| shpfile转GeoJSON；控制shp转GeoJSON的精度；如何获取GeoJSON；GeoJSON是什么有什么用；GeoJSON结构详解（带数据示例） | 您所在的位置：网站首页 › shp转成cad后坐标偏移了 › shpfile转GeoJSON；控制shp转GeoJSON的精度；如何获取GeoJSON；GeoJSON是什么有什么用；GeoJSON结构详解（带数据示例） |
shpfile转GeoJSON；控制shp转GeoJSON的精度；如何获取GeoJSON；GeoJSON是什么有什么用；GeoJSON结构详解（带数据示例）
|
目录 一、GeoJSON是什么 二、GeoJSON的结构组成 2.1、点（Point）数据示例 2.2、线（LineString）数据示例 2.3、面（Polygon）数据示例 2.4、特征（Feature）数据示例 2.5、特征集合（Feature Collection）数据示例 三、GeoJSON的获取方式 3.1、在线网站mapshaper 3.1.1、mapshaper简介 3.1.2、操作步骤 ①载入Shapefile数据 ②点击导出 ③选择数据格式并导出 3.2、使用python将Shapefile转化为GeoJSON 3.2.1、安装geopandas库 3.2.2、使用geopandas读取Shapefile文件，并转换为GeoJSON格式 3.2.3、使用geopandas库提供的simplify()方法来控制精度 四、总结 一、GeoJSON是什么GeoJSON是一种编码各种地理数据结构的格式。它是JSON（JavaScript Object Notation）的一个地理空间扩展，用于在网络中交换地理数据。GeoJSON对象可以表示几何（点、线、面）、特征（包含几何和属性的对象）以及特征集合。 GeoJSON的核心组成部分包括： 点（Point）：表示地理空间中的一个具体点。线（LineString）：由两个或多个点组成的线段。面（Polygon）：由多个点组成的闭合环，通常用于表示地理区域。多点（MultiPoint）：多个点的集合。多线（MultiLineString）：多个线段的集合。多面（MultiPolygon）：多个多边形的集合。几何集合（Geometry Collection）：不同类型几何对象的集合。特征（Feature）：包含几何对象和属性的组合。特征集合（Feature Collection）：多个特征的集合。GeoJSON广泛应用于地理信息系统（GIS）、地图服务和位置智能应用中，是许多现代地图库和地理数据服务的标准格式之一。由于其基于JSON，GeoJSON易于阅读和编写，同时也方便与Web技术集成。 二、GeoJSON的结构组成GeoJSON是一种基于JSON格式的地理数据编码标准，其结构由一系列的键值对组成，用于描述地理空间数据。下面是GeoJSON的主要组成结构： 类型（type）：GeoJSON对象的类型，如"Point"、"LineString"、"Polygon"等。 坐标（coordinates）：表示几何对象的位置，由经纬度组成的数组。对于不同的几何类型，坐标的格式会有所不同。 属性（properties）：一个JSON对象，包含与几何对象相关的属性信息。 特征（Feature）：一个包含几何对象和属性的对象，它有以下键： "type": "Feature"：表示这是一个特征对象。"geometry"：几何对象，可以是"Point"、"LineString"、"Polygon"等。 "properties"：与几何对象相关的属性。特征集合（Feature Collection）：一个包含多个特征的对象，它有以下键： "type": "FeatureCollection"：表示这是一个特征集合对象。 "features"：一个数组，包含该集合中的所有特征对象。CRS（坐标参考系统）：可选字段，指定了GeoJSON数据使用的坐标系统。 2.1、点（Point）数据示例 { "type": "Point", "coordinates": [longitude, latitude] } 2.2、线（LineString）数据示例 { "type": "LineString", "coordinates": [ [longitude1, latitude1], [longitude2, latitude2], // 更多点 ] } 2.3、面（Polygon）数据示例 { "type": "Polygon", "coordinates": [ [ [longitude1, latitude1], [longitude2, latitude2], // 更多点，形成闭合环 ], // 可选：内部环（洞） ] } 2.4、特征（Feature）数据示例 // point feature { "type": "Feature", "geometry": { "type": "Point", "coordinates": [longitude, latitude] }, "properties": { "property1": "value1", // 更多属性 } } // line feature { "type": "Feature", "geometry": { "type": "LineString", "coordinates": [ [-122.4194, 47.8584], [-122.4141, 47.8586], [-122.4112, 47.8583] ] }, "properties": { "name": "LineString Example", "description": "This is a line feature." } } // polygon feature { "type": "Feature", "geometry": { "type": "Polygon", "coordinates": [ [ [-122.4159, 47.8581], [-122.4159, 47.8595], [-122.4126, 47.8591], [-122.4126, 47.8579], [-122.4159, 47.8581] ] ] }, "properties": { "name": "Polygon Example", "description": "This is a polygon feature." } } 2.5、特征集合（Feature Collection）数据示例 { "type": "FeatureCollection", "features": [ { "type": "Feature", "geometry": { "type": "Point", "coordinates": [longitude, latitude] }, "properties": { "property1": "value1", // 更多属性 } }, { "type": "Feature", "geometry": { "type": "LineString", "coordinates": [ [-122.4194, 47.8584], [-122.4141, 47.8586], [-122.4112, 47.8583] ] }, "properties": { "name": "LineString Example", "description": "This is a line feature." } }, { "type": "Feature", "geometry": { "type": "Polygon", "coordinates": [ [ [-122.4159, 47.8581], [-122.4159, 47.8595], [-122.4126, 47.8591], [-122.4126, 47.8579], [-122.4159, 47.8581] ] ] }, "properties": { "name": "Polygon Example", "description": "This is a polygon feature." } } // 更多特征 ] } 三、GeoJSON的获取方式 3.1、在线网站mapshaper 3.1.1、mapshaper简介传送门：mapshaper 这玩意儿谁用谁知道，特别方便。缺点就是不知道怎么调整精度，精度有些太高了，随随便便一个省的地级市GeoJSON都有十几MB，几十万甚至上百万组坐标点，很多时候不需要那么精确，数据量太大会导致可读性严重降低，并且二次处理困难，读取速度受限。 3.1.2、操作步骤 ①载入Shapefile数据
就这样一个长三角区域的市级行政矢量图，就有1.3MB的数据量，真的有点夸张，其实大多数情况下这种数据导出的GeoJSON能有个100KB就完全够用了。 3.2、使用python将Shapefile转化为GeoJSON 3.2.1、安装geopandas库 pip install geopandas 3.2.2、使用geopandas读取Shapefile文件，并转换为GeoJSON格式 import geopandas as gpd # 读取Shapefile文件 shp_file_path = 'path_to_your_shapefile.shp' # 替换为你的Shapefile路径 gdf = gpd.read_file(shp_file_path) # 将GeoDataFrame转换为GeoJSON格式 # epsg=4326代表WGS84坐标系，不需要坐标系可以省略该参数 geojson = gdf.to_crs(epsg=4326).to_json() # 可以选择将GeoJSON保存到文件 with open('output.geojson', 'w') as f: f.write(geojson) 3.2.3、使用geopandas库提供的simplify()方法来控制精度 import geopandas as gpd # 读取Shapefile文件 shp_file_path = 'path_to_your_shapefile.shp' # 替换为你的Shapefile路径 gdf = gpd.read_file(shp_file_path) # 使用simplify方法简化几何，tolerance参数控制简化的精度 # 值越小，简化的程度越高，点的数量越少 gdf_simplified = gdf.simplify(tolerance=0.001, preserve_topology=True) # 将简化后的GeoDataFrame转换为GeoJSON格式 geojson = gdf_simplified.to_json() # 将GeoJSON保存到文件 with open('output_simplified.geojson', 'w') as f: f.write(geojson) 四、总结在使用Openlayers、leaflet、mapbox等地图控件的时候，GeoJSON几乎是不可避免打交道的数据类型，如果您想要从事gis行业相关的开发工作，本篇文章应该能为您带来一些帮助。 博客不应该只有代码和解决方案，重点应该在于给出解决方案的同时分享思维模式，只有思维才能可持续地解决问题，只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助，麻烦您点个赞支持一下，还可以收藏起来以备不时之需，有疑问和错误欢迎在评论区指出~ |
【本文地址】