總結下在使用GDAL讀取Shp檔案時遇到亂碼的問題。
目錄
- 1. 正文
- 1.1. shp檔案本身的編碼的問題
- 1.2. 設定讀取的編碼方式
- 1.2.1. GDAL設定
- 1.2.2. 解碼方式
- 1.2.3. 其他
- 2. 參考
最近在使用GDAL讀寫Shp格式中的屬性字段的時候也遇到了中文亂碼的問題,總結下自己遇到的情況。
應該是由于shp格式加入了對寬字元的支援,是以導緻有段時間的shp檔案和ArcGIS是存在不比對的問題,是以在網上搜尋資源的時候遇到了大量的關于ArcMap顯示shp屬性表出現亂碼的問題。現在的shp格式的檔案應該已經穩定下來了,新添加了一個.cpg的檔案,裡面儲存着屬性表的編碼格式:
![](https://img.laitimes.com/img/9ZDMuAjOiMmIsIjOiQnIsIyZuBnL5YzM3EDN1UDOx0yN4MDMwMjM0EDOxETM5EDMy0CMxQDMwATMvwVMxkTMwIzLcBTM0ADMwEzLcd2bsJ2Lc12bj5ycn9Gbi52YugTMwIzZtl2Lc9CX6MHc0RHaiojIsJye.png)
圖1-1:shp格式的.cpg檔案
從ArcGIS10.2開始,隻要是屬性表編碼與.cpg檔案記錄的編碼方式一緻,就不會再有顯示亂碼的問題。網上查詢到的修改系統資料庫的方法,我在ArcGIS10.2中試過,似乎已經不再起效了。
那麼對于沒有.cpg或者的情況,應該可以看屬性表.dbf檔案。如果編碼方式正确,這個檔案用文本編輯器打開是可以看到正常的中文的:
圖1-2:shp格式的.dbf檔案
在正常顯示中文情況下,可以檢視下檔案的編碼方式:
圖1-3:檢視編碼方式
當然,如果遇到亂碼,可以嘗試用别的編碼方式打開,這樣你就能知道屬性表具體是什麼編碼了。對于國内的情況來說,隻有ANSI編碼和UNICODE編碼兩種:其中簡體中文系統中ANSI編碼就是GB2312編碼;UTF-8是UNICODE編碼的一種具體實作。
可以通過全局設定函數CPLSetConfigOption(),來配置讀取Shp檔案的讀取編碼。例如對于簡體中文系統中ANSI編碼,可以設定為GBK:
CPLSetConfigOption("SHAPE_ENCODING","GBK");
上面這種方式是全局設定的,如果想設定單個檔案的編碼方式也是可以的。例如,打開一個矢量檔案讀取為UTF-8的資料集:
char** ppszOptions = NULL;
ppszOptions = CSLSetNameValue(ppszOptions, "ENCODING", "UTF-8");
GDALDataset *poDS = (GDALDataset*)GDALOpenEx(filePath.c_str(), GDAL_OF_VECTOR, NULL, ppszOptions, NULL);
網上提供的解決方案都是将編碼方式設定為空[1],這種方式應該更具有通用性,起碼我這裡讀取GBK和UTF-8格式的Shp的格式都是可以的:
CPLSetConfigOption("SHAPE_ENCODING","");
如果讀取出來的字段屬性仍然是亂碼,就應該考慮字元串的解碼問題,就是擷取的字段屬性字元串沒有正确的解碼出來。例如讀取UTF-8的Shp檔案的屬性字段:
OGRFeature *poFeature;
while ((poFeature = poLayer->GetNextFeature()) != NULL)
{
OGRGeometry *pGeo = poFeature->GetGeometryRef();
OGRwkbGeometryType pGeoType = pGeo->getGeometryType();
//
OGRFeatureDefn *poFDefn = poLayer->GetLayerDefn();
int n = poFDefn->GetFieldCount(); //獲得字段的數目,不包括前兩個字段(FID,Shape);
for (int iField = 0; iField <n; iField++)
{
//輸出每個字段的值
//cout << poFeature->GetFieldAsString(iField) << " ";
cout << UTF8_To_string(poFeature->GetFieldAsString(iField)) << " ";
}
//cout << endl;
OGRFeature::DestroyFeature(poFeature);
}
預設情況下,cout是無法正确列印輸出UTF-8字元編碼的,通過UTF8_To_string這個函數,将UTF-8編碼的字元串轉換成本地ANSI編碼,也就是GBK編碼字元串,就可以正确輸出顯示了。附帶一下兩者的轉換函數[2]:
// UTF8轉std:string
// 轉換過程:先将utf8轉雙位元組Unicode編碼,再通過WideCharToMultiByte将寬字元轉換為多位元組。
std::string UTF8_To_string(const std::string& str)
{
int nwLen = MultiByteToWideChar(CP_UTF8, 0, str.c_str(), -1, NULL, 0);
wchar_t* pwBuf = new wchar_t[nwLen + 1]; //一定要加1,不然會出現尾巴
memset(pwBuf, 0, nwLen * 2 + 2);
MultiByteToWideChar(CP_UTF8, 0, str.c_str(), str.length(), pwBuf, nwLen);
int nLen = WideCharToMultiByte(CP_ACP, 0, pwBuf, -1, NULL, NULL, NULL, NULL);
char* pBuf = new char[nLen + 1];
memset(pBuf, 0, nLen + 1);
WideCharToMultiByte(CP_ACP, 0, pwBuf, nwLen, pBuf, nLen, NULL, NULL);
std::string strRet = pBuf;
delete []pBuf;
delete []pwBuf;
pBuf = NULL;
pwBuf = NULL;
return strRet;
}
// std:string轉UTF8
std::string string_To_UTF8(const std::string& str)
{
int nwLen = ::MultiByteToWideChar(CP_ACP, 0, str.c_str(), -1, NULL, 0);
wchar_t* pwBuf = new wchar_t[nwLen + 1]; //一定要加1,不然會出現尾巴
ZeroMemory(pwBuf, nwLen * 2 + 2);
::MultiByteToWideChar(CP_ACP, 0, str.c_str(), str.length(), pwBuf, nwLen);
int nLen = ::WideCharToMultiByte(CP_UTF8, 0, pwBuf, -1, NULL, NULL, NULL, NULL);
char* pBuf = new char[nLen + 1];
ZeroMemory(pBuf, nLen + 1);
::WideCharToMultiByte(CP_UTF8, 0, pwBuf, nwLen, pBuf, nLen, NULL, NULL);
std::string strRet(pBuf);
delete []pwBuf;
delete []pBuf;
pwBuf = NULL;
pBuf = NULL;
return strRet;
}
還有個值得注意的問題就是Shp格式的屬性字段名稱的長度最大隻能支援10個字元。如果采用UTF-8編碼,可能用不了幾個中文字元就被截斷了,這個時候屬性字段名稱也可能存在亂碼。
[1] GDAL/OGR 1.9.0擷取shp檔案中中文字段值和屬性值亂碼檔案解決
[2] UTF8與std:string互轉