mdb转gdb实现过程介绍（1）mdb地理数据库结构解析和gdb库的创建

内容提示：

---

mdb数据转出为gdb，应保留原mdb的库体结构。库体结构中，应该正确处理数据集、要素类和表之间的结构。

        数据集：保持数据集结构；

        要素类：要素类位于mdb根目录或数据集下；

        表：表位于mdb根目录。

要实现mdb转gdb后，数据库库体结构保持一致，不是一件容易的事，本文完整记录了解析mdb库体结构的过程。

图很多，内容可能有一些难度，感兴趣的朋友，可以动手做一做。

---

• mdb（个人地理数据库）转shape file其实并不简单

1、 pyodbc 解析mdb库体结构

        将mdb转为gdb，第一步就是先解析mdb库体结构，得到mdb下数据集、要素类、表之间的组织结构，以及创建数据集、要素类和表所需要的信息，如空间参考、名称、字段属性信息等。

        获取的mdb地理数据库，可能存在多个数据集，数据集下可能存在要素类，也可能为空，并且有些要素类和表位于mdb根目录。

        mdb地理数据示意如下：

1.1 使用odb解析mdb库体结构

        01 使用odbc读取mdb

# 定义连接字符串和MDB文件路径driver = '{Microsoft Access Driver (*.mdb, *.accdb)}'mdb_file = r"D:\data\tess.mdb"conn_str = f'Driver={driver};DBQ={mdb_file}'# 执行连接conn = pyodbc.connect(conn_str)

（1）很可能会报错：

        ERROR 1: Unable to initialize ODBC connection to DSN

（2）需要安装：

        直接双击安装，可能会报如下错误：

        在命令行窗口，找到AccessDatabaseEngine_X64.exe所在目录，执行如下命令即可：

AccessDatabaseEngine_X64.exe /quiet

（3）列出mdb中的所有表：

import pyodbc# 定义MDB文件路径和ODBC驱动mdb_file = r"D:\data\tess.mdb"driver = '{Microsoft Access Driver (*.mdb, *.accdb)}'# 连接到数据库conn = pyodbc.connect(f'Driver={driver};DBQ={mdb_file}')cursor = conn.cursor()# 获取所有表名tables = cursor.tables(tableType='TABLE')# 输出所有表名for table in tables:    print(table.table_name)# 关闭连接cursor.close()conn.close()

        输出中，对比mdb示意中的数据，能快速发现一堆不认识的表名，如下图绿色边框所示，可能和存放了mdb中一些特别的信息。

（4）获取数据库中的系统表格信息

        实际上，这些以“MDB”开头的表，事mdb的系统表。存放着地理信息数据相关的信息。我们需要打开这些表，进一步分析。

        获取系统表信息的代码如下：

import pandas as pdimport pyodbcmdb_file = r"D:\data\tess.mdb"driver = '{Microsoft Access Driver (*.mdb, *.accdb)}'conn = pyodbc.connect(f'Driver={driver};DBQ={mdb_file}')cursor = conn.cursor()# 获取数据库中的系统表格信息system_tables = [    "GDB_ColumnInfo",        "GDB_DatabaseLocks",        "GDB_GeomColumns",        "GDB_ItemRelationships",        "GDB_ItemRelationshipTypes",        "GDB_Items",        "GDB_Items_Shape_Index",        "GDB_ItemTypes",        "GDB_ReplicaLog",        "GDB_SpatialRefs"]for table1 in system_tables:    # 获取每个表的列信息    cursor.execute(f"SELECT * FROM [{table1}]")    table1_columns = [column[0] for column in cursor.description]    # 获取查询结果    rows = cursor.fetchall()    if len(rows) == 0:        continue    table1_val = []    for row in rows:        # 将每个表的字段值分别存放在不同的列表中        table1_val.append([val for idx, val in enumerate(row) if idx < len(table1_columns)])    table2_df = pd.DataFrame(table1_val, columns=table1_columns)    print(f"表{table1}数据:")    print(table2_df)

        每个表格对应的字段信息如下：

        GDB_ColumnInfo（GDB列信息）：这张表存储了地理数据库中每个表的列信息，包括表名、字段名以及列的标志位。

        GDB_GeomColumns（GDB几何列）：这张表包含了地理数据库中几何列的信息，包括表名、字段名、几何类型、空间范围以及其他几何相关的属性。

        GDB_ItemRelationships（GDB项关系）：这张表记录了地理数据库中各项之间的关系，包括源项、目标项、关系类型以及一些属性。

        GDB_ItemRelationshipTypes（GDB项关系类型）：这张表存储了地理数据库中项之间关系的类型信息，包括关系类型的UUID、原始项类型ID、目标项类型ID以及前向和后向标签等。

        GDB_Items（GDB项）：这张表包含了地理数据库中所有项的基本信息，包括项的UUID、类型、名称、物理名称、路径、数据集子类型等。

        终于，出现了我们熟悉的内容：

        GDB_Items_Shape_Index 的表存储了地理数据库中各项几何形状的索引信息

        GDB_ItemTypes（GDB项类型）：这张表定义了地理数据库中项的类型，包括项类型的UUID、父类型ID和名称等。

   GDB_SpatialRefs表提供了地理数据库中使用的各种空间参考的详细信息，包括了坐标系的定义、偏移量、单位和容差等信息。

（5）系统表之间的关联分析

        从步骤（4）中对各个表格信息的查看，似乎都看不懂这些信息是什么意思。只有表GDB_Items中出现了mdb中的图层名。

        因此，找出表之间的关联，尤其是与表GDB_Items的关联，似乎就能找到答案。

system_tables = [
    "GDB_ColumnInfo",
    "GDB_DatabaseLocks",
    "GDB_GeomColumns",
    "GDB_ItemRelationships",
    "GDB_ItemRelationshipTypes",
    "GDB_Items",
    "GDB_Items_Shape_Index",
    "GDB_ItemTypes",
    "GDB_ReplicaLog",
    "GDB_SpatialRefs"
]

        系统表之间关联分析的代码实现如下：

import pyodbcimport pandas as pddef get_conn(mdb_file):    # 定义连接字符串和MDB文件路径    driver = '{Microsoft Access Driver (*.mdb, *.accdb)}'    conn_str = f'Driver={driver};DBQ={mdb_file}'    conn = pyodbc.connect(conn_str)    return conndef check_relations(conn):    # 执行连接    cursor = conn.cursor()    # 定义要合并的系统表    system_tables = [        "GDB_ColumnInfo",        "GDB_DatabaseLocks",        "GDB_GeomColumns",        "GDB_ItemRelationships",        "GDB_ItemRelationshipTypes",        "GDB_Items",        "GDB_Items_Shape_Index",        "GDB_ItemTypes",        "GDB_ReplicaLog",        "GDB_SpatialRefs"    ]    # 获取每个表的列信息    table_columns = {}    for table_name in system_tables:        cursor.execute(f"SELECT * FROM [{table_name}]")        columns = [column[0] for column in cursor.description]        table_columns[table_name] = columns    # 预先设置每个单元格的长度    cell_length = 30  # 调整为 26 来保持一致性    # 打印表之间的关系    print("Table Relations:")    split_line = "+" + "-" * ((len(system_tables) + 1) * cell_length) + "+"    print(split_line)    # 打印表头    row = " " * cell_length + "|"    for table_name in system_tables:        row += f" {table_name.center(cell_length)}|"    print(row)    # 打印分割线    print(split_line)    # 打印表之间的关系    table_relations = []    for idx, table_name1 in enumerate(system_tables):        row = f"| {table_name1.center(cell_length)} |"        for table_name2 in system_tables:            if table_name1 != table_name2:  # 排除同一个表之间的关系                common_columns = set(table_columns[table_name1]) & set(table_columns[table_name2])                if common_columns:                    table_relations.append([table_name1, table_name2])                    row += f"{' √ '.center(cell_length)}|"                else:                    row += f"{' - '.center(cell_length)}|"            else:                row += f"{' - '.center(cell_length)}|"        print(row)    # 打印分割线    print(split_line)    # # 关闭连接    cursor.close()    # 使用集合去除重复关系    unique_relations = {tuple(sorted(relation)) for relation in table_relations}    # 将集合转换回列表形式    table_relations = [list(relation) for relation in unique_relations]    return table_relationsif __name__ == '__main__':    mdb_file = r"D:\data\tess.mdb"    # 执行连接    conn = get_conn(mdb_file)    table_relations = check_relations(conn)

        表格有点长，可能需要放大才能看清楚。

        在对表之间的关联分析时，我们采取判断两个表是否存在相同的字段名，再将同名字段作为“键”进行连接分析。

        表之间，使用二维矩阵对其进行查看，表格值为“√”的，代表两个表格至少存在一个同名字段。表之间的关系如下：

将存在同名字段的表关系提取如下：

        1：['GDB_ItemRelationships', 'GDB_Items']

        2：['GDB_ItemRelationshipTypes', 'GDB_ItemRelationships']

        3：['GDB_ItemRelationshipTypes', 'GDB_ItemTypes']

        4：['GDB_ColumnInfo', 'GDB_GeomColumns']

        5：['GDB_GeomColumns', 'GDB_SpatialRefs']

        6：['GDB_ItemTypes', 'GDB_Items']

        7：['GDB_ItemRelationships', 'GDB_ItemTypes']

        8：['GDB_ItemRelationshipTypes', 'GDB_Items']

（6）关联表分析

        步骤（5）中说明，需要重点关注表GDB_Items。因此从存在同名字段的关联表之间找出与GDB_Items相关的记录。

        此外，作为创建数据集、要素类时必须的参数“空间参考”，应该从表GDB_SpatialRefs中获取。

若需要了解表结构关系，需要重点关注:

        1: ['GDB_ItemRelationships','GDB_Items']

        2: ['GDB_ItemRelationshipTypes', 'GDB_Items']

        3: ['GDB_ItemTypes', 'GDB_Items']

若需要了解表属性，则需要重点关注:

        4: ['GDB_GeomColumns', 'GDB_SpatialRefs']

        基于同名字段分析两个表之间联系的代码如下：

def join_tables(conn, table1, table2):    cursor = conn.cursor()    # 获取每个表的列信息    cursor.execute(f"SELECT * FROM [{table1}]")    table1_columns = [column[0] for column in cursor.description]    cursor.execute(f"SELECT * FROM [{table2}]")    table2_columns = [column[0] for column in cursor.description]    # 获取公共列    common_columns = set(table1_columns) & set(table2_columns)    # 如果没有公共列，直接返回    if not common_columns:        print("没有公共列，无法执行连接查询。")        return    # 对每个公共列创建单独的查询    for col in common_columns:        # 构建查询语句        query = f"""        SELECT {table1}.*, {table2}.*        FROM [{table1}] INNER JOIN [{table2}]        ON {table1}.[{col}] = {table2}.[{col}]        """        # 执行查询        cursor.execute(query)        # 获取查询结果        rows = cursor.fetchall()        if len(rows) == 0:            continue        # 打印查询结果        print(f"查询结果（基于公共列 '{col}'）：")        table1_val = []        table2_val = []        for row in rows:            # 将每个表的字段值分别存放在不同的列表中            table1_val.append([val for idx, val in enumerate(row) if idx < len(table1_columns)])            table2_val.append([val for idx, val in enumerate(row) if idx >= len(table1_columns)])        # 将列表转换为DataFrame        table1_df = pd.DataFrame(table1_val, columns=table1_columns)        table2_df = pd.DataFrame(table2_val, columns=table2_columns)        # 打印DataFrame        print(f"表{table1}数据:")        print(table1_df)        print(f"表{table2}数据:")        print(table2_df)    # 关闭连接    cursor.close()table_relations = [['GDB_ItemTypes', 'GDB_Items'],                   ['GDB_ItemRelationshipTypes', 'GDB_Items'],                   ['GDB_ItemRelationships', 'GDB_Items'],                   ['GDB_GeomColumns', 'GDB_SpatialRefs']]for i, j in enumerate(table_relations):    print(f"{i + 1}: {j}")    join_tables(conn, j[0], j[1])

        （1）['GDB_ItemRelationships','GDB_Items']

        通过分析，在表GDB_ItemRelationships与表GDB_Items的属性值之间，未找到明显的对应关系。

        （2）['GDB_ItemRelationships','GDB_Items']

        通过表GDB_ItemRelationships和表GDB_Items的属性值关联分析，明显发现，要素类、数据集和表之间存在着关联属性值。

# 查询要素类，可通过构建如下查询语句实现。

    feature_class_query = """

    SELECT A.NAME

    FROM GDB_ITEMS A, GDB_ItemRelationshipTypes B

 WHERE A.Type = B.DestItemTypeID AND B.NAME = 'FeatureClassInNetworkDataset'

    """

# 查询数据集，可通过构建如下查询语句实现。

    feature_class_query = """

    SELECT A.NAME

    FROM GDB_ITEMS A, GDB_ItemRelationshipTypes B

 WHERE A.Type = B.OrigItemTypeID AND B.NAME = 'DatasetInFeatureDataset'

    """

# 查询表，可通过构建如下查询语句实现。

   feature_class_query = """

    SELECT DISTINCT  A.NAME

    FROM GDB_ITEMS A, GDB_ItemRelationshipTypes B

    WHERE A.Type = B.DestItemTypeID AND (B.NAME = 'TableInNetworkDataset' OR B.NAME = 'TableInParcelFabric')

    """

        （3）['GDB_ItemTypes', 'GDB_Items']

        表GDB_ItemTypes和表GDB_Items的属性值关联分析，也明显发现，要素类、数据集和表之间存在着关联属性值。

# 查询要素类，可通过构建如下查询语句实现。

    feature_class_query = """

    SELECT A.NAME

    FROM GDB_ITEMS A, GDB_ItemTypes B

    WHERE A.Type = B.UUID AND B.NAME = 'Feature Class'

    """

 # 查询数据集，可通过构建如下查询语句实现。

    dataset_query = """

    SELECT A.NAME

    FROM GDB_ITEMS A, GDB_ItemTypes B

    WHERE A.Type = B.UUID AND B.NAME = 'Feature Dataset'

    """

# 查询表，可通过构建如下查询语句实现。

    table_query = """

    SELECT A.NAME

    FROM GDB_ITEMS A, GDB_ItemTypes B

    WHERE A.Type = B.UUID AND B.NAME = 'Table'

    """

        （4）['GDB_GeomColumns', 'GDB_SpatialRefs']

        通过表GDB_GeomColumns与表GDB_SpatialRefs之间的属性值联系，能实现空间参考，要素类型的获取。

# 查询空间参考信息、要素类型等，可通过构建如下查询语句实现。

    table_query = """

    SELECT B.SRTEXT，A.ShapeType

    FROM GDB_GeomColumns A, GDB_SpatialRefs B

    WHERE A.SRID = B.SRID

    """

综上：可使用表

['GDB_ItemRelationshipTypes', 'GDB_Items']

['GDB_ItemTypes', 'GDB_Items']之间的关系实现mdb地理数据库数据组织结构的解析。

使用['GDB_ItemRelationshipTypes', 'GDB_Items']之间的表结构关系，能确定mdb地理数据库下的数据结构和更加细粒度的类型描述。

使用['GDB_GeomColumns', 'GDB_SpatialRefs']获取要素的空间参考信息，要素类型等信息。

 

1.2 解析mdb中的库体结构

        （1）获取mdb中的数据集、要素类和表信息

        通过如下代码，可以将mdb中的数据集、要素类以及表都找出：

import pyodbcdef parse_mdb(mdb_file):    # 连接到 MDB 文件    driver = '{Microsoft Access Driver (*.mdb, *.accdb)}'    conn = pyodbc.connect(f'Driver={driver};DBQ={mdb_file}')    cursor = conn.cursor()    # 查询数据集    dataset_query = """    SELECT A.NAME    FROM GDB_ITEMS A, GDB_ItemRelationshipTypes B    WHERE A.Type = B.OrigItemTypeID AND B.NAME = 'DatasetInFeatureDataset'    """    # 或者    # dataset_query = """    #     SELECT A.NAME    #     FROM GDB_ITEMS A, GDB_ItemTypes B    #     WHERE A.Type = B.UUID AND B.NAME = 'Feature Dataset'    #     """    cursor.execute(dataset_query)    datasets = [row.NAME for row in cursor.fetchall()]    # 查询要素类    feature_class_query = """    SELECT A.NAME    FROM GDB_ITEMS A, GDB_ItemRelationshipTypes B    WHERE A.Type = B.DestItemTypeID AND B.NAME = 'FeatureClassInNetworkDataset'    """    # 或者    # feature_class_query = """    #     SELECT A.NAME    #     FROM GDB_ITEMS A, GDB_ItemTypes B    #     WHERE A.Type = B.UUID AND B.NAME = 'Feature Class'    #     """    cursor.execute(feature_class_query)    feature_classes = [row.NAME for row in cursor.fetchall()]    # 查询表格    table_query = """    SELECT DISTINCT A.NAME    FROM GDB_ITEMS A, GDB_ItemRelationshipTypes B    WHERE A.Type = B.DestItemTypeID AND (B.NAME = 'TableInNetworkDataset' OR B.NAME = 'TableInParcelFabric')    """    # 或者    # table_query = """    #     SELECT A.NAME    #     FROM GDB_ITEMS A, GDB_ItemTypes B    #     WHERE A.Type = B.UUID AND B.NAME = 'Table'    #     """    cursor.execute(table_query)    tables = [row.NAME for row in cursor.fetchall()]    # 关闭数据库连接    cursor.close()    conn.close()    return datasets, feature_classes, tablesif __name__ == '__main__':    # 使用示例    mdb_file_path = r"D:\data\tess.mdb"    datasets, feature_classes, tables = parse_mdb(mdb_file_path)    print("DataSets:", datasets)    print("Feature Classes:", feature_classes)    print("Tables:", tables)

        代码执行结果如下：

        对比mdb的结构：

        明显看出，所有的数据集、要素类和表名都已经获取到。

        （2）获取mdb库体结构

        通过对上一步获取的数据集、要素类和表进一步梳理，按mdb库体结构进行组织，代码如下：

def format_tables(datasets, feature_classes, tables):    from collections import defaultdict    dts = defaultdict(list)    fcs = [fc[0] for fc in feature_classes]    for dt in datasets:        dts.setdefault(dt[0], [])        dts[dt[0]].append([])        for fc in feature_classes:            if str(fc[1]).startswith(str(dt[1])):                dts[dt[0]].append(fc[0])                try:                    fcs.remove(fc[0])                except ValueError:                    pass    tbs = [tb[0] for tb in tables]    return {"Feature Dataset": dts}, {"Feature Class": fcs}, {"Table": tbs}def parse_mdb(mdb_file):    # 连接到 MDB 文件    driver = '{Microsoft Access Driver (*.mdb, *.accdb)}'    conn = pyodbc.connect(f'Driver={driver};DBQ={mdb_file}')    cursor = conn.cursor()    # 查询数据集    dataset_query = """    SELECT A.NAME, A.Path    FROM GDB_ITEMS A, GDB_ItemRelationshipTypes B    WHERE A.Type = B.OrigItemTypeID AND B.NAME = 'DatasetInFeatureDataset'    """    # 或者    # dataset_query = """    #     SELECT A.NAME, A.Path    #     FROM GDB_ITEMS A, GDB_ItemTypes B    #     WHERE A.Type = B.UUID AND B.NAME = 'Feature Dataset'    #     """    cursor.execute(dataset_query)    datasets = [row for row in cursor.fetchall()]    # 查询要素类    feature_class_query = """    SELECT A.NAME, A.Path    FROM GDB_ITEMS A, GDB_ItemRelationshipTypes B    WHERE A.Type = B.DestItemTypeID AND B.NAME = 'FeatureClassInNetworkDataset'    """    # 或者    # feature_class_query = """    #     SELECT A.NAME, A.Path    #     FROM GDB_ITEMS A, GDB_ItemTypes B    #     WHERE A.Type = B.UUID AND B.NAME = 'Feature Class'    #     """    cursor.execute(feature_class_query)    feature_classes = [row for row in cursor.fetchall()]    # 查询表格    table_query = """    SELECT DISTINCT A.NAME, A.Path    FROM GDB_ITEMS A, GDB_ItemRelationshipTypes B    WHERE A.Type = B.DestItemTypeID AND (B.NAME = 'TableInNetworkDataset' OR B.NAME = 'TableInParcelFabric')    """    # 或者    # table_query = """    #     SELECT A.NAME, A.Path    #     FROM GDB_ITEMS A, GDB_ItemTypes B    #     WHERE A.Type = B.UUID AND B.NAME = 'Table'    #     """    cursor.execute(table_query)    tables = [row for row in cursor.fetchall()]    # 关闭数据库连接    cursor.close()    conn.close()    datasets, feature_classes, tables = format_tables(datasets, feature_classes, tables)    # print(datasets, feature_classes, tables)    mdb_name = os.path.basename(mdb_file)    def print_tree(data, depth=0):        for key, value in data.items():            print('{}{}'.format(' ' * depth * 4, key))            if isinstance(value, dict):                print_tree(value, depth + 1)            else:                for item in value:                    if item:                        print('{}{} {}'.format(' ' * (depth + 1) * 4, '-' * 4, item))    # Print datasets    print(f'------{mdb_name}------')    for dt in datasets.values():        print_tree(dt, depth=1)    # Print feature classes    for fc_name, fc in feature_classes.items():        print_tree({fc_name: fc}, depth=0)    # Print tables    for tb_name, tb in tables.items():        print_tree({tb_name: tb}, depth=0)

        按层级结构，通过简单的打印，可能看出mdb的库体结构。代码执行结果如下：

现在，只是通过表关系：

        ['GDB_ItemRelationshipTypes','GDB_Items']

        ['GDB_ItemTypes', 'GDB_Items']

        从GDB_Items中获取数据集、要素类和表的名称，要进一步获取数据集、要素类和表的其他属性，比如空间参考、要素类型、字段属性等，则需要对GDB_Items、GDB_GeomColumns以及GDB_SpatialRefs进一步剖析。

        表GDB_Items、GDB_GeomColumns以及GDB_SpatialRefs之间的字段信息通过如下代码进行输出分析：

mdb_file = r"D:\data\tess.mdb"driver = '{Microsoft Access Driver (*.mdb, *.accdb)}'conn = pyodbc.connect(f'Driver={driver};DBQ={mdb_file}')system_tables = [   "GDB_Items",    "GDB_GeomColumns",    "GDB_SpatialRefs"]data_structures = {}# 逐个系统表格提取数据结构信息for table_name in system_tables:    cursor = conn.cursor()    cursor.execute(f"SELECT * FROM [{table_name}]")    columns = [column[0] for column in cursor.description]    data_structures[table_name] = columns# 输出数据结构信息for table_name, columns in data_structures.items():    print(f"Table Name: {table_name}")    print("Columns:")    for column in columns:        print(f" - {column}")    print()

        代码输出截图对比如下：

        （3）获取创建数据集、要素类和表所需的参数信息

代码如下：

def get_info(conn, table_name):    cursor = conn.cursor()    table_query = f"""        SELECT DISTINCT A.Type, A.Path, B.Name        FROM GDB_ITEMS A, GDB_ItemTypes B        WHERE A.Name = '{table_name}' AND B.UUID = A.Type    """    table_info = {}    create_info = {'name': table_name}    cursor.execute(table_query)    info = [i for i in cursor][0]    if info[2] == 'Feature Dataset':        # 获取坐标系信息        sr_query = f"""                SELECT A.Definition                FROM GDB_ITEMS A            """        cursor_sr = conn.cursor()        cursor_sr.execute(sr_query)        for row in cursor_sr.fetchall():            if "DEFeatureDataset" in str(row):                sr = get_sr_from_Definition(row[0])                create_info['src'] = sr                break        table_info['Feature Dataset'] = create_info    elif info[2] == 'Feature Class':        fc_query = f"""                SELECT DISTINCT A.ShapeType, A.HasZ, A.HasM, B.SRTEXT                FROM GDB_GeomColumns A, GDB_SpatialRefs B                WHERE A.TableName = '{table_name}' AND B.SRID = A.SRID            """        cursor_fc = conn.cursor()        cursor_fc.execute(fc_query)        fc = [row for row in cursor_fc][0]        # 获取要素类字段信息        f_infos = get_fields_infos(conn, table_name)        create_info['path'] = info[1]        create_info['ShapeType'] = fc[0]        create_info['HasZ'] = fc[1]        create_info['HasM'] = fc[2]        create_info['src'] = fc[3]        create_info['f_info'] = f_infos        table_info['Feature Class'] = create_info    elif info[2] == 'Table':        # 获取表字段信息        t_infos = get_fields_infos(conn, table_name)        create_info['f_info'] = t_infos        table_info['Table'] = create_info    else:        print(info[2])        return {}    return table_infodef get_mdb_struct_info(conn, table_names):    for tables in table_names.values():        if isinstance(tables, dict):            for dt_name, tables in tables.items():                for table in tables:                    if table:                        infos = get_info(conn, table)                        print()                        print(str(table).center(40, '-'))                    else:                        infos = get_info(conn, dt_name)                        print()                        print(str(dt_name).center(40, '-'))                    print(infos)        elif isinstance(tables, list):            for table in tables:                infos = get_info(conn, table)                print()                print(str(table).center(40, '-'))                print(infos)if __name__ == '__main__':    # 使用示例    mdb_file_path = r"D:\data\tess.mdb"    conn = get_conn(mdb_file_path)    get_mdb_struct_info(conn, datasets)

        得到了每个要素集（包括空要素集）的名称、空间参考信息；

        得到了每个要素类的名称、所属要素集、要素类型、空间参考以及字段属性信息；

        得到了每个表的名称、表字段属性信息。

代码执行结果如下：

 

2、 Geoscene Pro4.0

根据mdb库体结构创建gdb数据库

        （1）创建与mdb同名的gdb；

        （2）创建数据集，并在数据集下创建该数据集下的要素类；

        （3）在gdb根目录创建要素类；

        （4）创建表。

这部分将在下一篇中进行讲解，本文篇幅已经太长了。