關於GDAL讀寫Shp亂碼的問題總結

目錄2. 參考

最近在使用gdal讀寫shp格式中的屬性欄位的時候也遇到了中文亂碼的問題，總結下自己遇到的情況。

應該是由於shp格式加入了對寬字元的支援，所以導致有段時間的shp檔案和arcgis是存在不匹配的問題，所以在網上搜尋資源的時候遇到了大量的關於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，新新增了乙個.cpg的檔案，裡面儲存著屬性表的編碼格式：

圖1-1：shp格式的.cpg檔案

從arcgis10.2開始，只要是屬性表編碼與.cpg檔案記錄的編碼方式一致，就不會再有顯示亂碼的問題。網上查詢到的修改登錄檔的方法，我在arcgis10.2中試過，似乎已經不再起效了。

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，可以嘗試用別的編碼方式開啟，這樣你就能知道屬性表具體是什麼編碼了。對於國內的情況來說，只有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編碼的一種具體實現。

可以通過全域性設定函式cplsetconfigoption()，來配置讀取shp檔案的讀取編碼。例如對於簡體中文系統中ansi編碼，可以設定為gbk：

cplsetconfigoption("shape_encoding","gbk");

上面這種方式是全域性設定的，如果想設定單個檔案的編碼方式也是可以的。例如，開啟乙個向量檔案讀取為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將編碼方式設定為空[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，就應該考慮字串的解碼問題，就是獲取的字段屬性字串沒有正確的解碼出來。例如讀取utf-8的shp檔案的屬性字段：

ogrfeature *pofeature;
while ((pofeature = polayer->getnextfeature()) != null)
//cout << endl;   
ogrfeature::destroyfeature(pofeature);
}

預設情況下，cout是無法正確列印輸出utf-8字元編碼的，通過utf8_to_string這個函式，將utf-8編碼的字串轉換成本地ansi編碼，也就是gbk編碼字串，就可以正確輸出顯示了。附帶一下兩者的轉換函式[2]：

// utf8轉std:string
// 轉換過程：先將utf8轉雙位元組unicode編碼，再通過widechartomultibyte將寬字元轉換為多位元組。
std::string utf8_to_string(const std::string& str) 
// std:string轉utf8
std::string string_to_utf8(const std::string& str)

還有個值得注意的問題就是shp格式的屬性欄位名稱的長度最大只能支援10個字元。如果採用utf-8編碼，可能用不了幾個中文字元就被截斷了，這個時候屬性欄位名稱也可能存在亂碼。

[1] gdal/ogr 1.9.0獲取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

關於GDAL讀寫Shp亂碼的問題總結

關於QGIS開啟SHP檔案屬性表亂碼

GDAL建立UTF 8編碼格式的shp檔案

Visual C 2010中GDAL的配置問題

關於GDAL讀寫Shp亂碼的問題總結

關於QGIS開啟SHP檔案屬性表亂碼

GDAL建立UTF 8編碼格式的shp檔案

Visual C 2010中GDAL的配置問題

相關推薦