理想汽车作为中国新势力造车的头部品牌始终秉持“创造移动的家创造幸福的家”的品牌使命已构建覆盖家庭用户与高端商务出行的完整产品矩阵包括L6、L7、L8、L9、MEGA以及即将推出的i6、i8等车型。在渠道建设上理想自2019年起坚定推行全直营模式打造了由零售中心、交付中心、售后服务中心和钣喷中心组成的“四位一体”线下服务网络确保用户体验的高度统一与服务标准的严格可控。截至2026年6月理想汽车在全国31个省、自治区、直辖市共布局1369家门店细分为7类功能型网点其中零售中心586家主要设于核心商圈承担产品展示与试驾体验售后服务中心288家、钣喷中心269家提供维修保养与事故修复服务交付中心135家专责新车交付流程另有71家临时售后支持点、19家授权服务中心及1家临时交付点用于灵活响应区域市场拓展需求。得益于全直营体系所有门店数据均由总部统一管理并通过标准化API接口对外提供为高效获取结构化数据创造了技术条件。本文将通过逆向分析理想汽车官网前端JavaScript代码定位其门店数据加载逻辑。具体而言借助浏览器开发者工具对网络请求Network → XHR/Fetch进行抓包结合源码搜索关键词如“service-center”、“store”等可快速识别出核心数据接口。该接口为无鉴权的公开GET接口响应格式为标准JSON无需登录或Token验证。利用Python的requests库发起一次简单HTTP GET请求即可完整获取全国1369家门店的结构化数据。返回字段极为丰富包括门店ID、名称、类型、省市区三级地址、详细地址、联系电话、营业状态营业中/在建/已关闭、开业时间、所属公司、星级评分、支持试驾车型、展车系列以及多套地理坐标体系。通过csv模块可直接导出为UTF-8-BOM编码的CSV文件以兼容Excel中文显示亦可进一步使用pandas或openpyxl生成带表头样式、列宽自适应的格式化Excel报表为渠道密度热力图绘制、区域服务能力评估、竞品网点对标等深度分析提供高质量数据集。理想汽车门店查询地址理想汽车丨理想给车和家赋予生命。 | 查找服务网点首先我们找到网点数据的存储位置然后看3个关键部分标头、负载、 预览标头通常包括URL的连接也就是目标资源的位置负载对于GET请求负载通常包含了传递的参数因为所有参数都通过URL传递这里我们可以看到查询关键词type这段字符串是经过URL 编码预览指的是对响应内容的快速查看或摘要显示可以帮助用户快速了解返回的数据结构或内容片段我们可以看到数据在data里接下来就是数据获取部分先讲一下方法思路双击对应的门店信息响应网页我们可以看到数据均在数组里而且里面有高德和百度的二套坐标系可供使用方法思路请求API → 直接 GET 接口data 字段就是一个平铺的数组字段清洗输出 → 将数组类型字段转为分隔符拼接字符串英文类型代码转中文输出CSV坐标转换从GCJ-02转换WGS-84坐标同时进行arcgis可视化第一步利用requests 库发送HTTP请求获取所有汽车门店数据并根据标签进行保存另存为csv完整代码#运行环境 Python 3.11import json import csv import requests from collections import Counter from pathlib import Path # 配置 API_URL https://www.lixiang.com/saos-store-web/tur_store/v1-0/service-centers HEADERS {User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36} TIMEOUT 30 TYPE_MAP { RETAIL: 零售中心, AFTERSALE: 售后服务中心, SPRAY: 钣喷中心, DELIVER: 交付中心, UNION: 授权服务中心, TEMPORARY_AFTERSALE_SUPPORT: 临时售后支持, TEMPORARY_DELIVER: 临时交付, } STATUS_MAP { INBUSINESS: 营业中, CLOSED: 已关闭, INCONSTRUCTION: 在建 } FIELDS [ id, name, type, provinceName, cityName, countyName, address, telephone, openingHours, openedAt, status, companyName, starLevel, driveCarSeriesName, exhibitionCarSeriesName, lat, lng, gdLat, gdLng, baiduLat, baiduLng, testDriveStatus, isMetalSpray ] def map_value(value, mapping, fallbackTrue): return mapping.get(value, value if fallback else ) def main(): try: resp requests.get(API_URL, headersHEADERS, timeoutTIMEOUT) resp.raise_for_status() data resp.json() if data not in data or not isinstance(data[data], list): raise ValueError(API 返回数据格式异常) all_stores data[data] total len(all_stores) print(f成功获取到 {total} 家门店信息) # 保存 CSV 到脚本所在目录不新建 output 文件夹 csv_path Path(__file__).parent / LIXIANG_store_data.csv with open(csv_path, w, newline, encodingutf-8-sig) as f: writer csv.DictWriter(f, fieldnamesFIELDS, extrasactionignore) writer.writeheader() for store in all_stores: row {k: store.get(k, ) or for k in FIELDS} for k in [driveCarSeriesName, exhibitionCarSeriesName]: val row[k] if isinstance(val, list): row[k] |.join(str(x) for x in val if x is not None) else: row[k] str(val) if val else locations store.get(locations, {}) row.update({ gdLat: locations.get(gdLat, ), gdLng: locations.get(gdLng, ), baiduLat: locations.get(baiduLat, ), baiduLng: locations.get(baiduLng, ), }) row[type] map_value(row[type], TYPE_MAP) row[status] map_value(row[status], STATUS_MAP) for k in row: if row[k] is None: row[k] else: row[k] str(row[k]) writer.writerow(row) except Exception as e: print(f获取门店数据失败{e}) if __name__ __main__: main()数据会以csv表格的形式保存在运行脚本的目录下表格名LIXIANG_store_data.csv数据字段说明字段示例值说明idRCSX07门店唯一IDname理想汽车长沙梅溪湖步步高新天地零售中心门店全称type零售中心门店类型7种provinceName湖南省份cityName长沙城市countyName芙蓉区县address湖南省长沙市岳麓区东方红南路...详细地址telephone15616036081联系电话openingHours10:00-22:00营业时间openedAt2022-06-30开业日期status营业中营业状态companyName理想智造汽车销售服务长沙...运营公司全称starLevel3门店星级评分driveCarSeriesName理想L6|理想L9|...可试驾车型列表exhibitionCarSeriesName理想MEGA|理想L9展厅展示车型gdLat/gdLng28.199993 / 112.860117高德坐标系baiduLat/baiduLng28.205654 / 112.866701百度坐标系testDriveStatus1是否支持试驾isMetalSpray0是否具备钣喷能力第二步坐标系转换由于理想门店数据使用的是高德坐标系GCJ-02和百度坐标系BD-09这里为了方便转换以高德坐标系为准为了在ArcGIS上准确展示而不发生偏移我们需要将门店的坐标从GCJ-02转换为WGS-84坐标系。我们可以利用coord-convert库中的gcj2wgs(lng, lat)函数也可以用免费这个网站批量转换工具地理编码 (高德) 地址转经纬度 - 批量工具网对CSV文件中的门店坐标列进行转换完成坐标转换后再将数据导入ArcGIS进行可视化接下来我们基于采集到的1369家门店数据从空间分布、类型结构、城市渗透三个维度进行分析第一段空间分布特征理想汽车门店呈现典型的胡焕庸线分布格局——东部沿海密集、中西部沿省会点状扩散。TOP 5省份——广东146家、浙江121家、江苏118家、山东96家、四川79家——合计占比超过40%。这一分布高度契合中国乘用车消费的核心市场版图长三角和珠三角既是经济高地也是新能源车渗透率最高的区域。西部省份中四川以79家遥遥领先得益于成都作为西南消费中心的辐射力以及理想在川渝地区的先发布局。东北三省合计约28家西北五省区合计约18家——这些区域的低密度既是经济水平与新能源接受度的客观反映也指示了未来渠道下沉的潜在空间。第二段门店类型结构分析1369家门店中零售中心586家42.8%是绝对主力这与理想商场流量获客线下体验转化的直营模式高度吻合。售后及钣喷中心合计557家40.7%形成了与前端零售紧密配套的服务网络——每1家零售中心背后平均有0.95家后端服务门店支撑服务密度在行业处于领先水平。值得关注的是71家临时售后支持网点——这些过渡性网点的存在揭示了理想正在用先轻后重的方式拓展下沉市场先以低成本设立售后触点验证区域需求待当地销量达到阈值后再升级为正式门店。这种策略有效降低了前期投入风险但在品牌形象一致性和服务标准管控上面临挑战。第三段城市层级渗透情况从城市能级看一线城市北上广深单城门店30-50家以零售中心为核心辅以多个交付和服务中心形成高密度、全功能的城市网络新一线城市杭州、成都、武汉等单城10-25家普通地级市平均1-3家多为单一零售中心或与售后合并的综合门店。值得注意的是部分经济欠发达地区已有钣喷中心覆盖但尚无零售中心——例如新疆阿克苏、甘肃武威、青海西宁等地——呈现出服务先行、销售跟进的下沉策略。这可能是受限于当地高端商场资源或零售团队组建周期但在用户心目中可能造成能修不能买的认知断层。文章仅用于分享个人学习成果与个人存档之用分享知识如有侵权请联系作者进行删除。所有信息均基于作者的个人理解和经验不代表任何官方立场或权威解读。
Agent应用指南：利用GET请求获取理想汽车门店位置信息
理想汽车作为中国新势力造车的头部品牌始终秉持“创造移动的家创造幸福的家”的品牌使命已构建覆盖家庭用户与高端商务出行的完整产品矩阵包括L6、L7、L8、L9、MEGA以及即将推出的i6、i8等车型。在渠道建设上理想自2019年起坚定推行全直营模式打造了由零售中心、交付中心、售后服务中心和钣喷中心组成的“四位一体”线下服务网络确保用户体验的高度统一与服务标准的严格可控。截至2026年6月理想汽车在全国31个省、自治区、直辖市共布局1369家门店细分为7类功能型网点其中零售中心586家主要设于核心商圈承担产品展示与试驾体验售后服务中心288家、钣喷中心269家提供维修保养与事故修复服务交付中心135家专责新车交付流程另有71家临时售后支持点、19家授权服务中心及1家临时交付点用于灵活响应区域市场拓展需求。得益于全直营体系所有门店数据均由总部统一管理并通过标准化API接口对外提供为高效获取结构化数据创造了技术条件。本文将通过逆向分析理想汽车官网前端JavaScript代码定位其门店数据加载逻辑。具体而言借助浏览器开发者工具对网络请求Network → XHR/Fetch进行抓包结合源码搜索关键词如“service-center”、“store”等可快速识别出核心数据接口。该接口为无鉴权的公开GET接口响应格式为标准JSON无需登录或Token验证。利用Python的requests库发起一次简单HTTP GET请求即可完整获取全国1369家门店的结构化数据。返回字段极为丰富包括门店ID、名称、类型、省市区三级地址、详细地址、联系电话、营业状态营业中/在建/已关闭、开业时间、所属公司、星级评分、支持试驾车型、展车系列以及多套地理坐标体系。通过csv模块可直接导出为UTF-8-BOM编码的CSV文件以兼容Excel中文显示亦可进一步使用pandas或openpyxl生成带表头样式、列宽自适应的格式化Excel报表为渠道密度热力图绘制、区域服务能力评估、竞品网点对标等深度分析提供高质量数据集。理想汽车门店查询地址理想汽车丨理想给车和家赋予生命。 | 查找服务网点首先我们找到网点数据的存储位置然后看3个关键部分标头、负载、 预览标头通常包括URL的连接也就是目标资源的位置负载对于GET请求负载通常包含了传递的参数因为所有参数都通过URL传递这里我们可以看到查询关键词type这段字符串是经过URL 编码预览指的是对响应内容的快速查看或摘要显示可以帮助用户快速了解返回的数据结构或内容片段我们可以看到数据在data里接下来就是数据获取部分先讲一下方法思路双击对应的门店信息响应网页我们可以看到数据均在数组里而且里面有高德和百度的二套坐标系可供使用方法思路请求API → 直接 GET 接口data 字段就是一个平铺的数组字段清洗输出 → 将数组类型字段转为分隔符拼接字符串英文类型代码转中文输出CSV坐标转换从GCJ-02转换WGS-84坐标同时进行arcgis可视化第一步利用requests 库发送HTTP请求获取所有汽车门店数据并根据标签进行保存另存为csv完整代码#运行环境 Python 3.11import json import csv import requests from collections import Counter from pathlib import Path # 配置 API_URL https://www.lixiang.com/saos-store-web/tur_store/v1-0/service-centers HEADERS {User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36} TIMEOUT 30 TYPE_MAP { RETAIL: 零售中心, AFTERSALE: 售后服务中心, SPRAY: 钣喷中心, DELIVER: 交付中心, UNION: 授权服务中心, TEMPORARY_AFTERSALE_SUPPORT: 临时售后支持, TEMPORARY_DELIVER: 临时交付, } STATUS_MAP { INBUSINESS: 营业中, CLOSED: 已关闭, INCONSTRUCTION: 在建 } FIELDS [ id, name, type, provinceName, cityName, countyName, address, telephone, openingHours, openedAt, status, companyName, starLevel, driveCarSeriesName, exhibitionCarSeriesName, lat, lng, gdLat, gdLng, baiduLat, baiduLng, testDriveStatus, isMetalSpray ] def map_value(value, mapping, fallbackTrue): return mapping.get(value, value if fallback else ) def main(): try: resp requests.get(API_URL, headersHEADERS, timeoutTIMEOUT) resp.raise_for_status() data resp.json() if data not in data or not isinstance(data[data], list): raise ValueError(API 返回数据格式异常) all_stores data[data] total len(all_stores) print(f成功获取到 {total} 家门店信息) # 保存 CSV 到脚本所在目录不新建 output 文件夹 csv_path Path(__file__).parent / LIXIANG_store_data.csv with open(csv_path, w, newline, encodingutf-8-sig) as f: writer csv.DictWriter(f, fieldnamesFIELDS, extrasactionignore) writer.writeheader() for store in all_stores: row {k: store.get(k, ) or for k in FIELDS} for k in [driveCarSeriesName, exhibitionCarSeriesName]: val row[k] if isinstance(val, list): row[k] |.join(str(x) for x in val if x is not None) else: row[k] str(val) if val else locations store.get(locations, {}) row.update({ gdLat: locations.get(gdLat, ), gdLng: locations.get(gdLng, ), baiduLat: locations.get(baiduLat, ), baiduLng: locations.get(baiduLng, ), }) row[type] map_value(row[type], TYPE_MAP) row[status] map_value(row[status], STATUS_MAP) for k in row: if row[k] is None: row[k] else: row[k] str(row[k]) writer.writerow(row) except Exception as e: print(f获取门店数据失败{e}) if __name__ __main__: main()数据会以csv表格的形式保存在运行脚本的目录下表格名LIXIANG_store_data.csv数据字段说明字段示例值说明idRCSX07门店唯一IDname理想汽车长沙梅溪湖步步高新天地零售中心门店全称type零售中心门店类型7种provinceName湖南省份cityName长沙城市countyName芙蓉区县address湖南省长沙市岳麓区东方红南路...详细地址telephone15616036081联系电话openingHours10:00-22:00营业时间openedAt2022-06-30开业日期status营业中营业状态companyName理想智造汽车销售服务长沙...运营公司全称starLevel3门店星级评分driveCarSeriesName理想L6|理想L9|...可试驾车型列表exhibitionCarSeriesName理想MEGA|理想L9展厅展示车型gdLat/gdLng28.199993 / 112.860117高德坐标系baiduLat/baiduLng28.205654 / 112.866701百度坐标系testDriveStatus1是否支持试驾isMetalSpray0是否具备钣喷能力第二步坐标系转换由于理想门店数据使用的是高德坐标系GCJ-02和百度坐标系BD-09这里为了方便转换以高德坐标系为准为了在ArcGIS上准确展示而不发生偏移我们需要将门店的坐标从GCJ-02转换为WGS-84坐标系。我们可以利用coord-convert库中的gcj2wgs(lng, lat)函数也可以用免费这个网站批量转换工具地理编码 (高德) 地址转经纬度 - 批量工具网对CSV文件中的门店坐标列进行转换完成坐标转换后再将数据导入ArcGIS进行可视化接下来我们基于采集到的1369家门店数据从空间分布、类型结构、城市渗透三个维度进行分析第一段空间分布特征理想汽车门店呈现典型的胡焕庸线分布格局——东部沿海密集、中西部沿省会点状扩散。TOP 5省份——广东146家、浙江121家、江苏118家、山东96家、四川79家——合计占比超过40%。这一分布高度契合中国乘用车消费的核心市场版图长三角和珠三角既是经济高地也是新能源车渗透率最高的区域。西部省份中四川以79家遥遥领先得益于成都作为西南消费中心的辐射力以及理想在川渝地区的先发布局。东北三省合计约28家西北五省区合计约18家——这些区域的低密度既是经济水平与新能源接受度的客观反映也指示了未来渠道下沉的潜在空间。第二段门店类型结构分析1369家门店中零售中心586家42.8%是绝对主力这与理想商场流量获客线下体验转化的直营模式高度吻合。售后及钣喷中心合计557家40.7%形成了与前端零售紧密配套的服务网络——每1家零售中心背后平均有0.95家后端服务门店支撑服务密度在行业处于领先水平。值得关注的是71家临时售后支持网点——这些过渡性网点的存在揭示了理想正在用先轻后重的方式拓展下沉市场先以低成本设立售后触点验证区域需求待当地销量达到阈值后再升级为正式门店。这种策略有效降低了前期投入风险但在品牌形象一致性和服务标准管控上面临挑战。第三段城市层级渗透情况从城市能级看一线城市北上广深单城门店30-50家以零售中心为核心辅以多个交付和服务中心形成高密度、全功能的城市网络新一线城市杭州、成都、武汉等单城10-25家普通地级市平均1-3家多为单一零售中心或与售后合并的综合门店。值得注意的是部分经济欠发达地区已有钣喷中心覆盖但尚无零售中心——例如新疆阿克苏、甘肃武威、青海西宁等地——呈现出服务先行、销售跟进的下沉策略。这可能是受限于当地高端商场资源或零售团队组建周期但在用户心目中可能造成能修不能买的认知断层。文章仅用于分享个人学习成果与个人存档之用分享知识如有侵权请联系作者进行删除。所有信息均基于作者的个人理解和经验不代表任何官方立场或权威解读。
