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：

  1. 点（Point）：表示地理空间中的一个具体点。
  2. 线（LineString）：由两个或多个点组成的线段。
  3. 面（Polygon）：由多个点组成的闭合环，通常用于表示地理区域。
  4. 多点（MultiPoint）：多个点的集合。
  5. 多线（MultiLineString）：多个线段的集合。
  6. 多面（MultiPolygon）：多个多边形的集合。
  7. 几何集合（Geometry Collection）：不同类型几何对象的集合。
  8. 特征（Feature）：包含几何对象和属性的组合。
  9. 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：

  1. 类型（type）：GeoJSON对象的类型，如"Point"、"LineString"、"Polygon"等。

  2. 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。

  3. 属性（properties）：一个JSON对象，包含与几何对象相关的属性信息。

  4. 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。

  5. 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。

  6. 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

  1. {
  2.   "type": "Point",
  3.   "coordinates": [longitude, latitude]
  4. }

2.2、线（LineString）数据示例

  1. {
  2.   "type": "LineString",
  3.   "coordinates": [
  4.     [longitude1, latitude1],
  5.     [longitude2, latitude2],
  6.     // 更多点
  7.   ]
  8. }

2.3、面（Polygon）数据示例

  1. {
  2.   "type": "Polygon",
  3.   "coordinates": [
  4.     [
  5.       [longitude1, latitude1],
  6.       [longitude2, latitude2],
  7.       // 更多点，形成闭合环
  8.     ],
  9.     // 可选：内部环（洞）
  10.   ]
  11. }

2.4、特征（Feature）数据示例

  1. // point feature
  2.  
  3. {
  4.   "type": "Feature",
  5.   "geometry": {
  6.     "type": "Point",
  7.     "coordinates": [longitude, latitude]
  8.   },
  9.   "properties": {
  10.     "property1": "value1",
  11.     // 更多属性
  12.   }
  13. }
  14.  
  15. // line feature
  16.  
  17. {
  18.   "type": "Feature",
  19.   "geometry": {
  20.     "type": "LineString",
  21.     "coordinates": [
  22.       [-122.4194, 47.8584],
  23.       [-122.4141, 47.8586],
  24.       [-122.4112, 47.8583]
  25.     ]
  26.   },
  27.   "properties": {
  28.     "name": "LineString Example",
  29.     "description": "This is a line feature."
  30.   }
  31. }
  32.  
  33.  
  34. // polygon feature
  35.  
  36. {
  37.   "type": "Feature",
  38.   "geometry": {
  39.     "type": "Polygon",
  40.     "coordinates": [
  41.       [
  42.         [-122.4159, 47.8581],
  43.         [-122.4159, 47.8595],
  44.         [-122.4126, 47.8591],
  45.         [-122.4126, 47.8579],
  46.         [-122.4159, 47.8581]
  47.       ]
  48.     ]
  49.   },
  50.   "properties": {
  51.     "name": "Polygon Example",
  52.     "description": "This is a polygon feature."
  53.   }
  54. }

2.5、特征集合（Feature Collection）数据示例

  1. {
  2.   "type": "FeatureCollection",
  3.   "features": [
  4.     {
  5.       "type": "Feature",
  6.       "geometry": {
  7.         "type": "Point",
  8.         "coordinates": [longitude, latitude]
  9.       },
  10.       "properties": {
  11.         "property1": "value1",
  12.         // 更多属性
  13.       }
  14.     },
  15.     {
  16.       "type": "Feature",
  17.       "geometry": {
  18.         "type": "LineString",
  19.         "coordinates": [
  20.           [-122.4194, 47.8584],
  21.           [-122.4141, 47.8586],
  22.           [-122.4112, 47.8583]
  23.         ]
  24.       },
  25.       "properties": {
  26.         "name": "LineString Example",
  27.         "description": "This is a line feature."
  28.       }
  29.     },
  30.     {
  31.       "type": "Feature",
  32.       "geometry": {
  33.         "type": "Polygon",
  34.         "coordinates": [
  35.           [
  36.             [-122.4159, 47.8581],
  37.             [-122.4159, 47.8595],
  38.             [-122.4126, 47.8591],
  39.             [-122.4126, 47.8579],
  40.             [-122.4159, 47.8581]
  41.           ]
  42.         ]
  43.       },
  44.       "properties": {
  45.         "name": "Polygon Example",
  46.         "description": "This is a polygon feature."
  47.       }
  48.     }
  49.     // 更多特征
  50.   ]
  51. }

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

②点击导出

 ③选择数据格式并导出

        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

  1. import geopandas as gpd
  2.  
  3. # 读取Shapefile文件
  4. shp_file_path = 'path_to_your_shapefile.shp'  # 替换为你的Shapefile路径
  5. gdf = gpd.read_file(shp_file_path)
  6.  
  7. # 将GeoDataFrame转换为GeoJSON格式
  8. # epsg=4326代表WGS84坐标系，不需要坐标系可以省略该参数
  9. geojson = gdf.to_crs(epsg=4326).to_json()
  10.  
  11. # 可以选择将GeoJSON保存到文件
  12. with open('output.geojson', 'w') as f:
  13.     f.write(geojson)

3.2.3、使用geopandas库提供的simplify()方法来控制精度

  1. import geopandas as gpd
  2.  
  3. # 读取Shapefile文件
  4. shp_file_path = 'path_to_your_shapefile.shp'  # 替换为你的Shapefile路径
  5. gdf = gpd.read_file(shp_file_path)
  6.  
  7. # 使用simplify方法简化几何，tolerance参数控制简化的精度
  8. # 值越小，简化的程度越高，点的数量越少
  9. gdf_simplified = gdf.simplify(tolerance=0.001, preserve_topology=True)
  10.  
  11. # 将简化后的GeoDataFrame转换为GeoJSON格式
  12. geojson = gdf_simplified.to_json()
  13.  
  14. # 将GeoJSON保存到文件
  15. with open('output_simplified.geojson', 'w') as f:
  16.     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~

文章知识点与官方知识档案匹配，可进一步学习相关知识
算法技能树首页概览62647 人正在系统学习中
注：本文转载自blog.csdn.net的Watermelo617的文章"https://blog.csdn.net/RenGJ010617/article/details/138395134"。版权归原作者所有，此博客不拥有其著作权，亦不承担相应法律责任。如有侵权，请联系我们删除。
复制链接
相关推荐
发表评论

评论记录：

未查询到任何数据！