解決Java中基于GeoTools的Shapefile讀取亂碼的問題
前言
文件編碼（File Encoding）是指文件在計算機中存儲時所使用的字符編碼方式。字符編碼是將字符（如字母、數字、標點符號等）轉換成計算機可以直接存儲和處理的數字或二進制代碼的過程。不同的編碼方式決定了文件中字符如何被表示和存儲，以及這些字符如何被不同的軟件或系統(tǒng)正確地讀取和顯示。在進行空間數據處理的時候，通常會涉及大量的空間數據，為了更加詳細且準確的描述這些空間數據，我們通過會配置一些屬性數據。
Shapefile屬性字段的編碼通常指的是存儲在shapefile的dbf（數據庫文件）中的屬性數據的字符編碼方式。Shapefile是一種用于存儲地理空間數據的文件格式，它由多個文件組成，其中dbf文件用于存儲每個幾何形狀的屬性數據。
1、Shapefile屬性字段編碼的情況：
默認編碼：
在不同的軟件或庫中，shapefile的默認編碼可能有所不同。例如，ArcGIS Desktop在較新版本（如10.2.1及以后）中，shapefile (.DBF) 的編碼頁的默認設置為UTF-8（UNICODE）。而在一些其他軟件或庫中，如Java GDAL庫，默認可能使用ISO-8859-1編碼，這會導致中文等非西歐字符出現亂碼問題。
編碼設置：
在使用某些軟件或庫處理shapefile時，可以通過設置來改變屬性字段的編碼方式。例如，在Java GDAL庫中，可以通過調GDAL.SetConfigOption("SHAPE_ENCODING","UTF-8")來設置GDAL庫的默認編碼為UTF-8，從而避免中文屬性亂碼的問題。在ArcGIS中，雖然默認編碼可能是UTF-8，但也可以通過修改注冊表中的dbfDefault值來指定不同的編碼方式。不過，這種方法主要影響ArcGIS Desktop生成的shapefile和dBASE文件的編碼類型，且僅對ArcGIS Desktop生效。
編碼轉換：
如果已經存在編碼不匹配的shapefile文件，可能需要通過編碼轉換工具來修改其屬性字段的編碼方式。例如，可以使用FME Workbench等GIS數據轉換工具來轉換shapefile的編碼。也可以使用編程方式，如利用geotools等庫來讀取原始編碼的shapefile文件，并以新的編碼方式重新寫入數據，從而實現編碼的轉換。
注意事項
在處理shapefile屬性字段編碼時，需要確保整個處理流程中的編碼方式一致，以避免出現亂碼或數據丟失等問題。如果shapefile文件是從不同來源獲取的，可能需要先確認其編碼方式，以便在后續(xù)處理中正確讀取和寫入數據。在進行編碼轉換時，應謹慎操作，以免損壞原始數據。建議在轉換前備份原始文件，并在轉換后進行驗證以確保數據的完整性和準確性。
本文主要講述使用Java編程語言進行地理信息數據解析的時候，遇到Shapefile的屬性信息亂碼的幾種情況，以及根據不同的編碼設置來進行屬性信息的解析。博文首先介紹采用不同的字符集編碼的shapefile文件，然后在Qgis中打開屬性表，查看相關的字符展示情況，接著說明在Java當中調用Geotools時，為經過字符編碼處理和經過字符編碼處理后的對比，讓大家熟悉在Geotools的開發(fā)過程中，掌握字符編碼的設置。
一、Shp文件常見的字符集編碼
為了講解使用不同的編碼來展示空間數據，我們首先來介紹基礎的數據，即三份不同的空間數據格式，其格式都是shapefile的。但是在不同的空間記錄中，其字段的值是采用不同的編碼的。在這里，采用QGIS這款軟件來進行屬性數據的展示，方便大家了解日常中的數據展示。
1、System編碼
第一種要介紹的就是System的編碼方式，這里采用的是用我國的Lake圖層信息，首先我們在Qgis中打開這份數據來看一下，文件的本地路徑為：
F:\vector_data\地理數據20240912\地理數據20240912\水系河流\1 全國1-5級標準河流-wgs84\主要湖泊面文件\Lake.shp
將數據在Qgis軟件中打開可以看到其主要的源信息描述如下：
可以在編碼一欄中看到，這份文件的編碼是System的。 為了看到其里面的屬性信息，可以右鍵點擊shp數據，點擊打開屬性表就可以看到這份數據的完整的數據信息，打開后相關信息如下所示：
在上圖的紅線框中很明顯可以看到，有一列叫NAME的，它的值是有亂碼的，并沒有是我們常見的編碼。 因此這算是亂碼的第一種情況。
2、ISO-8859-1編碼
第二種也是常見的ISO-8859-1編碼，這里準備的數據是一份湖南省的鄉(xiāng)鎮(zhèn)邊界數據，其在文件磁盤中目錄如下，：
C:\BaiduDownload\湖南省\湖南省_鄉(xiāng)鎮(zhèn)邊界.shp
同樣的，我們使用QGis軟件打開上面的鄉(xiāng)鎮(zhèn)邊界.shp文件，打開后可以看到很明確的字符編碼信息：
同樣的我們使用QGIS來進行屬性數據的打開查看， 詳細如下圖所示：
3、UTF-8編碼
這應該算是比較標準的編碼方式，如果進行數據制作的時候，都是統(tǒng)一采用UTF-8的模式，那么這種方式無疑是最好的，估計也不存在字符編碼的問題了。
這個時候，在QGIS中打開屬性表，其屬性字段的內容是正?？梢灾苯宇A覽的，詳情如下圖所示。
當然，字符編碼的處理方式根據項目的不同，也會有不同的設置，種類繁多，不甚枚舉，這里僅以這幾項為例作為例子來講解，如果以后在開發(fā)過程中，遇到這種情況，可以根據實際來進行編碼的擴充和修復。
二、GeoTools解析實戰(zhàn)
在上面的一節(jié)中，我們簡單的對三種不同的編碼方式的shapefile文件進行了簡單的介紹，本節(jié)則重點介紹如何使用Java開發(fā)語言，使用GeoTools的開發(fā)組件進行編碼的處理和轉換，將屬性數據可以成功讀取到我們的應用程序中。在這里需要統(tǒng)一說明的是，在進行數據的處理和轉換的時候，為了進行數據的演示，我們僅將數據的前10行數據記載處理，這樣如果有亂碼的問題，我們就可以直接進行干預，通過修改其它的字符集函數的方式來保證文字的識別與處理。
1、未進行字符處理
首先我們來加載UTF-8的矢量數據，測試一下使用UTF-8的情況下，如何使用GeoTools的方法來進行屬性表格的解析。下面來看如何使用GeoTools來進行空間屬性數據的解析與展示，關鍵代碼如下所示：
/**
* * 不做任何處理展示shp文件數據詳情
*
* @param shpFile shp文件地址
* @throws Exception
*/
protected static void showShpDetails(String shpFile) throws Exception {
File file = new File(shpFile);
if (!file.exists()) {
System.out.println("文件不存在");
return;
}
ShapefileDataStore store = new ShapefileDataStore(file.toURI().toURL());
String typeName = store.getTypeNames()[0];
// 創(chuàng)建一個Query對象
Query query = new Query(typeName);
// 設置查詢返回的最大特征數為10
query.setMaxFeatures(10);
SimpleFeatureSource featureSource = store.getFeatureSource();
// 執(zhí)行查詢
SimpleFeatureCollection simpleFeatureCollection = featureSource.getFeatures(query);
SimpleFeatureIterator itertor = simpleFeatureCollection.features();
// 遍歷featurecollection
while (itertor.hasNext()) {
SimpleFeature feature = itertor.next();
Collection<Property> p = feature.getProperties();
Iterator<Property> it = p.iterator();
// 遍歷feature的properties
while (it.hasNext()) {
Property pro = it.next();
if (null != pro && null != pro.getValue()) {
String field = pro.getName().toString();
String value = pro.getValue().toString();
System.out.println(field + "===" + value);
}
}
System.out.println("-----------------------------------------------------");
}
}在上面的代碼中，需要注意的地方就是，我們想要在查詢的時候只查10條，那么就需要使用到GeoTools的查詢Query對象，通過結合Query對象來實現只查10條。10條的設置是個經驗值，可以根據服務器的速度和性能來進行平衡，可以一次處理更多的數據。運行測試用例來看其讀取的結果如下：
可以看到，在IDE的控制臺中，讀取出來的空間屬性信息都是亂碼。
2、亂碼問題的解決
要想解決亂碼的問題，首先要找到根源。我們需要對屬性信息字段進行字符集編碼的控制。因此我們在互聯網上查詢一下，時候有相應的方案。在這里哪怕不管具體的方案，也要了解為什么會出現這個問題。我們來看下ShapefileDataStore這個對象，這個對象是有一個關于字符集的編碼的，如下所示：
如果看過源碼的話，各位小伙伴會發(fā)現，在GeoTools中有默認的編碼集，即：Charset charset = DEFAULT_STRING_CHARSET;
public static final Charset DEFAULT_STRING_CHARSET =
(Charset) ShapefileDataStoreFactory.DBFCHARSET.getDefaultValue();其實現的實際邏輯代碼如下：
/**
* Optional - character used to decode strings from the DBF file. If none is provided, the
* factory will instruct {@link ShapefileDataStore} to try to guess a charset from CPG file,
* before using a default value.
*
* @see ShapefileDataStore#setTryCPGFile(boolean)
*/
public static final Param DBFCHARSET =
new Param(
"charset",
Charset.class,
"character used to decode strings from the DBF file",
false,
StandardCharsets.ISO_8859_1,
new KVP(Param.LEVEL, "advanced")) {
/*
* This is an example of a non simple Param type where a custom parse method is required.
*
* @see org.geotools.data.DataStoreFactorySpi.Param#parse(java.lang.String)
*/
@Override
public Object parse(String text) throws IOException {
return Charset.forName(text);
}
@Override
public String text(Object value) {
return ((Charset) value).name();
}
};通過上面的代碼可以看到，這里使用的默認編碼是：StandardCharsets.ISO_8859_1,也就是ISO-8859-1的方式。
3、轉碼支持
了解了亂碼的產生原理之后，我們來進行相應的代碼轉換，關于編碼的轉換有兩種方式，第一種統(tǒng)一在Store一層就進行轉碼。這樣比較單一，也比較簡單。第二種就是在每一個value中進行編程式轉碼，這樣不僅麻煩，而且效率低。為了支持全局處理編碼等，我們將函數進行已統(tǒng)一的封裝，增加了自定義編碼的支持：
/**
* *展示shp文件數據詳情
*
* @param shpFile shp文件地址
* @param unifySetting 是否統(tǒng)一設置字符
* @param chartSet 需要設置的字符編碼
* @throws Exception
*/
protected static void showShpDetails(String shpFile, boolean unifySetting, String chartSet) throws Exception {
File file = new File(shpFile);
if (!file.exists()) {
System.out.println("文件不存在");
return;
}
ShapefileDataStore store = new ShapefileDataStore(file.toURI().toURL());
String typeName = store.getTypeNames()[0];
// 創(chuàng)建一個Query對象
Query query = new Query(typeName);
// 設置查詢返回的最大特征數為10
query.setMaxFeatures(10);
if (unifySetting) {
store.setCharset(Charset.forName(chartSet));// 設置中文字符編碼
}
SimpleFeatureSource featureSource = store.getFeatureSource();
System.out.println(featureSource);
// 執(zhí)行查詢
SimpleFeatureCollection simpleFeatureCollection = featureSource.getFeatures(query);
SimpleFeatureIterator itertor = simpleFeatureCollection.features();
// 遍歷featurecollection
while (itertor.hasNext()) {
SimpleFeature feature = itertor.next();
Collection<Property> p = feature.getProperties();
Iterator<Property> it = p.iterator();
// 遍歷feature的properties
while (it.hasNext()) {
Property pro = it.next();
if (null != pro && null != pro.getValue()) {
String field = pro.getName().toString();
String value = pro.getValue().toString();
if (!unifySetting) {
// byte[]bytes= value.getBytes("iso8859-1");
byte[] bytes = value.getBytes();
value = new String(bytes, chartSet);
}
System.out.println(field + "===" + value);
}
}
System.out.println("-------------------------------------------------------------");
}
}4、屬性字段編碼結果
下面對集中情況的屬性數據進行解析，將輸出的成果在編輯器的控制臺進行綜合展示。
可以在控制臺中看到以下的數據都是正常的，
org.geotools.data.shapefile.ShapefileFeatureStore@1b6e1eff the_geom===POINT (113.24947489555838 28.625229546432124) 名稱===南門橋(公交站) 大類===交通設施服務 中類===公交車站 小類===公交車站相關 地址===星通2路 省===湖南省 市===長沙市 區(qū)===長沙縣 WGS84_經===113.249474896 WGS84_緯===28.6252295464
同理，其它的數據如湖南省鄉(xiāng)鎮(zhèn)邊界數據，我們使用編碼后來查看具體的輸出。
同樣的，在控制臺中可以看到以下的輸出，
gml_id===layer_township_pg.15847
Name===星子鎮(zhèn)
layer===鄉(xiāng)鎮(zhèn)
code===441882101000
grade===4
----------------------------------------------------------------------
gml_id===layer_township_pg.15849
Name===三水瑤族鄉(xiāng)
layer===鄉(xiāng)鎮(zhèn)
code===441882201000
grade===4
同樣的，編碼方式是ISO-8859-1的數據經過編碼后正常顯示。 到此，使用Java語言進行GeoTools解析Shp文件的屬性信息時亂碼的問題得到解決。
三、總結
以上就是本文的主要內容，本文主要講述使用Java編程語言進行地理信息數據解析的時候，遇到Shapefile的屬性信息亂碼的幾種情況，以及根據不同的編碼設置來進行屬性信息的解析。博文首先介紹采用不同的字符集編碼的shapefile文件，然后在Qgis中打開屬性表，查看相關的字符展示情況，接著說明在Java當中調用Geotools時，為經過字符編碼處理和經過字符編碼處理后的對比，讓大家熟悉在Geotools的開發(fā)過程中，掌握字符編碼的設置。行文倉促，定有許多不足之處，如有不當之處，還懇請各位專家和博主在評論區(qū)留言支持，不勝感激。
博文在寫作過程中，參考以下，在此表示表示：
2、java gdal 創(chuàng)建shapefile屬性中文亂碼。
到此這篇關于在Java中基于GeoTools的Shapefile讀取亂碼的問題解決辦法的文章就介紹到這了,更多相關Java GeoTools的Shapefile讀取亂碼內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要介紹了詳解Mybatis-plus中更新date類型數據遇到的坑,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2020-10-10
Springboot+hibernate實現簡單的增刪改查示例
今天小編就為大家分享一篇Springboot+hibernate實現簡單的增刪改查示例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-08-08
在Spring框架中,Bean的管理是核心功能,主要通過IoC（控制反轉）容器實現,下面給大家介紹Spring中管理bean對象的方式,感興趣的朋友一起看看吧2025-06-06
項目中如果查詢數據是直接到MySQL數據庫中查詢的話，會查磁盤走IO，效率會比較低，所以現在一般項目中都會使用緩存，目的就是提高查詢數據的速度，將數據存入緩存中，也就是內存中，這樣查詢效率大大提高2022-11-11
springboot?去掉netflix?禁用Eureka的解決方法
這篇文章主要介紹了springboot?去掉netflix?禁用Eureka的解決方法,本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2023-09-09
Java 同步關鍵字 synchronized用法 、場景及避坑指南
synchronized 是 Java 最基礎、最常用的線程同步方式,優(yōu)點是 簡單易用、無需手動釋放鎖、JVM 自動優(yōu)化,適合解決大多數線程安全問題,本文給大家介紹Java 同步關鍵字 synchronized用法 + 場景 + 避坑指南,感興趣的朋友跟隨小編一起看看吧2025-12-12
本文主要介紹了Spring @Order注解的使用小結,文中通過示例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友們下面隨著小編來一起學習學習吧2025-01-01
過去使用ASP和ASP.NET兩種編程的時候，都寫過在線人數統(tǒng)計能，實現功能挺簡單的！今天使用java來實現在線人數統(tǒng)計有點另類，是通過Java監(jiān)聽器實現的，需要的朋友可以參考下2015-09-09
這篇文章主要為大家詳細介紹了Java中超大型文件讀取的18種方法和性能對比,文中的示例代碼簡潔易懂,感興趣的小伙伴可以跟隨小編一起學習一下2025-02-02
這篇文章主要介紹了Mybatis使用@param注解四種情況解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-08-08