Mapping and Geocoding

Historical Chinese Placenames

——CBDB 工作报告

袁钰莹

2019.2.21

提纲

WorldMap

1350-1900年50年间隔的政区图

唐代地名的Geocoding

1）在线数据：TGAZ

2）本地数据：DDBC

3）现代地图：高德

其他辅助工作

1）郭书地名和CBDB的对比

2）全宋诗目录整理

开始时间：1350年

截止时间：1900年+1911年

时间间隔：50年

数据来源：CHGIS V6

地图内容：府州级&县级行政单位分布县级（county）：点府州级（prefecture）：点&面

网页链接：http://worldmap.harvard.edu/ma

ps/chgis

一、WorldMap

样例

制图工具：QGIS

制图方法：1）下载CHGIS Version 6 的数据2）在QGIS中利用“属性表”（attribute

table）中的利用公式筛选功能，选出对应年份存在的行政区数据举例： "BEG_YR" <= 1350 and "END_YR" >= 1350

3）将选出的数据另存为shp文件4）在“属性”（Properties）中调整样式

QGIS的用途：制图空间分析打开编码问题的csv、txt、xls文件

二、唐代地名Geocoding邢云唐代地名的地理坐标查补

TGAZ（在线数据）

网址：http://maps.cga.harvard.edu/tgaz/

界面：

TGAZ（在线数据）

举例：朔州

TGAZ（在线数据）

特点：可以直接获得json或xml格式的文件——便于程序调用检索

举例：朔州-json

网址形式：http://maps.cga.harvard.edu/tgaz/placename?fmt

=json&n=朔州&yr=&ftyp=&src=

结果：

TGAZ（在线数据）检索逻辑：

1）地名匹配

2）年份上有交叉或者是包含关系

3）只保留point类型的结果

储存信息：1）原始数据的信息

2）TGAZ中获得的数据

多个检索结果的保存——使用id_x的方式，显示是检索结果的第几条

开始年 结束年

时间轴

DDBC（本地文件/数据） DDBC（Dharma Drum Buddhist College）——网址：http://authority.dila.edu.tw/place/

——法鼓文理學院

DDBC（本地文件/数据）数据提取：从htm文件提取数据到csv

htm文件：

DDBC（本地文件/数据）

提取数据到CSV文件

用Python和regex识别提取

1）语句的容错性

——举例：拼音、缺失内容

2）对同一栏目多个内容的区别（便于后续处理）

① 别名：字符格式，以 $分隔

——举例：於越$大越$越

② 引用位置和URL单独划行存放

3）批量处理，个别例外的修改调整

DDBC（本地文件/数据）

经纬度获取

检索逻辑（类TGAZ）

① 年代筛选：只在DDBC唐代的数据中检索

② 名称对应：使用纯字符包含关系

——“地名”VS“地名”&“别名”

③ 从属关系（道）对比

结果保存

——形式类似TGAZ

高德地图（现代地图）数据特点：现代地址的检索

前提：知道对应的现代地址

检索方式

1）结构化数据：国家-省-市-区县-街道号码

2）利用高德地图API，批量输入地址，获取

地址的经纬度信息

其他同类数据源

Google Map、百度地图等

检索结果

TGAZ：1780

检索结果

DDBC：1118

检索结果

≥1054条无匹配

三、辅助工作

1）唐代地名匹配（郭书 VS CBDB）

筛选逻辑：① 层级一致

② 名称匹配

③ 所属道相同

——“關內道”&“關内道”

④ 最佳年代匹配

——起止年相差的绝对值之和最小

人工判断、数据导入

2）全宋诗目录整理

使用regex对“册”、“卷”、“作者”、“诗题”进行分别标注

人工检查，修正错误

总结文本录入规范化

①统一繁简体、编码（文件名注明GBK, UTF-8）

②英文大小写一致

③统一体例

举例：①多个别名用$区分；②无内容单元格，都空着

或都填blank——不影响文本含义&编程识别的符号

资料录入时标明data来源，便于反查

说明文件

——录入者对数据特殊之处/数据特点/数据格式的说明

——数据修正的记录

编程的使用

1）有逻辑性、重复性工作（regex）

2）大批量数据的分析：整体性分析、具体问题的辅助分析

谢谢