凌晨三点，对着黑漆漆的屏幕，我第三次把笔记本盖子摔得震天响。

搞地理信息这行三年了，最让我抓狂的不是算不准坐标，而是那个该死的离线数据包。每次项目赶工期，网络一抖动，几T的矢量数据就断在半路，前功尽弃。那时候我觉得网上那些所谓的“GEO数据下载代码”全是骗人的，要么代码里埋坑，要么根本跑不起来。直到上周，一个离职的前同事发我一段他自改的Python脚本，我才明白之前踩了多少坑。

别问我为什么用Python，因为生态好。

第一步，你得先想清楚你要什么数据。别一上来就想着全国路网，那数据量够把你硬盘塞爆。我是做某城市园区改造的，所以只下划定了范围的GeoJSON和Shapefile。这里有个细节很多人忽略，就是坐标系。一定要在代码里锁死CRS，不然下载下来的数据跟你的项目底图对不上，那种错位感能让你怀疑人生。

第二步，选择数据源。这里我推两个相对稳定的接口，一个是国内某开源镜像站的接口，另一个是国际通用的OpenStreetMap衍生接口。我在代码里写了个轮询机制，如果主接口超时超过5秒，自动切备用。

第三步，写代码。别偷懒，别直接复制网上那些几千行的“万能脚本”。我自己维护的那个GEO数据下载代码只有不到200行。核心逻辑就是：用folium或者geopandas生成边界文件，然后调用requests库发起GET请求。记住，一定要加User-Agent头，不然IP分分钟被ban。

第四步，也是最容易翻车的——数据清洗。下载下来的raw数据往往带着很多垃圾点，或者面自相交。我在代码末尾加了一步QGIS的Python插件调用，自动做拓扑检查。这一步省了我后面整整两个小时的修图时间。

昨天我实测了一下，跑完整个流程，耗时4分20秒。比我用浏览器手动导快多了，而且稳定得多。

其实工具没那么神秘。很多博主把简单的问题复杂化，就是为了那点流量。你自己动手改一改，根据需求裁剪一下，才是最快的路径。

还有一点，关于并发。我试过把并发数设到100，结果服务器直接拒绝服务。后来我调成5，加了随机休眠时间，模拟人类点击间隔，成功率反而上来了。这说明啥？说明尊重接口规则，比盲目堆参数更重要。

如果你也在为数据源头疼，不妨试试自己写几行代码。哪怕只是加个重试机制，体验感都不一样。

最后说一句，数据是有价的，别去偷那些闭源商业数据。用开源的，用合规的，心里踏实，干活也踏实。】