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(shù)字、標點符號等）轉(zhuǎn)換成計算機可以直接存儲和處理的數(shù)字或二進制代碼的過程。不同的編碼方式?jīng)Q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(shù)據(jù)處理的時候，通常會涉及大量的空間數(shù)據(jù)，為了更加詳細且準確的描述這些空間數(shù)據(jù)，我們通過會配置一些屬性數(shù)據(jù)。

Shapefile屬性字段的編碼通常指的是存儲在shapefile的dbf（數(shù)據(jù)庫文件）中的屬性數(shù)據(jù)的字符編碼方式。Shapefile是一種用于存儲地理空間數(shù)據(jù)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(shù)據(jù)。

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(xiàn)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(diào)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(zhuǎn)換：
如果已經(jīng)存在編碼不匹配的shapefile文件，可能需要通過編碼轉(zhuǎn)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(shù)據(jù)轉(zhuǎn)換工具來轉(zhuǎn)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(shù)據(jù)，從而實現(xiàn)編碼的轉(zhuǎn)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(xiàn)亂碼或數(shù)據(jù)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(shù)據(jù)。在進行編碼轉(zhuǎn)換時，應謹慎操作，以免損壞原始數(shù)據(jù)。建議在轉(zhuǎn)換前備份原始文件，并在轉(zhuǎn)換后進行驗證以確保數(shù)據(jù)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(shù)據(jù)解析的時候，遇到Shapefile的屬性信息亂碼的幾種情況，以及根據(jù)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(diào)用Geotools時，為經(jīng)過字符編碼處理和經(jīng)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(shù)據(jù)，我們首先來介紹基礎的數(shù)據(jù)，即三份不同的空間數(shù)據(jù)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(shù)據(jù)的展示，方便大家了解日常中的數(shù)據(jù)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(shù)據(jù)來看一下，文件的本地路徑為：

F:\vector_data\地理數(shù)據(jù)20240912\地理數(shù)據(jù)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(shù)據(jù)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(shù)據(jù)，點擊打開屬性表就可以看到這份數(shù)據(jù)的完整的數(shù)據(jù)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(shù)據(jù)是一份湖南省的鄉(xiāng)鎮(zhèn)邊界數(shù)據(jù)，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(shù)據(jù)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(shù)據(jù)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(nèi)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(jù)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(jù)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(zhuǎn)換，將屬性數(shù)據(jù)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(shù)據(jù)的處理和轉(zhuǎn)換的時候，為了進行數(shù)據(jù)的演示，我們僅將數(shù)據(jù)的前10行數(shù)據(jù)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(shù)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(shù)據(jù)，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(shù)據(jù)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(shù)據(jù)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(shù)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(xiàn)只查10條。10條的設置是個經(jīng)驗值，可以根據(jù)服務器的速度和性能來進行平衡，可以一次處理更多的數(shù)據(jù)。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(lián)網(wǎng)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(xiàn)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(xiàn)，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(xiàn)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(zhuǎn)碼支持

了解了亂碼的產(chǎn)生原理之后，我們來進行相應的代碼轉(zhuǎn)換，關于編碼的轉(zhuǎn)換有兩種方式，第一種統(tǒng)一在Store一層就進行轉(zhuǎn)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(zhuǎn)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(shù)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(shù)據(jù)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(shù)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(shù)據(jù)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(shù)據(jù)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(jīng)===113.249474896
WGS84_緯===28.6252295464

同理，其它的數(shù)據(jù)如湖南省鄉(xiāng)鎮(zhèn)邊界數(shù)據(jù)，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(shù)據(jù)經(jīng)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(nèi)容，本文主要講述使用Java編程語言進行地理信息數(shù)據(jù)解析的時候，遇到Shapefile的屬性信息亂碼的幾種情況，以及根據(jù)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(diào)用Geotools時，為經(jīng)過字符編碼處理和經(jīng)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：

1、shapefile與字符集編碼設置。

2、java gdal 創(chuàng)建shapefile屬性中文亂碼。

3、shapefile與字符集編碼設置。

4、GeoTools讀取shp文件中文亂碼解決方案匯總。

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(nèi)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！