招商銀行（China Merchants Bank, CMB）作為中國領先的股份制商業銀行，始終堅持“以客戶為中心”的服務理念，致力于為個人客戶、企業客戶及機構客戶提供專業、高效、便捷的綜合金融服務。依托“輕型銀行”戰略與“金融科技銀行”建設，招商銀行持續推進線上線下融合的服務模式，構建起覆蓋全國主要城市、輻射重點縣域的現代化金融服務網絡，形成以總分行統籌管理為基礎、營業網點為核心、智能設備與移動端平臺為延伸的立體化服務體系。
營業網點作為招商銀行線下服務的重要支點，不僅是辦理存取款、理財、貸款、跨境金融等核心業務的關鍵場所，更是傳遞品牌價值、推廣財富管理產品、開展客戶陪伴式服務與提供專業金融咨詢的綜合體驗空間。各營業網點遵循統一的服務標準與品牌形象規范，注重服務環境的私密性、舒適性與科技感，廣泛部署智能柜員機、VTM遠程柜員終端、智能排隊系統等數字化設備，積極打造“智慧網點”，持續提升服務效率與客戶滿意度。
本文將探討如何通過程序化方式，利用 GET 請求調用公開接口，從招商銀行相關服務平臺獲取營業網點分布數據。通過 Python 的 requests 庫發送 HTTP 請求，解析返回的 JSON 結構化數據，提取網點名稱、所屬城市、行政區劃、詳細地址、營業時間、服務功能及地理坐標等關鍵字段，實現對網點信息的自動化采集。該數據可廣泛應用于分析招商銀行的區域布局策略、渠道覆蓋密度、重點經濟圈服務滲透率以及城鄉金融服務可及性等課題，為金融地理研究、銀行網點優化布局、商業選址分析及智慧城市建設提供有力的數據支持。
招商銀行網點查詢網址：招商銀行 -- 網點地圖
首先，我們找到門店數據的存儲位置，然后看3個關鍵部分標頭、負載、?預覽；
標頭：通常包括URL的連接，也就是目標資源的位置；
負載：對于GET請求：負載通常包含了傳遞的參數，有些網頁負載可能為空，或者沒有負載，因為所有參數都通過URL傳遞，這里我們可以看到cityname（城市名稱），type（查詢類型），沒有進行加密；
預覽：指的是對響應內容的快速查看或摘要顯示，可以幫助用戶快速了解返回的數據結構或內容片段，我們可以看到數據在list里；
接下來就是數據獲取部分，先講一下方法思路，一共三個步驟；
方法思路
- 找到對應數據存儲位置，獲取地級行政區表數據；
- 我們通過requests庫發送HTTP請求，來遍歷全國網點的標簽數據；
- 地理編碼→地址轉經緯度，再通過coord-convert庫實現BD09轉WGS84；
首先，我們觀察到它的查詢方式依然是通過不同行政區層級進行網點查詢，那我們直接在"Fetch/XHR"先找到對應數據存儲位置， 我們可以看到響應請求包含地級行政區、查詢類型等對應內容的響應請求，另外，根據上面負載的內容，我們可以知道，數據是直接通過行政區名稱進行傳遞的；
因為網點查詢頁面的負載包括地級行政區名稱，所以我們通過修改行政區名稱來進行數據獲取，為了方便我們可以建立一個包含地級行政區的字典（因為招商銀行不是在所有行政區都有網點，所以以網頁提供的行政區為準），通過遍歷行政區名稱來查詢全國數據；
第一步：利用requests庫發送HTTP請求獲取所有地級行政區的表，并根據標簽進行保存，另存為csv；
完整代碼#運行環境 Python 3.11
import requests
import csv
from datetime import datetime# 請求數據
response = requests.get("https://map.cmbchina.com/api/map/getProCityInfo",headers={'User-Agent': 'Mozilla/5.0'},timeout=10
)if response.status_code == 200:data = response.json()filename = f"pro_city_info.csv"# 保存為CSVwith open(filename, 'w', encoding='utf-8-sig', newline='') as f:writer = csv.writer(f)writer.writerow(['省份', '城市', '緯度', '經度'])for prov in data['body']['provList']:[writer.writerow([prov['provName'], c['cityName'], c['lat'], c['lng']])for c in prov['cityList']]print(f"數據已保存到 {filename}")
else:print(f"請求失敗: {response.status_code}")數據會以csv表格的形式，保存在運行腳本的目錄下，數據標簽包括：省份、城市、經緯度；
第二步：利用GET請求獲取所有銀行網點數據，并根據標簽進行保存，另存為csv；
完整代碼#運行環境 Python 3.11
import requests
import csv# 讀取城市列表
def read_cities_from_csv(filename):cities = []with open(filename, 'r', encoding='utf-8-sig') as f:reader = csv.DictReader(f)for row in reader:city_name = row['城市']if city_name:cities.append(city_name)return cities# 輸出文件名固定
output_filename = "cmb_bank.csv"# 打開輸出CSV文件并寫入表頭
with open(output_filename, 'w', encoding='utf-8-sig', newline='') as output_file:writer = csv.writer(output_file)writer.writerow(['城市', 'branchNo', 'lat', 'lng', 'name', 'type'])# 讀取城市列表cities = read_cities_from_csv('pro_city_info.csv')# 遍歷每個城市for city in cities:url = f"https://map.cmbchina.com/api/map/getCmbData?cityName={city}&type=B"try:response = requests.get(url, headers={'User-Agent': 'Mozilla/5.0'}, timeout=10)if response.status_code == 200:data = response.json()if data['returnCode'] == 'SUC0000':branches = data['body']count = len(branches)# 打印每個城市的返回條數print(f"城市：{city}，{count}條")# 寫入數據for branch in branches:writer.writerow([city,branch['branchNo'],branch['lat'],branch['lng'],branch['name'],branch['type']])else:print(f"城市：{city}，請求失敗: {data['errorMsg']}")else:print(f"城市：{city}，HTTP錯誤: {response.status_code}")except Exception as e:print(f"城市：{city}，請求時發生錯誤: {e}")print(f"所有數據已保存到 {output_filename}")
這里有一個tips：1、tpye：B對應的是營業網點，tpye：C對應的是自助銀行，tpye：A對應的是自動柜員機"，如果需要修改查詢類型，可直接修改type；
獲取數據標簽如下：城市、branchNo（營業廳編號）、lat&lng（地理坐標）、name（營業廳名稱）、type（查詢類型），其他一些非關鍵標簽，這里省略；
第三步：坐標系轉換，由于招商銀行網點數據使用的是百度坐標系（BD09），為了在ArcGIS上準確展示而不發生偏移，我們需要將網點的坐標從BD09轉換為WGS-84坐標系。我們可以利用coord-convert庫中的bd2wgs(lng, lat)函數，也可以用免費這個網站：批量轉換工具：地圖坐標系批量轉換 - 免費在線工具；
對CSV文件中的網點坐標列進行轉換，完成坐標轉換后，再將數據導入ArcGIS進行可視化；
接下來，我們進行看圖說話：
招商銀行（CMB）在中國大陸的網點分布呈現出顯著的區域不均衡性。東部沿海地區是其網點布局的核心區域，尤其是長三角（上海、江蘇、浙江）、珠三角（廣東）、京津冀（北京、天津、河北）等經濟高度發達地區。這些區域城市化進程快、人口密集、商業活動活躍，對綜合性金融服務的需求旺盛，因此招商銀行在此類地區實現了高密度覆蓋，充分體現了其對重點經濟圈的戰略聚焦。
相比之下，中部地區如河南、湖北、湖南等地雖有一定數量的網點布局，但整體密度仍低于東部沿海；而西部及東北地區的網點分布則明顯稀疏，尤其在新疆、青海、西藏、內蒙古等偏遠省份，網點數量極少甚至存在空白區域，這主要受限于當地人口密度低、經濟總量較小以及運營成本較高等因素。
在城市層級上，一線城市（北京、上海、廣州、深圳）的網點數量最多，幾乎覆蓋所有城區，展現出招商銀行在核心市場的深度滲透與品牌影響力。同時，省會城市及重要經濟節點城市，如成都、武漢、杭州、南京等，也是網點集中布局的重點區域，反映出其“以中心城市帶動區域發展”的渠道策略，城鄉金融服務差距顯著。在大城市及其周邊衛星城，網點高度密集，形成了高效便捷的“15分鐘金融服務圈”，能夠全面滿足居民和企業的存貸匯、理財、對公等多元需求；而在廣大農村及偏遠縣域，物理網點數量極少，服務主要依賴數字化渠道，凸顯出傳統銀行服務在地理覆蓋上的局限性。
從戰略角度看，招商銀行作為國內零售銀行業務的領軍者，其網點布局與人口集聚度、消費活力和財富水平高度匹配，充分契合其“輕型銀行”和“金融科技銀行”的雙輪驅動戰略。在高密度城市區域，招商銀行持續推進智慧網點建設，廣泛部署智能柜員機、VTM遠程柜員、AI客服等科技設備，提升服務效率，釋放人力專注于財富管理等高附加值業務。而在低密度區域，則更多通過手機銀行、掌上生活App等線上平臺實現服務延伸，實現"線下精耕、線上廣覆"的協同發展模式。
文章僅用于分享個人學習成果與個人存檔之用，分享知識，如有侵權，請聯系作者進行刪除。所有信息均基于作者的個人理解和經驗，不代表任何官方立場或權威解讀。
