HTML应用指南：利用POST请求获取全国鸿蒙智行门店位置信息
鸿蒙智行（Harmony Intelligent Mobility Alliance）是以鸿蒙操作系统为技术底座，深度融合智能座舱、自动驾驶、车路协同与全场景生态能力的高端智能汽车品牌联盟。始终秉持“用技术重塑真实出行体验”的产品哲学，致力于通过搭载鸿蒙座舱的智能电动车型，为用户打造无缝、安全、愉悦的智慧出行生活方式。在中国市场，鸿蒙智行持续推进“线上体验+线下沉浸”的新零售战略，自2023年起系统性构建以用户为中心的线下体验网络，目前已在北京、上海、广州、深圳、杭州、成都、武汉、西安、石家庄等核心城市布局鸿蒙智行用户中心与授权体验店，并通过与华为智能生活馆、AITO用户中心、高端商场及城市地标空间深度合作，设立品牌专属展区或快闪互动空间，形成以鸿蒙智行用户中心为核心、高端渠道专区为延伸、本地化交付与服务中心为支撑的轻量化线下触点体系。
这些线下触点并非传统汽车4S店，而是聚焦“人-车-家”全场景智慧出行体验的交互空间。用户可在店内沉浸式体验问界M9、智界S7、享界S9等旗舰车型，直观感受鸿蒙座舱的多设备无缝流转、AI语音助手“小艺”的全场景理解能力、ADS高阶智驾的城区领航表现，以及与华为手机、平板、智能家居的深度互联。门店普遍采用极简科技美学设计，强调开放性与未来感：设有实车静态展示区、鸿蒙座舱交互体验台、智驾功能模拟舱、家庭生态联动演示墙，以及自助式数字信息屏。部分重点城市旗舰店（如北京三里屯、上海静安嘉里中心、深圳万象天地）还配备“鸿蒙出行顾问”，可基于用户通勤路线、家庭结构（如多孩、跨城通勤、科技爱好者）提供个性化用车方案，并支持现场预约试驾、上门交付、OTA远程调试及全生命周期服务，真正实现“体验—决策—交付—服务”闭环。
本文旨在通过程序化方式，调用鸿蒙智行公开接口，自动化采集全国授权体验店与用户中心的结构化数据。利用 Python 的 requests 库发起标准 HTTP POST 请求，可高效获取包含门店名称、省市区信息、详细地址、营业时间、经纬度坐标、联系电话及服务类型（如“试驾体验、交付服务、售后支持”）等字段的 JSON 响应。通过对这些数据的整合与地理可视化，我们不仅能清晰描绘鸿蒙智行当前的线下服务网络密度与区域覆盖策略，还可为潜在渠道优化、用户就近试驾匹配、区域营销资源投放等提供可量化的决策依据——这正是“用数据理解智慧出行服务网络”的一次实践，也呼应了鸿蒙智行一贯坚持的理性、透明、以用户效率与体验为中心的品牌价值观。
鸿蒙智行线下门店查询地址：门店查询 - 鸿蒙智行官网
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POST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，页面码等标签，没有进行加密；
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result里；
接下来就是数据获取部分，先讲一下方法思路，一共三个步骤；
方法思路
- 找到对应数据存储位置，获取所有门店列表的相关标签数据；
- 我们通过requests库发送HTTP请求来获取全国门店的标签数据；
- 坐标转换，通过coord-convert库实现GCJ-02转WGS84；
第一步：我们直接在"Fetch/XHR"先找到对应数据存储位置，获取所有门店列表， 我们可以看到数据标签有坐标、门店名称、门店类型等不同标签信息；
第二步：利用POST请求获取所有门店列表，并根据标签进行保存，另存为csv；
完整代码#运行环境 Python 3.11
import requests
import csv# 接口配置
url = "https://cbg.huawei.com/isrp/lms/store-info/car-store-list/query"
payload = {"brandCodes": ["JK"]}# 添加请求头
headers = {"User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/128.0.0.0 Safari/537.36","Content-Type": "application/json"
}# 发送请求
response = requests.post(url, json=payload, headers=headers)# 检查响应
if response.status_code != 200:print(f"请求失败，状态码: {response.status_code}")exit()data = response.json()
if data.get("status") != "success":print("接口返回非成功状态")exit()stores = data.get("result", [])
print(f"共获取到 {len(stores)} 家门店数据。")# 准备 CSV 字段
csv_file = "huawei_stores.csv"
fieldnames = ["storeName","cityName","county","glatitude","glongitude","storeAddress","fixedLinePhoneNumber","workingHours"
]# 写入 CSV
with open(csv_file, mode='w', encoding='utf-8-sig', newline='') as f:writer = csv.DictWriter(f, fieldnames=fieldnames)writer.writeheader()for store in stores:row = {"storeName": store.get("storeName", ""),"cityName": store.get("cityName", ""),"county": store.get("county", ""),"glatitude": store.get("glatitude", ""),"glongitude": store.get("glongitude", ""),"storeAddress": store.get("storeAddress", ""),"fixedLinePhoneNumber": store.get("fixedLinePhoneNumber", ""),"workingHours": store.get("workingHours", "")}writer.writerow(row)print(f"数据已成功保存到 {csv_file}")
获取数据标签如下：storeName（门店名称）、cityName（地级行政区）、county（县级行政区）、storeAddress（地址）、fixedLinePhoneNumber（电话）、workingHours（营业时间）、lng & lat（地理坐标），其他一些非关键标签，这里省略；
第三步：坐标系转换，由于鸿蒙智行门店数据使用的是百度坐标系（BD-09），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BD-09转换为WGS-84坐标系。我们可以利用coord-convert库中的bd2wgs(lng, lat)函数，也可以用免费这个网站：批量转换工具：地图坐标系批量转换 - 免费在线工具；
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，我们进行看图说话：
门店高度集中于长三角、珠三角和京津冀三大城市群，形成全国最核心的三大高密度区域。在地图上，江苏、浙江与上海几乎连成一片“红云”——仅苏州工业园区、杭州未来科技城、宁波鄞州区等地就密集分布着十余家门店；广东的广州天河、深圳南山、东莞松山湖、佛山南海构成一条连续的带状高密度走廊，部分相邻门店直线距离不足5公里；北京五环内、天津市区及河北廊坊、保定一线也呈现明显聚集，尤其在北京中关村、望京、亦庄等科技与商业核心区，门店布局尤为密集。这三大城市群不仅经济活跃、人口密集，还拥有大量高净值家庭和科技消费人群，因此合计占据了全国门店总量的六成以上，成为品牌线下网络的绝对主干。
中西部地区则呈现“省会孤岛”式布局，覆盖范围极其有限。成都的门店主要集中在高新区、锦江区和天府新区，重庆则聚焦于渝北、江北和南岸等核心城区；武汉以武昌光谷、汉口江汉路为双中心布局；西安门店几乎全部集中在雁塔区（小寨、高新）和未央区。一旦离开这些城市中心，周边地级市如绵阳、宜昌、洛阳、榆林等地基本无任何门店覆盖。更西部的新疆、青海、西藏、内蒙古等地，仅在乌鲁木齐、呼和浩特、西宁、拉萨等首府城市设有1–2个体验点，且多位于城市核心商圈，服务半径极大。这种“只进省会、不下地市”的策略，清晰反映出品牌现阶段对中西部仍以试点和品牌展示为主，尚未进入规模化下沉阶段。
东北地区整体布局薄弱，华北与华中也存在明显空白带。沈阳、大连、哈尔滨虽有零星门店，但长春、吉林市、大庆、鞍山等地完全空白；山西除太原外无任何覆盖，内蒙古中西部除呼和浩特外几乎全空；华中地区除武汉、郑州外，湖南、江西的门店也仅限长沙五一广场、南昌红谷滩等极小范围。全国约70%的门店集中在胡焕庸线以东，80%以上位于中国GDP百强城市范围内，充分说明品牌对高消费力、高人口密度、高数字化接受度区域的强依赖。这种“精准锚定”的策略虽能高效触达目标用户，但也意味着广大三四线及县域市场仍处于服务盲区。
门店选址高度倾向高端商圈、科技园区与城市地标，而非传统汽车销售聚集区。例如，北京三里屯太古里、上海静安嘉里中心、深圳万象天地、成都IFS/太古里、杭州湖滨银泰等高端商业体周边均设有体验店；同时，深圳南山科技园、北京中关村、武汉光谷、西安软件新城等科技产业聚集区也是重点布点区域。地图上这些红点往往与大型购物中心、华为旗舰店或高端家电卖场位置高度重合。几乎没有一家门店出现在县级市、传统汽贸城或郊区汽车园区，进一步印证其“轻资产、重体验、强场景”的线下逻辑——不是卖车的地方，而是让用户沉浸式感受“人-车-家”全场景智慧生态的空间。
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。