如何生成/查找多种语言的全球城市数据集？

Question

我正在尝试创建多种语言的全球城市数据集。我找到了一些方法，但似乎都不够可靠。寻找免费/廉价的解决方案。下面是我想要实现的 CSV 数据的理想示例：

country_en,state_en,county_en,name_en,country_es,state_es,county_es,name_es,lat,lng
France,,,Paris,Francia,,,París,48.8566,2.3522
United Kingdom,,,Birmingham,Reino Unido,,,Birmingham,52.4862,-1.8904
United States,Alabama,Jefferson County,Birmingham,Estados Unidos,Alabama,Condado de Jefferson,Birmingham,33.5186,-86.8104
United States,California,Los Angeles,Los Angeles,Estados Unidos,California,Los Ángeles,Los Ángeles,34.0522,-118.2437
United Arab Emirates,,,Dubai,Emiratos Árabes Unidos,,,Dubái,25.276987,55.296249

这里的主要思想是伯明翰是英国一个独特的城市，没有必要存储一个县来对抗它。但在美国，很少有名为伯明翰的城市，因此我们会针对它们存储县和州，以使它们独一无二。

我正在尝试查找/生成所有人口超过 15,000 的城市的多种语言数据集。

到目前为止我还没有找到任何方法来生成这种模式。我能找到的最接近的东西是这个仓库：joelacus/world-cities。这正是我要找的，只不过这个只有英文版。

我也尝试过使用维基数据，但结果往往不可靠（希望是因为我编写良好查询的能力有限）。 这是我尝试过的查询。问题是有些标签不一致。例如，

county

标签有时会返回城市，有时会返回国家/地区。如果是

Birmingham, UK

，则返回到

Birmingham

，而不是

West Midlands

。对于

Moscow, Russia

，

county

字段包含

Russia

。

我想到的另一种方法是通过 Google Maps API 获取数据。因为我有一个带有 GPS 坐标的数据集，所以我可以将其提供给查询并返回格式化的城市。

https://maps.googleapis.com/maps/api/geocode/json?latlng=48.8566,2.3522&result_type=locality&language=es&key=your-api-key

大多数情况下这会返回格式良好的字符串：

...
            "formatted_address": "París, Francia",
...

我相信我可以使用此端点生成新的 CSV 本地化数据集。然而，这意味着我需要仅针对一种语言到达该端点超过 10 万次，而这可能不会有好结果。

有什么想法吗？

Answer 1

您也可以考虑OpenStreetMap。

您可以使用：

• Nominatim与其API，但我没有在

  此查询

  中看到“population字段”。请参阅其使用政策。
• 本地 OpenStreetMap 数据集中的 openstreetmap API v0.6。
• Overpass API](https://dev.overpass-api.de/overpass-doc/en/criteria/per_tag.html) 使用 tags

当我查找 Dubai （其中确实包含

population

字段）时，我看到 with Nominatim 140 个名称，可用于多种语言的数据集：

دبي (name)
Doebai (name:af)
ዱባይ (name:am)
Dubai (name:an)
دبي (name:ar)
ডুবাই (name:as)
Дубай (name:ba)
Дубай (name:be)
Дубай (name:bg)
...

Nominatim API 支持多种语言。它可以本地安装，包括使用docker镜像。

我没有找到直接按人口查询的方法，但是，使用本地 OSM 数据集副本，您也许可以查询“

place=city

”并过滤掉符合您条件的数据。