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。
- "type": "FeatureCollection"：表示这是一个特征集合对象。
-
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
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 geopandas3.2.2、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~
