珠三角地级市shp文件处理指南：从解压到合并的完整流程

简介：这份资源面向从事城市规划、交通管理、环境研究及区域经济分析的GIS从业者与科研人员，提供珠三角（粤港澳大湾区）各地级市的基础地理空间数据，可用于行政边界制图、空间叠加分析与区域发展研究。压缩包共8个文件，约30KB，以Shapefile标准格式组织，包含shp几何主文件、dbf属性表、shx索引、prj投影定义，以及sbn、sbx空间索引和xml元数据，另附一张jpg预览图，可直接在ArcGIS、QGIS等软件中加载使用。目前已有884人学习下载，说明该数据在区域研究场景中具有一定参考价值。借助这套数据，读者可快速搭建珠三角空间底图，开展城市扩张、交通网络、水系分布等专题分析，为规划决策与科研建模提供基础支撑。

1. 珠三角地级市 shp 文件到底装了什么：从一份 rar 说起

拿到「珠三角各地级市 shp 文件.rar」这种资源，第一反应不该是解压看热闹，而是先想清楚它到底能干什么。珠三角包含广州、深圳、佛山、东莞、中山、珠海、惠州、江门、肇庆九个城市，一份按地级市切分的 shp 文件，本质上是把行政边界做成了矢量面数据，每个面要素带一个城市名或行政代码字段。它能直接用于专题制图、空间统计、缓冲区分析、路网叠加，也是做城市级数据可视化最省事的基础底图。适合谁？做区域经济分析的研究生、要给客户出图的 GIS 从业者、想拿真实边界练手空间分析的开发者。但 rar 这个壳子会带来一串问题：解压后坐标系对不对、字段编码乱不乱、边界有没有拓扑错误，这些才是决定这份数据能不能用的关键，而不是文件本身有多大。

2. 解压之后先别急着加载：shp 文件组的构成与坐标系判断

2.1 shp 从来不是单个文件，少一个都打不开

很多人以为 shp 就是一个文件，解压完看到一堆同名不同后缀的文件就懵了。实际上 Shapefile 是 ESRI 定义的一套多文件格式，至少需要三个文件同时存在才能被正确读取：

从 rar 解压出来如果只有 .shp 一个文件，那这份数据基本是残的。我一般会先列一遍目录，确认每个城市都凑齐了这五个文件。珠三角九个城市，正常应该有九组，每组五个，共四十五个文件左右。如果发现某个城市缺 .prj，那它的坐标就是黑匣子，后面叠加分析必翻车。

2.2 坐标系不确认，后面所有分析都是白做

珠三角的行政边界数据，常见坐标系有三种：WGS84 地理坐标（EPSG:4326）、CGCS2000 地理坐标（EPSG:4490）、以及各种投影坐标如 CGCS2000 3度带高斯克吕格。判断方法很简单，用 Python 读一下 .prj 或者直接看坐标数值范围：

import geopandas as gpd # 读取一个城市的 shp，先看坐标系和范围 gdf = gpd.read_file("广州市.shp") print("CRS:", gdf.crs) # 看坐标系定义 print("Bounds:", gdf.total_bounds) # 看坐标范围 print("Columns:", gdf.columns.tolist()) # 看属性字段 print("Rows:", len(gdf)) # 看要素数量

如果 total_bounds 输出的是 112 到 115、22 到 24 这种小数，说明是地理坐标（经纬度），单位是度。如果输出的是几十万到几百万的整数，说明是投影坐标，单位是米。这两种不能直接混用，地理坐标下算面积得到的是平方度，毫无意义。我一般会统一转成投影坐标再做面积和距离计算：

# 如果原始是地理坐标，转到适合珠三角的投影坐标系 # CGCS2000 3度带，中央经线114度对应 EPSG:4547 if gdf.crs and gdf.crs.is_geographic: gdf_proj = gdf.to_crs(epsg=4547) gdf_proj["area_km2"] = gdf_proj.geometry.area / 1e6 print(gdf_proj[["城市名", "area_km2"]])

这里 EPSG:4547 是 CGCS2000 3度带中央经线114度E的投影，珠三角大部分落在这个带内，面积计算误差可以接受。如果你的数据本身已经是投影坐标，就不要重复转，先看 .prj 里的 PROJCS 字段确认。

2.3 属性表字段与编码：中文城市名乱码的根因

dbf 文件默认编码在不同软件里不一样，ArcGIS 老版本默认 GBK，QGIS 和 GDAL 默认 UTF-8。如果 .cpg 文件缺失或写错，打开后城市名会变成问号或乱码。检查方法：

# 指定编码读取，先试 UTF-8，不行再试 GBK try: gdf = gpd.read_file("广州市.shp", encoding="utf-8") except UnicodeDecodeError: gdf = gpd.read_file("广州市.shp", encoding="gbk") # 看属性表前几行，确认城市名字段是否正常 print(gdf.drop(columns="geometry").head())

如果字段名本身也是乱码，那说明 dbf 的表头编码也有问题，这种情况用 GDAL 的 ogrinfo 命令行工具看一眼更直接：

ogrinfo -al -so 广州市.shp

这条命令会输出图层名、几何类型、要素数、字段定义和坐标系，不加载图形，速度很快。确认字段名和编码没问题后，再决定是否需要重命名列或统一字段结构。

3. 把九个城市的 shp 合成一张珠三角底图

3.1 批量读取与合并的三种方式对比

拿到九个独立 shp，做区域分析时通常需要合并成一个图层。常见做法有三种：geopandas 的 concat、GDAL 的 merge、以及 QGIS 里手动合并。我一般用 geopandas，因为可控性最强：

import geopandas as gpd import pandas as pd from pathlib import Path # 假设九个城市的 shp 放在 data 目录下 data_dir = Path("data") shp_files = sorted(data_dir.glob("*.shp")) # 逐个读取，统一坐标系后合并 gdfs = [] for f in shp_files: g = gpd.read_file(f, encoding="utf-8") if g.crs and g.crs.is_geographic: g = g.to_crs(epsg=4547) g["source_file"] = f.stem # 记录来源，方便排查 gdfs.append(g) merged = gpd.GeoDataFrame(pd.concat(gdfs, ignore_index=True), crs=gdfs[0].crs) print("合并后要素数:", len(merged)) print("城市列表:", merged["source_file"].unique())

这段代码的关键点：先统一坐标系再合并，否则不同坐标系的几何叠在一起会错位到离谱；加一个 source_file 字段记录来源，后面发现某个城市边界异常时能快速定位；合并后重新指定 crs，因为 concat 有时会丢失坐标系信息。

3.2 合并后必做的拓扑检查与修复

九个城市的边界拼在一起，最容易出现的问题是相邻城市之间有缝隙或重叠。缝隙会导致区域统计时面积偏小，重叠会导致同一块地被算两次。检查方法：

# 检查几何有效性 invalid = merged[~merged.geometry.is_valid] print("无效几何数量:", len(invalid)) # 如果有无效几何，尝试修复 if len(invalid) > 0: merged["geometry"] = merged.geometry.buffer(0) print("修复后无效数量:", len(merged[~merged.geometry.is_valid])) # 检查总面积是否合理（珠三角陆地面积约5.5万平方公里） total_area = merged.geometry.area.sum() / 1e6 print(f"总面积: {total_area:.0f} 平方公里")

buffer(0) 是修复自相交多边形的经典手法，但它会轻微改变边界形状，对精度要求极高的场景要谨慎。总面积如果明显偏离五万多平方公里，说明要么坐标系不对，要么边界有严重重叠。我一般会再算一下各城市面积之和与合并后总面积的差值，差值超过百分之一就要查原因。

3.3 导出为 GeoJSON 和 GPKG 的取舍

合并完的成果，如果只在 GIS 软件里用，存成 GPKG 最省事，单文件、支持中文、保留坐标系。如果要给前端或非 GIS 同事用，GeoJSON 更通用但文件会大不少：

# 导出 GPKG，适合后续 GIS 分析 merged.to_file("珠三角_合并.gpkg", driver="GPKG") # 导出 GeoJSON，适合 Web 端或跨平台交换 merged.to_file("珠三角_合并.geojson", driver="GeoJSON") # 如果只需要城市名和几何，可以精简字段后再导出 merged[["source_file", "geometry"]].to_file("珠三角_精简.geojson", driver="GeoJSON")

GPKG 的优势是单文件、支持空间索引、读写快，缺点是部分老版本 GIS 软件不认。GeoJSON 的优势是纯文本、任何语言都能解析，缺点是文件体积大、不支持空间索引。我一般两个都导，GPKG 自己用，GeoJSON 给别人。

4. 珠三角 shp 常见踩坑与排查记录

4.1 解压后中文文件名乱码导致读取失败

现象：解压出来的文件名显示为乱码，Python 的 glob 匹配不到 .shp 文件。原因：rar 压缩时用了非 UTF-8 的文件名编码，在部分系统上解压后文件名编码错乱。解决：用 7-Zip 或 Bandizip 解压，在设置里指定文件名编码为 GBK 或自动检测；如果已经解压乱了，用 Python 的 os.rename 批量重命名：

import os from pathlib import Path # 列出目录下所有文件，手动确认乱码规律后批量重命名 for f in Path("data").iterdir(): if f.suffix == ".shp" and "乱码特征" in f.name: new_name = f.name.replace("乱码特征", "正确名称") f.rename(f.with_name(new_name))

4.2 坐标系定义缺失但坐标数值是投影坐标

现象：.prj 文件缺失，但坐标数值是几十万的大数，说明是投影坐标但不知道具体参数。原因：数据制作者导出时漏掉了 .prj，或者故意删除了。解决：根据坐标范围反推中央经线。珠三角经度约在 112°E 到 115°E，3度带中央经线可能是 114°E，对应 EPSG:4547；也可能是 6度带中央经线 117°E，对应 EPSG:4499。用 geopandas 试两个坐标系，看哪个的 total_bounds 换算回经纬度后落在珠三角范围内：

# 假设原始坐标数值在 500000 左右 for epsg in [4547, 4548, 4499]: try: g = gpd.read_file("未知坐标系.shp") g = g.set_crs(epsg=epsg, allow_override=True) g_wgs = g.to_crs(epsg=4326) bounds = g_wgs.total_bounds print(f"EPSG:{epsg} -> 经度{bounds[0]:.2f}~{bounds[2]:.2f}, 纬度{bounds[1]:.2f}~{bounds[3]:.2f}") except Exception as e: print(f"EPSG:{epsg} 失败: {e}")

哪个输出的经纬度落在 112~115、22~24 之间，就是对的。

4.3 相邻城市边界不吻合导致面积统计偏差

现象：合并后总面积比官方公布的大或小百分之几。原因：各城市 shp 来自不同来源，边界采集精度不一致，或者坐标系转换时产生了偏移。解决：先确认所有城市用的是同一坐标系、同一精度级别；如果边界仍有缝隙，用 shapely 的 unary_union 做一次融合再重新切分，或者直接用融合后的外边界做区域统计，不依赖各城市独立面积之和。

4.4 dbf 字段名截断导致属性丢失

现象：读取后字段名变成 NAME_1、NAME_2 这种，或者中文城市名字段消失。原因：dbf 格式对字段名长度有限制（最多10个字符），导出时被截断。解决：在源头用 GPKG 或 GeoJSON 替代 dbf 存储属性，或者在读取后根据数据字典手动映射回正确字段名。如果字段值本身还在，只是名字被截断，用 rename 改回来即可。

4.5 用 rar 密码移除工具处理来源不明的压缩包

现象：下载的 rar 需要密码才能解压，网上搜到各种 rar 密码移除工具。原因：资源分享者加了密码防止随意传播。解决：优先联系分享者获取密码，而不是用破解工具。来源不明的压缩包本身就有安全风险，破解工具更是重灾区。如果实在拿不到密码，换一个公开的边界数据源，比如从开放平台获取标准行政边界，比冒险解压来路不明的文件靠谱得多。

5. 从珠三角底图到可复用的城市分析模板

把九个城市的 shp 合并成一张底图只是起点，真正省时间的是把它做成一个可复用的分析模板。我一般会封装一个函数，输入城市名列表，输出裁剪好的分析范围：

def get_prd_boundary(city_names=None, buffer_km=0): """ 获取珠三角指定城市的边界，可选外扩缓冲区 city_names: 城市名列表，None 表示全部九个城市 buffer_km: 外扩距离，单位公里，0 表示不扩 """ gdf = gpd.read_file("珠三角_合并.gpkg") if city_names: gdf = gdf[gdf["source_file"].isin(city_names)] if buffer_km > 0: # 投影坐标下 buffer 单位是米 gdf["geometry"] = gdf.geometry.buffer(buffer_km * 1000) return gdf # 用法：获取广州和佛山外扩5公里的范围 area = get_prd_boundary(["广州市", "佛山市"], buffer_km=5) print(area.total_bounds)

这个模板的价值在于，后面做任何空间分析——比如统计某个区域内的人口、计算路网密度、做选址评估——都可以直接调用它拿到统一的分析范围，不用每次重新处理边界。缓冲区参数在投影坐标下单位是米，所以 buffer_km 要乘 1000，这个细节不注意就会得到一个大得离谱的范围。

另一个实用技巧是给合并后的底图加一个面积字段和中心点字段，方便后续做标注和排序：

merged["area_km2"] = merged.geometry.area / 1e6 merged["centroid"] = merged.geometry.centroid merged["cx"] = merged["centroid"].x merged["cy"] = merged["centroid"].y # 按面积排序看看哪个城市最大 print(merged[["source_file", "area_km2"]].sort_values("area_km2", ascending=False))

centroid 在投影坐标下计算才准确，地理坐标下算出来的中心点会有偏差。这些字段导出后，在 QGIS 里可以直接用来做标注定位，不用再手动算。

最后说一个我踩过的坑：早期做珠三角分析时，我直接拿地理坐标的 shp 算面积，结果九个城市面积加起来只有零点几，还以为是数据有问题，排查了半天才发现是单位问题。从那以后，我养成了一个习惯——拿到任何 shp，先看坐标系，再看坐标范围，最后才动手分析。这个顺序不能反，反了就是白干。希望帮到你。

本文还有配套的精品资源，点击获取