Envíe pares de latitud/longitud y reciba cada uno como una fila: la dirección legible más cercana, dividida en calle, ciudad, condado, estado y código postal, con un Plus Code y una zona horaria IANA al lado. Diecinueve columnas en la forma actual, medidas a partir de exports reales.
Es lo único de la geocodificación inversa que sorprende a la gente, y apareció con claridad en nuestros propios exports.
La geocodificación inversa no busca «la dirección de este punto». Encuentra el objeto cartografiado más cercano e informa de la dirección de ese objeto. Normalmente el objeto más cercano es un edificio y la respuesta es la que esperaba. A veces no lo es.
Una de nuestras dos coordenadas de prueba -40.7449819,-74.0271321, en Hoboken- volvió como 1, Hudson Street, Uptown, Hoboken, Hudson County, New Jersey, 07030, United States, con type igual a bench y class a amenity. El punto estaba más cerca de un banco de parque, así que la fila describe un banco. La dirección no es incorrecta, pero es la dirección de un banco, y nada en las columnas de dirección por sí solas se lo diría.
Por eso class y type importan más aquí que en el sentido directo, y por eso son las primeras columnas que hay que leer después de la dirección. Nuestra otra coordenada resolvió a class place y type house: un edificio de verdad. Filtre por esos dos campos cuando la distinción le importe, y trate el resultado como «lo más cercano» y no como «lo que hay».
Un par latitud/longitud es toda la entrada. No hay filtros que configurar.
class y type.Funcionan los dos separadores que documenta la referencia: una coma, como en 37.427074,-122.1439166, o un espacio, como en 40.7624284 -73.973794.
Medido a partir de 5 exports reales que cubren 8 filas y 2 coordenadas distintas. Los nombres están copiados carácter a carácter de la fila de cabecera, en el orden de la hoja. Los valores de ejemplo de abajo son celdas reales de esas ejecuciones.
37.427074,-122.1439166. Presente en todas las filas de todas las ejecuciones.37.427074. Devuelve su entrada en vez de saltar al objeto encontrado.-122.1439166.321, South California Avenue, Evergreen Park, Palo Alto, Santa Clara County, California, 94306, United States.house en una de nuestras filas, y bench en la otra. Léala antes de fiarse de la dirección.place y amenity respectivamente. class y type son un par.node en nuestras dos filas.1734450110.Palo Alto, Hoboken. Solo en la forma ancha.US. Fíjese en que este servicio devuelve un código donde Geocodificación devuelve el nombre completo del país.Santa Clara County, Hudson County.street_view.849VCVG4+RC, 87G7PXVF+X4. Una referencia de cuadrícula corta que funciona sin red viaria.94306, 07030.California, New Jersey.321 South California Avenue, 1 Hudson Street.America/Los_Angeles, America/New_York. Directamente utilizable para cálculos de hora local.lat.lon.Todas las columnas de arriba llevaron un valor real en las ejecuciones que tenemos. La muestra es pequeña y a propósito no se expresa como porcentaje: 8 filas en 2 coordenadas le dicen con fiabilidad qué forma tiene un export y nada sobre su comportamiento a volumen. La costumbre más útil que puede darle esta tabla: lea class y type antes de leer la dirección, porque son lo que distingue un edificio de un banco.
Cada una salió de leer los exports y no la referencia, que es justo por lo que merecen el espacio.
Nuestro punto de Hoboken devolvió una dirección postal completa y bien formada cuyo type era bench. La geocodificación inversa responde «qué hay más cerca», no «qué hay en este punto», y el mobiliario urbano también está cartografiado. Si está emparejando puntos con locales, filtre por class y type, o registrará en silencio un banco como dirección de un negocio.
lat, lon, latitude y longitude llegan como números JSON en todas las filas que tenemos. En Geocodificación esos mismos cuatro campos llegan como cadenas. Si comparte un parser entre los dos servicios, esa diferencia le morderá exactamente una vez, en producción, en una ordenación.
La forma antigua devuelve ocho columnas: query, lat, lon, address, type, class, osm_type y osm_id. La actual devuelve esas más otras once, las mismas once que enumera la referencia. Programe contra las ocho y trate el resto como presente-si-está, en lugar de asumir una cabecera fija.
Este devuelve photo y country_code; Geocodificación devuelve street_view y country. Las URLs de Street View siguen el mismo patrón y los campos de país contienen cosas distintas: aquí un código de dos letras, allí un nombre completo. Si normaliza ambos en una sola tabla, mapee los nombres explícitamente en lugar de confiar en que encajen.
Allí donde sus datos llegan como coordenadas y tienen que ser leídos por una persona, o unidos a algo que sí tiene dirección.
Los localizadores de vehículos, las apps de reparto y los formularios móviles registran coordenadas. Pasarlas por aquí convierte una columna de decimales en calle, ciudad y código postal, de modo que un informe de ruta se lee sin tener un mapa abierto al lado, y las paradas se pueden agrupar por zona.
Fotos, actas de inspección, lecturas de sensores y partes de incidencia suelen llevar una latitud y longitud y nada más. Una sola pasada les da a cada uno una dirección, un condado y una zona horaria, que suele ser lo que convierte un registro en bruto en algo que una herramienta de informes puede agrupar.
Cuando un registro tiene a la vez dirección y coordenada, geocodificar a la inversa la coordenada y comparar ambas detecta dígitos transpuestos y códigos postales mal tecleados. Al hacerlo, lea class y type, para que un banco cercano no parezca una discrepancia.
Sin suscripción, sin mínimo, sin licencia por usuario. Sus primeras 500 filas corren de nuestra cuenta; después, pago por uso.
Para cada cuenta nueva, una sola vez. Sin tarjeta de crédito. Merece la pena gastar algunas en coordenadas cuyas respuestas ya conoce, para ver con qué frecuencia el objeto cartografiado más cercano es el que usted quería.
Unos 2 $ por cada 1.000 coordenadas, una fila por coordenada: exacto de presupuestar, porque una coordenada que no resuelve a nada devuelve igualmente exactamente una fila.
Precios por volumen, SLA, workers dedicados y onboarding a medida para equipos que geocodifican a la inversa un flujo en vivo de forma periódica. Díganos sus cifras y le presupuestamos.
LIVESCRAPER10 al pagar.Uno convierte direcciones en coordenadas; el otro le dice qué negocios están en ellas.
El mismo servicio en sentido contrario: direcciones dentro, coordenadas fuera, con la dirección repartida en país, estado, ciudad, calle y código postal. Ojo: allí las coordenadas llegan como cadenas y no como números.
Cuando la respuesta que de verdad quiere es el negocio y no la dirección: categorías, valoraciones, horarios y datos de contacto de lo que hay en una ubicación, no solo de lo que está más cerca.
Una de las cuestiones más ligeras del catálogo, y merece la pena decir por qué en vez de limitarse a afirmarlo.
Una coordenada, la dirección más cercana a ella y su zona horaria son hechos sobre una ubicación. Nada en estas diecinueve columnas describe a una persona: no hay nombre, ni ocupante, ni dato de contacto. La geografía subyacente procede de OpenStreetMap, un mapa colaborativo público, y por eso el export lleva los identificadores y etiquetas propios de OSM.
Lo que merece pensarse es su entrada, y aquí algo más que en el servicio directo. Una lista de coordenadas procedente de teléfonos, vehículos o wearables es un registro de dónde estuvieron personas o sus activos: eso es dato personal en la mayoría de jurisdicciones antes de llegarnos siquiera, y resolverlo a direcciones postales lo hace más legible, no menos sensible. Aplíquele el mismo criterio que aplicaría a los datos de localización de los que procede. Si necesita saber quién está en una dirección, esa es una categoría distinta y mucho más restringida, cubierta por Whitepages Addresses con sus propias reglas de uso permitido.
Por nuestra parte: solo fuentes disponibles públicamente, nada tras un inicio de sesión, sin rastreadores de terceros en la capa de datos, y sus exports se borran automáticamente a los 30 días.
Las preguntas que más nos hacen. ¿Alguna más? Hable con nosotros: las respuestas las escriben personas, no bots.
query, address, city, country_code, county, photo, plus_code, postal_code, state, street y time_zone- y el export añade ocho más: lat, lon, type, class, osm_type, osm_id, latitude y longitude. Todas llevaron un valor real en las ejecuciones que respaldan esta página.type era bench y cuyo class era amenity. La dirección es real; simplemente pertenece a mobiliario urbano y no a un edificio. Lea class y type antes de tratar una fila como dirección de un local.37.427074,-122.1439166, o un espacio, como en 40.7624284 -73.973794. El par que envía se devuelve en query, y lat/lon llevan su entrada en vez de saltar al objeto encontrado.lat, lon, latitude y longitude llegan todos como números JSON. Eso difiere de Geocodificación, donde esos mismos cuatro campos llegan como cadenas. Si comparte un parser entre ambos servicios, trátelo explícitamente.849VCVG4+RC que identifica un área pequeña sin necesidad de red viaria. Es útil para lugares sin dirección convencional y lo bastante estable para usarse como clave aproximada.Pegue sus pares de latitud/longitud y obtenga la dirección más cercana, sus partes, un Plus Code y una zona horaria para cada uno. Sus primeras 500 filas son gratis: suficiente para ver con qué frecuencia el objeto cartografiado más cercano es el que usted quería.
La geocodificación inversa es el paso que hace legibles los datos de coordenadas. Los localizadores GPS, los formularios móviles, las fotos y los sensores registran latitud y longitud y nada más; convertir una columna de decimales en una calle, una ciudad y un código postal es lo que permite agrupar esos datos, informar sobre ellos y que los entienda alguien sin un mapa abierto al lado. Este servicio lo hace en bloque: envíe pares de coordenadas -separados por coma o por espacio, ambas formas documentadas- y cada uno vuelve como una sola fila.
El export actual lleva diecinueve columnas. Once las publica la referencia: la consulta enviada devuelta, la dirección más cercana como una sola cadena separada por comas, ciudad, código de país de dos letras, condado, un enlace a Google Street View ya construido, un Plus Code, código postal, estado, calle y una zona horaria IANA. El export añade ocho más que la referencia no menciona: un par numérico lat/lon que devuelve su entrada, la clase y el tipo de OpenStreetMap del objeto encontrado, su tipo e id de objeto OSM, y un par duplicado latitud/longitud. A lo largo de cinco exports reales que cubren ocho filas, cada una de las diecinueve llevó un valor real.
Lo más importante que hay que entender es qué significa «más cercana». La geocodificación inversa no informa de la dirección de su punto; encuentra el objeto cartografiado más cercano e informa de la dirección de ese objeto. Normalmente ese objeto es un edificio. A veces no: una de las dos coordenadas que respaldan esta página, en Hoboken, devolvió una dirección postal completa y bien formada cuyo type era bench y cuyo class era amenity. El punto estaba más cerca de un banco de parque, así que la fila describe un banco. Nada en las columnas de dirección por sí solas lo revelaría, y por eso class y type son los primeros campos que hay que leer después de la dirección, y por eso cualquiera que empareje puntos con locales debería filtrar por ellos. Otros tres detalles importan a quien escriba el importador, todos observados y no supuestos. Aquí las coordenadas llegan como números JSON, mientras que el servicio directo de Geocodificación devuelve esos mismos campos como cadenas: una diferencia que aflorará exactamente una vez, en producción, en una ordenación. Hay dos formas de export, una antigua de ocho columnas y la actual de diecinueve, así que programe contra las ocho y trate el resto como opcional. Y los nombres de columna difieren del servicio directo en dos puntos: este devuelve photo y country_code donde Geocodificación devuelve street_view y country, conteniendo este último el nombre completo del país y no un código de dos letras.
En lo legal, este es de los servicios más ligeros del catálogo: una coordenada, su dirección más cercana y su zona horaria son hechos sobre un lugar, y ninguna de las diecinueve columnas describe a una persona. La geografía subyacente procede de OpenStreetMap, un mapa colaborativo público. La entrada, sin embargo, merece más reflexión que la salida. Una lista de coordenadas tomada de teléfonos, vehículos o wearables es un registro de dónde estuvieron personas o sus activos -dato personal en la mayoría de jurisdicciones antes de llegarnos- y resolverlo a direcciones postales lo hace más legible en vez de menos sensible, así que debería someterse al mismo criterio que los datos de localización de los que procede. Solo fuentes disponibles públicamente, nada tras un inicio de sesión, sin rastreadores de terceros en la capa de datos, y exports que se borran a los 30 días. Sus primeras 500 filas son gratis y no piden tarjeta.