它

• N-1、place和placex

• N-2、相关资料

• N-3、测试覆盖

• 逆地址解析

这篇文章将会从调研、选型、测试、应用全方面的解析，如果你也在找地址解析和逆地址解析的开源方案它一定会给你带来帮助

地址解析：通过一个地名（深圳），获取当前地方的经纬度、省市区级别 逆地址解析：通过经纬度，获取当前位置的名称、省市区级别

一、选型

1-1、数据源

对于地图解析这个应用来说，最重要不是软件部分，而是数据，只有数据全面了才有可能得出相对准确的结果。目前开源免费的全面的数据大概率只有 OpenStreetMap了，它是由各个国家的志愿者一起维护的数据

OpenStreetMap（后面简称OSM） 是一个众包的地图项目，旨在创建一个可自由编辑和使用的世界地图数据库。它由全球的志愿者贡献者更新和维护，提供了一个详细和准确的地理数据集合。OSM 数据包括道路、建筑物、自然特征、商业设施等（简单理解就是很多志愿者一起维护了一份地图数据 ）

OpenStreeMap 相关文档链接 (后面会详解)

1-2、地理编码引擎

调研时间：24年5月

1. Nominatim能满足功能需求，需要额外处理直辖市和港澳台问题
2. Photon 不支持中文国际化，无法满足

Nominatim 是一个开源的地理编码引擎，专门用于从 OSM 数据中提取地理信息。它提供了两种主要功能：

1. 地理编码：将地址转换为经纬度坐标
2. 逆地理编码：将经纬度坐标转换为地址

Nominatim 的API其实已经研究过了是满足的，下面详细讲解它的API

2-1、初尝Nominatim

这个要VPN才可以访问

2-1-1、地址解析

请求地址

https://nominatim.openstreetmap.org/search?1=1&q=深圳市&format=geocodejson&addressdetails=1&accept-language=zh&zoom=8&limit=1

请求结果

{
    "type": "FeatureCollection",
    "geocoding": {
        "version": "0.1.0",
        "attribution": "Data © OpenStreetMap contributors, ODbL 1.0. http://osm.org/copyright",
        "licence": "ODbL",
        "query": "深圳市"
    },
    "features": [
        {
            "type": "Feature",
            "properties": {
                "geocoding": {
                    "place_id": 368109611,
                    "osm_type": "relation",
                    "osm_id": 3464353,
                    "osm_key": "boundary",
                    "osm_value": "administrative",
                    "type": "city",
                    "label": "深圳市, 广东省, 中国",
                    "name": "深圳市",
                    "state": "广东省",
                    "country": "中国",
                    "country_code": "cn",
                    "admin": {
                        "level5": "深圳市",
                        "level4": "广东省"
                    }
                }
            },
            "geometry": {
                "type": "Point",
                "coordinates": [
                    114.0545429,
                    22.5445741
                ]
            }
        }
    ]
}

2-1-2、逆地址解析

请求地址

https://nominatim.openstreetmap.org/reverse?format=geocodejson&lat=43.767755&lon=87.51623&addressdetails=1&accept-language=zh&zoom=8&limit=1

请求结果

{
    "type": "FeatureCollection",
    "geocoding": {
        "version": "0.1.0",
        "attribution": "Data © OpenStreetMap contributors, ODbL 1.0. http://osm.org/copyright",
        "licence": "ODbL",
        "query": ""
    },
    "features": [
        {
            "type": "Feature",
            "properties": {
                "geocoding": {
                    "place_id": 190215046,
                    "osm_type": "relation",
                    "osm_id": 5663100,
                    "osm_key": "boundary",
                    "osm_value": "administrative",
                    "type": "district",
                    "accuracy": 0,
                    "label": "沙依巴克区, 乌鲁木齐市, 新疆维吾尔自治区, 830000, 中国",
                    "name": "沙依巴克区",
                    "postcode": "830000",
                    "city": "乌鲁木齐市",
                    "state": "新疆维吾尔自治区",
                    "country": "中国",
                    "country_code": "cn",
                    "admin": {
                        "level6": "沙依巴克区",
                        "level5": "乌鲁木齐市",
                        "level4": "新疆维吾尔自治区"
                    }
                }
            },
            "geometry": {
                "type": "Point",
                "coordinates": [
                    87.46749,
                    43.726972
                ]
            }
        }
    ]
}

2-2、OSM数据解析

对于地图服务真正难的是数据，核心也还是OSM的数据，后面会讲怎么导入数据，这里先解析数据。把OSM的数据导入到 PostgreSQL后，它有两张重要的表，个人感觉对于一般应用来说，理解这两张表就够够了 （下面是我的理解，供参考）

• place：place表维护的是每一条独立的数据（可以是一棵树、也可以是一条河、一个城市）
• placex：因为地区是包含关系placex维护的是有关系的上下级数据

表字段很多，下面讲重要的，如果对这两张表结构感兴趣的可以参看下面的：==N-1==

2-2-1、place表

geometry 存储数据样例

POINT(117.1767305 39.1448629)
LINESTRING(117.1847722 39.1481168, 117.1845921 39.1481353)
POLYGON((117.1829091 39.1494689, 117.182913 39.1494281, 117.1829335 39.1493904, 117.1829685 39.1493598, 117.1830143 39.1493394, 117.183066 39.1493315, 117.1831199 39.1493372, 117.1831478 39.1493482, 117.1831683 39.1493563, 117.183206 39.1493867, 117.1832286 39.1494251, 117.1832337 39.149467, 117.1832206 39.149508, 117.183191 39.1495433, 117.183148 39.1495691, 117.1830964 39.1495825, 117.183042 39.1495819, 117.1829924 39.1495681, 117.182951 39.1495428, 117.1829222 39.1495085, 117.1829091 39.1494689))

2-2-2、placex表

placex 表的关键信息，它很多字段和place表一样

这个表数据很重要，解析和逆解析都是对这个表进行搜索

2-3、Nominatim和OSM数据关系映射

Nominatim和OpenStreetMap 字段映射关系（从上面的返回值抽取稳定有用的字段）

2-4、举一反三

通过上面的分析得出2点

1. Nominatim 就是一个地图搜索引擎，用的是OSM的数据
2. Nominatim 不管是解析还是逆解析返回的都是 placex 表的某条数据（place_id）

通过对数据的分析和一些文档描述，大概知道了它搜索的逻辑地址解析就是去模糊匹配 name，逆地址解析就是拿入参的经纬度去找数据库距离最近权重最高的数据返回

地址解析SQL

SELECT
    place_id,
    ST_AsText(geometry) AS geometry
FROM placex
WHERE name -> 'name' ILIKE '%中国%'
AND importance IS NOT NULL
ORDER BY importance DESC 
LIMIT 1;

逆地址解析SQL

SELECT  
    place_id,
    ST_X(centroid) AS lon,
    ST_Y(centroid) AS lat,
    ST_Distance(geometry::geography, ST_SetSRID(ST_MakePoint(90.392926,30.014464), 4326)::geography) AS distance
FROM placex
WHERE 
    ST_Distance(geometry::geography, ST_SetSRID(ST_MakePoint(90.392926,30.014464), 4326)::geography) BETWEEN 1 AND 1000
ORDER BY
    distance ASC,
    importance DESC
LIMIT 1;

测试结果和Nominatim返回的结果相似度90%+，但性能没法比，SQL运行结果很慢

2-5、Nominatim API解析

https://nominatim.openstreetmap.org/search?1=1&q=深圳市&format=geocodejson&addressdetails=1&accept-language=zh&zoom=8&limit=1
https://nominatim.openstreetmap.org/reverse?format=geocodejson&lat=43.767755&lon=87.51623&addressdetails=1&accept-language=zh&zoom=8&limit=1

上面这两个URL在绝大部分场景下，已经是最佳答案了，如果你还需要其它的请参考官方API文档

• https://nominatim.org/release-docs/develop/api/Search/
• https://nominatim.org/release-docs/develop/api/Reverse/

三、安装

https://download.openstreetmap.fr/extracts/asia.osm.pbf  下载亚洲的 PBF文件  （先看四）

然后去你的服务上用docker安装（差不多要300G磁盘），执行过程大概4天半左右

docker run -d -it 
--shm-size=12g -e 
PBF_PATH=/nominatim/osm_data/下载下来的数据.pbf 
-e IMPORT_STYLE=address 
-e NOMINATIM_FLATNODE_FILE=/nominatim/flat_data/flatnode.file 
-p 8090:8080 -p 5432:5432 
-v /nominatim/flat_data:/nominatim/flat_data 
-v /nominatim/osm_data:/nominatim/osm_data 
--name planet mediagis/nominatim:4.4

官网dockert安装地址：https://github.com/mediagis/nominatim-docker/tree/master/4.4
非docker安装需要很多各种依赖较为麻烦

四、关于数据源 （重要）

尝试过的数据源

数据源相关文章：

https://wiki.openstreetmap.org/wiki/Zh-hans:Planet.osm https://www.chinaflier.com/thread-202695-1-1.html https://github.com/osm-search/Nominatim/discussions/3434

尝试了很多的中国数据一直都不准，最后抱着试试的心理尝试了亚洲的数据，完美

• 服务器：4核32G
• 亚洲 pbf 15g
• 导入时间 4天半
• 消耗空间 277G

五、替代方案

如果你只是需要简单的地址解析和逆地址解析，其实也不用如此大费周章，可以参看：

下一篇文章

N、其它

N-1、place和placex

CREATE TABLE "public"."place" (
  "osm_type" char(1) COLLATE "pg_catalog"."default" NOT NULL,
  "osm_id" int8 NOT NULL,
  "class" text COLLATE "pg_catalog"."default" NOT NULL,
  "type" text COLLATE "pg_catalog"."default" NOT NULL,
  "admin_level" int2,
  "name" "public"."hstore",
  "address" "public"."hstore",
  "extratags" "public"."hstore",
  "geometry" geometry(GEOMETRY, 4326) NOT NULL
)

CREATE TABLE "public"."placex" (
  "place_id" int8 NOT NULL,
  "parent_place_id" int8,
  "linked_place_id" int8,
  "importance" float8,
  "indexed_date" timestamp(6),
  "geometry_sector" int4,
  "rank_address" int2,
  "rank_search" int2,
  "partition" int2,
  "indexed_status" int2,
  "osm_type" char(1) COLLATE "pg_catalog"."default" NOT NULL,
  "osm_id" int8 NOT NULL,
  "class" text COLLATE "pg_catalog"."default" NOT NULL,
  "type" text COLLATE "pg_catalog"."default" NOT NULL,
  "admin_level" int2,
  "name" "public"."hstore",
  "address" "public"."hstore",
  "extratags" "public"."hstore",
  "geometry" geometry(GEOMETRY, 4326) NOT NULL,
  "wikipedia" text COLLATE "pg_catalog"."default",
  "token_info" jsonb,
  "country_code" varchar(2) COLLATE "pg_catalog"."default",
  "housenumber" text COLLATE "pg_catalog"."default",
  "postcode" text COLLATE "pg_catalog"."default",
  "centroid" geometry(GEOMETRY, 4326)
)
;

N-2、相关资料

N-3、测试覆盖

我此次的需求只需要精确到 省、市，直接用GPT列举出全部的市级以上的数据，然后再自己每个省份描点经纬度100个，再让GPT生成随机每个省的经纬度 1000个。

让自建API和腾讯API进行对比，问题如下

地址解析

1. 香港、澳门，腾讯的是带了 【行政区】 后缀，且存在部分的繁体字
2. 台湾 腾讯返回的都是简体字，自建地图大部分数据返回的是繁体字

逆地址解析

结论

1.现在的亚洲的数据和官网几乎一样 2.和腾讯比，也只有很少边界的地方存在误差