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

python%E5%B0%86Shapefile%E8%BD%AC%E5%8C%96%E4%B8%BAGeoJSON-toc" style="margin-left:40px;">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

javascript">{"type": "Point","coordinates": [longitude, latitude]
}

2.2、线（LineString）数据示例

javascript">{"type": "LineString","coordinates": [[longitude1, latitude1],[longitude2, latitude2],// 更多点]
}

2.3、面（Polygon）数据示例

javascript">{"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

javascript">// 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

javascript">{"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

②点击导出

 ③选择数据格式并导出

        就这样一个不完整的边界地图，就有4MB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。

python%E5%B0%86Shapefile%E8%BD%AC%E5%8C%96%E4%B8%BAGeoJSON">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

python">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

python">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~