mapshaper 三步入门免费开源的地理数据工具让乱糟糟的 Shapefile 变成轻量地图【免费下载链接】mapshaperTools for editing Shapefile, GeoJSON, TopoJSON and CSV files项目地址: https://gitcode.com/gh_mirrors/ma/mapshaper上周我接了个活儿把一份十几年前的普查数据整理成网页地图。打开一看全是坑——.dbf 用 Excel 打不开字段乱码坐标整体漂移县城全跑到海里。我折腾了一下午最后是mapshaper把我捞出来的一个免费开源的本地地理数据处理工具格式转换、地图瘦身、数据清洗一条命令搞定。这篇就按我踩坑的顺序把用法讲给你听。mapshaper 是什么一句话定位 三张能力卡一句话定位mapshaper 是一个运行在浏览器和命令行里的开源地理数据处理工具专门解决数据格式对不上、文件太大、数据太脏这三类最常见的问题。能力它帮你做什么格式转换Shapefile / GeoJSON / TopoJSON / CSV / KML / GPKG 之间互转地图瘦身用算法删掉不重要的顶点体积大幅缩小形状基本不变空间操作裁剪、擦除、缓冲区、溶解、空间连接等常用分析它正好夹在重型桌面 GIS和在线转换网站中间前者功能全但笨重后者方便却要上传数据、功能单薄。mapshaper 本地运行、命令驱动、可以写进脚本整个工具也就几 MB。想读源码的话命令都放在 命令目录几何算法在 几何模块可以从这两处入手。上手路径从拖一下到一条命令我第一次用 mapshaper 其实没碰命令行——直接在浏览器里打开 mapshaper 网页版把 .shp 文件拖进去就能预览和操作连安装都省了。适合边看边调的探索阶段。等流程确认没问题再进入第二阶段装命令行版把操作固化下来。npm install -g mapshaper这段命令的意思是全局安装 mapshaper之后在任意目录敲mapshaper就能用。装完输入mapshaper --version验证一下即可。第三阶段是规模化当你需要每周处理几十个文件时把命令写进脚本循环就成了无人值守的自动流程后面会演示。小任务 1让数据变成网页能用的格式 第一个要解决的问题Shapefile 是桌面 GIS 的格式网页地图通常要 GeoJSON。而且我那份数据字段是乱码——这是老数据最常见的坑很多国内 Shapefile 的编码是 GBK 而不是 UTF-8。mapshaper towns.shp encodinggbk -o towns.geojson白话解释读入towns.shp时指定字段编码是 GBK避免乱码再导出成网页通用的towns.geojson。编码写对后属性表里的中文就恢复正常了不确定编码时运行mapshaper -encodings查看支持的全部编码列表。顺带一提如果网页端对体积敏感可以导出成 TopoJSON——它让相邻边界共享弧线同内容通常比 GeoJSON 小 2~5 倍。格式转换的底层实现集中在 格式模块每种格式一个模块。小任务 2给文件瘦身从几十 MB 到几 MB ⚡转完格式我以为完事了结果 GeoJSON 有 40 多 MB页面加载依旧很慢。真正的杀手锏是简化。mapshaper towns.geojson -simplify 10% -o towns_simplified.geojson白话解释只保留约 10% 的顶点其余交给算法挑着删——优先删掉对形状影响最小的点。简化后文件通常能缩到原来的十分之一左右轮廓肉眼看不出差别。上面这张图是简化前后的边界对比左侧保留全部细节右侧顶点大幅减少整体轮廓几乎一致。像县界这种锯齿密集的数据效果尤其明显——原始 TIGER 数据布满细碎折点简化后轮廓依然清楚下图就是我处理完的县界地图。简化算法实现在 简化模块想研究原理可以翻一翻。一句话原理简化 删掉不重要的点让文件变小但形状还像。小任务 3把脏数据洗干净、把坐标摆正 真实世界的数据很少干净多边形自相交、重复顶点、断裂边界、坐标系错误全都能遇到。我那份数据的坐标漂移就是坐标系没写对。这两个问题可以连成一条命令处理mapshaper messy.shp -proj wgs84 -clean -o fixed.shp白话解释先把数据投影到标准地理坐标系 WGS84坐标漂移大多是它引起的再自动修复自相交、无效环等几何毛病输出成干净的新文件。正式交付前跑一遍这步能省掉下游一堆莫名其妙的 bug。顺带一个小建议-o永远输出新文件源数据不会被改动所以放心大胆地试试错了重来就是。小任务 4空间分析 自动跑批 数据干净了接下来是干活。给河流数据做 1 公里缓冲区只要一行mapshaper rivers.shp -buffer 1km -o river_buffer.shp白话解释在每条河两侧生成距离 1 公里的等距区域常用于洪水范围、道路影响带这类分析。同理-clip裁剪、-erase擦除、-dissolve按字段溶解合并、-join做空间连接都是类似的一行命令。当处理对象从一个文件变成几十个文件就轮到自动化上场。把命令写进循环配上-each改字段、-filter按条件过滤、-define定义变量就能覆盖读入→清洗→简化→导出的全流程for f in *.shp; do mapshaper $f -simplify 50% -o out/${f%.shp}.geojson done白话解释把当前目录下每个 .shp 都简化一半导出成同名 GeoJSON 到 out 目录。我后来把它接进定时任务每周自动处理一次增量数据全程无人值守。三种人用它解决了什么问题前端同学从政府开放数据站点下到的边界文件用 mapshaper 转成 TopoJSON 再简化地图加载从卡死变秒开。数据分析师每周要合并、清洗各省上报的数据文件。把 mapshaper 命令写进脚本清洗流程可复现、可审计换谁跑结果都一样。GIS 初学者在网页版拖一个文件进去拉动简化滑块立刻看到边界一点点变光滑——简化算法到底在干嘛这个问题玩五分钟就懂了拿来当教学演示也特别好用。新手最易搞错的 3 件事❌ 字段乱码以为数据坏了想重下数据 → ✅ 多半只是编码没指定encodinggbk或 big5 等一条参数就解决。❌ 简化后形状崩了直接放弃简化 → ✅ 试试换算法-simplify visvalingam/-simplify dp或把比例调高一点5% 和 20% 的观感差别很大自己试一下最直观。❌ 担心命令会破坏源文件 → ✅-o永远写新文件源数据一动不动放心折腾。最后回头看我那个乱成一团的下午真正救场的不是某个炫技功能而是简单、可复现、本地运行这三个朴素特质。mapshaper 没有花哨的界面但把地理数据处理里最常见的 80% 需求做得又快又稳还免费开源、跨平台。现在就去装一个挑一份你手头最乱的数据文件跑一遍上面四个小任务——十分钟后你大概会和我一样感叹原来这事儿可以这么轻。【免费下载链接】mapshaperTools for editing Shapefile, GeoJSON, TopoJSON and CSV files项目地址: https://gitcode.com/gh_mirrors/ma/mapshaper创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
