chile-utils datasets

这是一个包含智利公共数据集的仓库，提供简单、版本化且易于使用的JSON格式数据，涵盖司法、领土、市政、节假日等多个领域，专为开发者、研究人员、公民技术、记者和分析项目设计。

This is a repository containing Chilean public datasets, offering simple, versioned and user-friendly JSON-formatted data. It covers multiple domains including judiciary, territorial affairs, municipal governance, public holidays and more, and is specifically designed for developers, researchers, civic technologists, journalists and analytics projects.

原始信息汇总

数据集概述：chile-utils

数据集简介

chile-utils 是一个面向开发者、研究人员、公民科技、记者、法律科技以及数据分析或可视化项目的公共数据集仓库，专注于提供关于智利的简单、版本化的公开数据。目标是将分散的公共数据转化为易于消费、文档齐全且稳定的 JSON 文件。

数据集内容

司法系统（pjud）

• cortes-apelaciones.json：上诉法院数据
• tribunales.json：法庭数据
• competencias.json：管辖权数据
• tipos-tribunal.json：法庭类型数据

行政区划（territorio）

• regiones.json：大区数据
• provincias.json：省份数据
• comunas.json：社区数据
• comunas-con-coordenadas.json：含坐标的社区数据

市政（municipalidades）

• municipalidades.json：市政数据
• sitios-web.json：网站数据
• metadata.json：元数据

节假日（feriados）

• feriados.json：节假日数据
• feriados-2000.json：2000年节假日数据
• feriados-YYYY.json：各年份节假日数据（以YYYY替代具体年份）
• metadata.json：元数据

超级管理局（superir）

• publicaciones.json.gz：出版物数据（压缩格式）
• metadata.json：元数据

数据格式与访问

• 所有数据集以 JSON 格式提供，部分文件使用 gzip 压缩
• 可通过 GitHub raw 链接直接访问，例如：
  • 行政区划社区数据：https://raw.githubusercontent.com/felipesanma/chile-utils/main/territorio/comunas.json
• JSON 文件格式化使用 2 空格缩进
• 字段命名采用 snake_case 风格
• 代码使用官方字符串标识

数据来源与原则

• 数据来源于公共机构，文档中记录了具体来源（见 docs/fuentes.md）
• 数据集遵循以下原则：
  • JSON 简单且可移植
  • 使用官方代码
  • 不包含不必要的个人数据
  • 来源透明可追溯
  • 生成脚本清晰可重复

许可与声明

• 采用 MIT 许可证
• 本项目为独立项目，不属于任何智利公共机构或数据来源方
• 数据仅用于互操作性、透明度、分析和技术重用目的

搜集汇总

数据集介绍

构建方式

chile-utils datasets 是一个面向智利公共数据的结构化数据集仓库，旨在将分散于多个官方机构的公开信息转化为稳定、易用的 JSON 文件。数据集的构建遵循系统化的流程：首先从智利司法机构、领土管理部门、市政当局、节假日公告及公共机构等官方来源采集原始数据；随后通过 Python 脚本进行清洗、标准化与整合，产出结构清晰、字段统一的 JSON 文件；所有数据均采用官方编码作为字符串标识，字段命名遵循 snake_case 规范，并经过格式化与验证，确保其一致性与可复用性。

特点

该数据集的核心优势在于其简洁性与版本可控性。所有 JSON 文件保持扁平化目录结构，便于通过原始 URL 直接访问，极大降低了开发者的使用门槛。数据覆盖智利司法辖区、行政区划、市政信息、法定节假日及公共机构公告等多个领域，每个子集均附带元数据文件及完整的源文档说明。数据集遵循 MIT 许可证，强调数据来源于公共机构且不含不必要个人信息，确保了透明性与合规性。脚本化的生成流程支持数据定期再生，维持信息的时效性与准确性。

使用方法

数据集可直接通过 GitHub Raw URL 获取，无需本地克隆仓库。用户只需在代码中构造文件路径对应的 URL，即可使用标准 HTTP 请求下载 JSON 文件。对于压缩格式的文件，如 superir 目录下的 publicaciones.json.gz，需在客户端解压后再解析。示例代码展示了在 JavaScript 环境中使用 fetch 直接获取 comunas.json，以及在 Python 中通过 urllib 和 gzip 模块处理压缩数据。此外，用户可通过运行 scripts 目录下的 Python 脚本自行再生数据，需提前安装 requirements.txt 中的依赖，并参照 docs/contribuciones.md 设置必要的环境变量以访问外部数据源。

背景与挑战

背景概述

chile-utils datasets 是一个专注于智利公共数据的开源数据集项目，由开发者 Felipe San Martín 创建，旨在将分散于各类官方渠道的公共信息整合为结构化的 JSON 文件，便于开发者、研究人员、公民科技从业者及法律科技项目直接使用。该项目诞生于对智利公共数据可访问性和互操作性不足的洞察，核心研究问题在于如何将零散的政府数据转化为稳定、易用且版本可控的数据资产。自发布以来，该项目在智利本土的 civic tech 社区和数据分析领域产生了显著影响，为透明治理、区域研究及公共服务优化提供了可靠的数据基础设施。

当前挑战

该数据集面临的核心挑战首先源于所解决的领域问题：智利公共数据分散于多个机构，格式各异且更新不及时，导致开发者难以高效获取并利用这些数据进行应用开发或分析。例如，司法、领土和节日数据分别存放于不同系统，缺乏统一接口。其次，构建过程中遇到的挑战包括：数据来源的官方性验证与版本一致性维护，尤其是从非标准化网站抓取数据时可能出现的字段缺失或编码错误；压缩数据（如 superir 出版物）的解压与结构解析需额外处理；此外，确保数据集随时间推移仍保持稳定引用链接，同时支持贡献者协作更新，也增加了维护复杂性。

常用场景

经典使用场景

chile-utils 数据集旨在将智利公共数据转化为易于访问的 JSON 格式，其经典使用场景包括地理信息系统（GIS）分析、司法审判结构可视化以及政治或社会事件的时序研究。例如，研究人员通过加载 `comunas-con-coordenadas.json` 可快速构建智利全国的行政区划地图，而 `tribunales.json` 与 `cortes-apelaciones.json` 则用于映射司法管辖层级，为司法管辖区划分析提供基础数据支撑。

解决学术问题

该数据集解决了多个学术领域的瓶颈问题：地理分区数据分散且缺乏统一标准，司法机构代码与行政区划代码相互独立，公共假日原始数据常以非结构化文本呈现，且跨部门数据关联困难。通过提供版本化、文档完备且来源可追溯的结构化数据，它为计算社会科学、法律信息学与公共政策评估等方向提供了可复现的研究基础，显著降低了数据清洗与融合的时间成本。

衍生相关工作

围绕该数据集衍生出一系列经典工作：在开源社区层面，贡献者基于 `regiones.json` 和 `comunas.json` 封装了 Python 库 `chile-geo`，支持地理编码的批量逆解析；在教育领域，高校课程实验利用 `superir/publicaciones.json.gz` 训练文本分类模型，分析企业公告的主题分布；在政府透明度项目中，组织者将原 JSON 数据转换为 SQLITE 格式，构建了可查询的“智利司法案件数据库”，使零技术背景的调研人员也能进行跨表统计。