arcgis打开shp文件为什么不显示_ArcGIS中文乱码问题详解

最新推荐文章于 2024-11-02 16:56:31 发布

weixin_39959126

最新推荐文章于 2024-11-02 16:56:31 发布

阅读量6.3k

点赞数

用过arcmap的小伙伴经常会碰到过打开shp文件发现中文有乱码的问题。之所以会出现乱码，就是因为文件的编码方式不被软件支持或者文件编码方式不正确。

编码

ASCII编码

大家知道，计算机只能读懂0和1，也就是二进制。如果想让计算机能够看懂我们的文字，就必须进行编码，转变成计算机可以认识的格式。所以无论是文字、字母、标点符号甚至是对计算机的一系列操作，都要转变成二进制。

一开始计算机只是在美国使用，一个字节八位，从00000000-11111111，一共可以有256种组合，这么多组合应对英文的字符，绰绰有余。那么他们就把每一个字母、数字、标点符号等都编好对应的二进制编码，约定俗成。相当于做了一本字典，在这本字典里可以查看每一个字符的二进制。这就是ASCII编码，全称：American Standard Code for Information Interchange，美国信息互换标准代码。然而ASCII码只用了128个字符的编码，只占用了一个字节的后面7位，最前面的1位统一规定为0。比如空格"SPACE"是32(二进制00100000)，大写的字母A是65(二进制01000001)。

中文编码

英语用128个符号就够用了，但是其他国家的语言怎么办？因此ASCII编码这个标准就不能满足需求了。一开始许多其它国家都利用了ASCII编码没有的另外128位，也就是八位二进制第一位为1的二进制。但是等中国开始使用计算机后，已经没有可以利用的字节状态表示汉字。退一万步讲，即使把那256中组合全给中文，也只能有256个汉字被表示，而汉字远远不止256个。ASCII编码是一个字节表示一个字符。那如果是两个字节表示一个字节呢，这样的话理论上可以有256*256=65536个符号。这就是一开始的针对中文的编码方案GB2312，后来因为少数名族语言和繁体字等原因，又出现了GBK和GB18030。

Unicode

当时每个国家都有自己的编码方案，大家都不相互支持。因此同一个二进制数字(如10110010)，在不同的编码下会被表示成不同的字符。这时有一个叫ISO组织(国际标准化组织)，废了所有的地区性编码方案，重新搞了一个Unicode的集合，将世界上所有的符号都纳入其中，估计有上百万个字符。但是这里有一个问题要着重一下，Unicode只是标记着字符和码位之间的关系。这里的码位是U+开头，范围是U+000000 ~ U+10FFFF(16进制)总共有2¹⁶∗17=1114112个码位。所以Unicode并不涉及字符在计算机中是如何存储的，只是为每个字符给定一个唯一的标识，既没有为每个字符指定二进制，也没有规定每个字符是几个字节存储。位置靠前的字符，一个字节就可以存储，位置最后的字符，需要三个字节存储(10FFFF=>100001111111111111111共计21位)。所以针对这样的情况就有多种编码方式。

如果定长存储，比如"A3中￥"，这四个字符的Unicode编码值(十六进制)分别是2A、31、DA49、BB672C。那么他们在内存的存储方式是：

缺点就是存储和传输时浪费空间。

如果压缩存储，还是上面的字符，可以这样存储：

这样的存储方式确实减少了存储空间，但是计算机如何知道2A是一个字符，还是2A31是一个字符。

针对以上的问题，分别出现了UTF-8，UTF-16，UTF-32三种编码方案

UTF-8：一种变长的编码方案，使用 1~6 个字节来存储；
UFT-32：一种固定长度的编码方案，不管字符编号大小，始终使用 4 个字节来存储；.
UTF-16：介于 UTF-8 和 UTF-32 之间，使用 2 个或者 4 个字节来存储，长度既固定又可变。

具体以上几种方式是如何编码的，这里就不详细说了。整个编码的世界大概的情况如下：

Arcgis中文编码问题

通过ArcGIS产生的shp文件，会在同一个文件夹内生成同名的.cpg文件，记事本打开这个文件显示UTF-8或者其他的编码方式，这就是显示的告诉用户这个文件具体的编码方式。同时会在头文件(dBase Header)中，包含shapefile使用的编码类型的信息，即 LDID ( Language Driver ID)，它告诉应用程序用何种编码类型去正确读取它。如果LDID和.cpg冲突，LDID的优先级高于.cpg文件。

由ArcGIS生产的shp文件，即使把.cpg文件删除或者改里面的编码格式，其它软件打开都不会产生乱码，因为有LDID约束着。但是在非ArcGIS生产的shp文件，不会有LDID，中文默认基本是以GBK编码生产数据，此时如果拷贝的shp文件中没有.cpg文件，那么用ArcGIS10.2之前的版本打开不会出现乱码，因为ArcGIS10.2之前中文默认的编码方式就是GBK。但是如果用ArcGIS10.2之后的版本打开，会出现乱码，因为10.2之后的版本中文默认的编码方式就是UTF-8。

中文乱码问题解决方法

ARCGIS
在shp文件的同级目录，建立同名的.cpg文件，在文件中填写正确的编码方式，如果是GBK，就写936；如果是UTF-8，就写UTF-8。这样能够指定arcmap以什么编码方式打开shp文件，而不是用默认的编码方式打开。
QGIS
QGIS是一款比较轻量级的GIS软件，大数据量渲染速度，要比Arcmap快很多。在QGIS上可以指定数据打开的编码方式。如下图所示：
同样，在QGIS上也可以把shp文件转换成另外一种编码方式。但是一定要确保在QGIS是以正确的编码方式打开。转换方式为：右键单机图层->属性：
FME
FME是一块功能强大的数据处理和转换的软件，支持多种数据格式。在FME上也可以指定打开shp文件的编码方式。读模块加载要素后，在左侧导航栏中可以查看并设置读模块的参数。如图所示：

当然，FME也能将数据转换成其它的编码方式。利用转换器AttributeEncoder，不仅可以设置全部字段的编码方式，可以设置指定字段的编码方式。

最后，如果你尝试了许多的编码方式，中文还是不能正常显示，那就很有可能这个文件一开始就是以错误的编码方式打开，然后经过转码后(比如GBK转UTF-8)另存为一份新的文件。大家有没有觉得，编码跟GIS中的坐标系很像，无论你给这个数据指定什么坐标系，其实并没有改变数据本身的坐标，只是给它了一个标签(无论你给这个数据指定了什么编码格式，并没有改变数据内部的存储机制，只是因为不同的编码方式解析这个文件，显示的内容不同罢了)。但是如果你给这个数据指定了一个坐标系，并且把它经过坐标系转换后变成了另外一个坐标系，则数据本身的坐标已经发生了改变。(如果你给数据指定了GBK编码方式，然后以另一份编码方式保存，则数据内部的存储已经发生改变)