简介：日本全境SHP文件是一套面向地理信息系统用户的矢量地理数据包，内容覆盖日本全部行政区划，范围可细化到町、目级别，相比栅格数据更适合无损缩放与精准量算。使用者可在QGIS、ArcGIS等软件中直接打开，完成面积测量、缓冲区分析、属性查询、专题制图等操作，服务于城市规划、科研分析、交通物流、灾害评估等多种场景。整个压缩包共含8个文件，其中shp存储图形边界、dbf记录地区名称等属性、prj定义坐标投影、sbn与sbx建立空间索引，另有shp.xml元数据帮助理解数据来源，zip包大小约5.43MB，数据组织规范且便于携带交换。通过属性表还可进一步筛选不同行政区划，并与其他专题数据叠加分析。目前已有两千二百余人浏览学习，适合需要全境边界底图的GIS初学者、研究人员及行业规划者使用，可省去自行采集和整理日本基础地理数据的步骤，拿到后即可快速进入项目分析环节。 最近在帮一个团队整理日本全境的基础地理数据，甲方给的需求就一句话：“要一套能直接用的日本全境shp文件。”听起来很简单，等真把这批数据从各个渠道凑齐，再放进ArcGIS和QGIS里一打开，问题一个接一个往外冒：都道府县属性表全是乱码，路网和行政区划对不上位，导出KML到Google Earth里演示时图形飘出去几百米。这篇文章不打算讲空泛的理论，就把从“找数据—修数据—用数据”这条链路完整过一遍，把日本全境shp文件的下载渠道、编码坐标系坑、常见格式转换、DWG转带属性shp以及批量处理全部拆开分享。凡是手里正在找区域边界图shp数据，或者刚下载完日本shp不知道怎么继续处理的人，这篇可以直接收藏照着做。
1. 日本全境shp到底指什么：先搞清楚你要的是哪套数据
很多人一上来就问“有没有日本全境shp文件”，但同样叫“全境”，不同项目的需求差别非常大。有的只要行政区划边界，做一张地图大屏就够；有的要完整路网，用来做路径规划和可达性分析；还有的连水系、铁路、土地利用图层都想要，准备做空间分析建模。所以第一步不是急着下载，而是先盘点自己到底需要哪几个图层。
1.1 一套完整的日本全境shp数据通常包含这些图层
以我这次整理的经验来看，一份能覆盖绝大多数项目的日本全境矢量数据集，一般包含以下几类：
| 图层类型 | 常见内容 | 典型数据量 |
|---|---|---|
| 行政边界 | 47个都道府县界、市区町村界、海岸线 | 县界小，町村界很大 |
| 道路路网 | 高速、国道、县道、城市道路中心线 | 全国路网在百万到千万级线段 |
| 铁路网络 | JR线、私铁、地下铁、车站点 | 上万条线段 |
| 水系数据 | 河流中心线、湖泊水库面、流域界 | 中小河线密集 |
| 地形辅助 | 等高线、山峰点、行政区中心点 | 视项目需要 |
| POI | 学校、医院、车站、商业设施点 | 数十万到数百万点 |
行政区划边界一般只有一个shp文件，但路网和水系往往需要分多个文件管理。如果甲方只给了一个“全境”文件夹，打开后发现里面只有县界，那大概率还要花大量时间补道路和水系图层。经验之谈：接到需求时先把交付清单问清楚，宁可多要一个没有用的图层，也不要等交付时才发现缺了关键层。
1.2 拿到数据后最常见的三类使用场景
从实际项目出发，日本全境shp数据主要被用在三个方向。
第一类是地图可视化，比如把都道府县边界叠加路网和水系，做全日本范围的经济数据大屏或产业分布图。这类场景对数据结构要求不高，但非常看重坐标系统一和边界线的美观度，线要素里如果有一堆废线、碎线，出来的图就很难看。
第二类是空间计算，比如以车站为中心做500米缓冲区分析，或者沿道路做管网缓冲。这类场景要求路网和水系必须干净，拓扑关系要合理，否则缓冲范围和面积统计都会失真。
第三类是三维展示，把shp转成3D Tiles接进Cesium或者本地三维平台。这类场景除了几何数据，还要给要素延展高度、贴纹理、做LoD分层，数据处理量比前两类大很多。明确场景之后再选数据和工具，才不会走弯路。
2. 日本全境shp数据去哪下：常用下载源与选型建议
想下载日本全境的shp数据，渠道其实比想象中多，但不同渠道的数据精度、现势性和获取难度差别很大。下面这些是我实际用过的来源，按“能不能直接拿来用”排了个序。
2.1 五个值得记住的数据源
第一个是Geofabrik，这是OpenStreetMap数据的全球镜像站，专门提供按国家切片打包的数据下载，日本全境的数据可以直接找到，格式有shp.zip、GeoJSON和PBF。优点是完全免费、下载方便、路网和POI非常丰富；缺点是因为数据来自众源采集，道路等级、名称完整度在不同地区有好有坏。
第二个是GADM，这个站点提供全球各国行政边界的shp下载，日本的都道府县界和市区町村界都能找到。优点是行政区划分层清晰，字段结构统一，适合做基础底图；缺点是非官方数据，在个别区域和日本官方认定的边界可能存在出入，做精确制图时要注意核对。
第三个是日本国土数値情報（MLIT），这是日本国土交通省发布的公开数据平台，提供了行政区域、道路、铁路、桥梁、土地利用等大量官方空间数据集，很多数据可以直接下载shp格式。优点是官方权威，坐标系大多标注为JGD2011，现势性也比较好；缺点是下载需要逐项选择，界面偏日文，字段名很多是英文缩写或日文罗马字，新手第一次操作会有点懵。
第四个是国土地理院（GSI）的基盤地図情報，这是日本官方测绘机构发布的高精度数据，包含境界线和道路、建筑等基础地理要素。它的优点是精度高、标准化强；缺点是发布格式主要是GML/XML，需要通过专用查看器或GIS工具转换才能得到shp，不适合不做格式转换的直接用。
第五个是Natural Earth，适合做小比例尺全球底图。日本全境在这个数据集里只是一个国家面要素，只有国家和一级行政区的粗略边界，路网、乡镇级边界都没有，精度不够做精细项目。
2.2 根据项目性质选数据源
如果你做的是互联网可视化或快速原型，选Geofabrik的OSM日本全境shp最省事，路网丰富，水体建筑物也有，直接用QGIS打开看一眼效果基本能满意。如果是做政府类或测绘类交付项目，优先从国土数値信息和基盤地図情報里找官方数据，虽然前期要花时间清洗，但至少数据来源和精度等级能写进技术说明文档。如果只是做一张宏观图册或海报，GADM加Natural Earth就够了。
下载时还要注意，shapefile不是一个单独文件，而是一组文件，至少要同时有.shp（几何）、.shx（索引）、.dbf（属性）、.prj（坐标系）四个文件才能正常读取。下载解压后第一件事就是检查这4个文件是否齐全，少一个.dbf会导致属性表打不开，少一个.prj会导致坐标系信息丢失，后期叠加对位时出现偏移你都不知道偏在哪。
另外补充一个高频问题：ArcGIS里怎么导出shp。处理日本数据时经常需要把某个图层重新导出成新的shp，比如做了坐标转换或者删除了部分要素。在ArcGIS里可以右键图层选择“数据→导出要素”，也可以打开ArcToolbox用“转换工具→转为Shapefile→要素类转Shapefile（批量）”。导出时重点检查环境设置里的输出坐标系和字段名，避免导出后坐标系变了自己还不知道。
3. 读取日本shp最容易翻车的两件事：属性乱码与坐标系偏移
日本全境shp数据拿到手，最大的拦路虎往往不是软件操作，而是两个很基础但极易踩坑的问题：属性表乱码和坐标系偏移。这两个问题如果不提前处理，后面所有分析结果都可能带着错误。
3.1 DBF属性乱码：Shift-JIS是元凶
日本的数据很多是用Shift-JIS编码存储的，尤其是日本国内机构和老项目，基本绕不开这个。但很多GIS软件默认按UTF-8或系统本地编码去读DBF，结果就是打开属性表看到一堆“???”或者类似乱码的文字。
解决办法最直观的是在QGIS里调整编码。加载shp后，右键图层打开“图层属性→数据源”，在“数据源编码”里手动改成Shift-JIS，或者试一下CP932，大多数情况下乱码立刻恢复正常。如果使用Python处理，也可以用fiona来指定读取编码：
import fiona with fiona.open("japan_admin.shp", encoding="cp932") as src: for feat in src: print(feat["properties"])当你最终把数据交付给下一个环节时，建议统一转成UTF-8并重新保存一版shp，避免下游同事打开继续遇到乱码。实际操作中我会把转换后的文件单独放到“utf8_final”目录，原始文件保留不动，方便回溯。
3.2 坐标系偏移：几百米就这么出来的
日本历史上使用过不同的坐标系基准，老数据常见的是Tokyo Datum，后来过渡到JGD2000，目前官方标准是JGD2011，而国际上通用的是WGS84。这几种基准之间的差别不是简单的几米，狭长国土范围内往往能差出几百米。把日本shp直接叠加到WGS84的在线地图上，不做重投影的话图形会出现肉眼可见的偏移。
拿到数据第一步先看.prj文件内容，或者在图层的图层属性里查看坐标系信息。如果数据说明里写的投影是“日本平面直角座標系”，还要注意日本全国一共分成了多个带区，每一带对应不同的中央经线和坐标原点。跨带区的数据如果直接拼接，不仅对不齐，距离面积计算也会出问题。
处理方式很简单：在QGIS里右键图层选择“导出→另存为”，指定目标坐标系为WGS84（EPSG:4326），导出后得到的就是经纬度坐标的shp；命令行则可以借助GDAL：
ogr2ogr -t_srs EPSG:4326 output_wgs84.shp input_jgd2011.shp注意GDAL在读取整比例尺大的日本全境数据时，第一次可能因为编码声明问题报错，可以配合“-lco ENCODING=UTF-8”参数写入，或者先按3.1节的方法确认编码再转换。坐标转换这事做完后，建议在高德或者Google Earth上抽几个县界点验证一下偏移情况，确认没问题再进入下一步。
4. 从日本shp出发的高频格式转换：txt、kml、3dtiles
处理日本全境数据的过程里，格式转换几乎是躲不开的环节。这里挑三个最常见的方向展开：shp转txt、shp转kml、shp转3dtiles。
4.1 shp转txt：属性导出和坐标提取
shp转txt的需求一般分两种。一种是把属性表导出成文本，给不懂GIS的同事做统计和核对；另一种是把要素坐标提取出来，给程序算法直接调用。
如果只是导出属性，GDAL一行命令就能完成：
ogr2ogr -f CSV japan_road.csv japan_road.shp生成CSV后自己改后缀就是txt。但要注意如果属性字段里带中文和日文，转出来的CSV可能会出现编码问题，可以在命令里加“-lco ENCODING=UTF-8”，或者导出后用Excel打开确认。
如果想把每个要素的坐标和属性对应输出，用Python最灵活。这里用pyshp举例：
import shapefile reader = shapefile.Reader("japan_road.shp", encoding="cp932") with open("japan_road.txt", "w", encoding="utf-8") as f: for i, shape_rec in enumerate(reader.shapeRecords()): record = shape_rec.record points = shape_rec.shape.points f.write(f"要素{i}: {dict(zip(reader.fields[1:], record))}\n") f.write(f"坐标点数: {len(points)}\n") f.write(f"首坐标: {points[0]}\n")这里用到了pyshp的经典读取方式，先拿到字段列表，再把属性记录和几何点一起输出成结构化的文本。整个文件实测跑全国路网数据时也不会爆内存，因为逐条处理没有一次性载入全部要素。
4.2 shp转kml：ogr2ogr一条命令搞定
给非GIS背景的客户演示，最顺手的就是转KML拿到Google Earth里看。KML基于XML，默认要求使用WGS84经纬度坐标，所以转换前源数据的坐标系必须是WGS84或者做好重投影。
标准命令是：
ogr2ogr -f KML -t_srs EPSG:4326 japan_admin.kml japan_admin.shp加“-t_srs EPSG:4326”是为了防止源数据是JGD2011或有更大偏差的坐标系，转换结果贴到在线地图上飘移。如果shp里属性字段很多，KML会把这些字段自动转成要素描述信息，在Google Earth的要素气泡里能看到。如果嫌信息太多，可以加“-dsco NameField=字段名”来指定用哪个字段作为KML要素名称。
日本全境路网数据转换KML时文件可能会比较大，渲染会变慢，我的处理方式是先按都道府县分区域转换，保存为多个KML，再在Google Earth里统一加载管理。这样比一次性转一个上百兆的KML顺畅得多。
4.3 shp转3dtiles：三种路线选一种
转3dtiles这个需求近年越来越多，因为Cesium这类三维地球平台已经成了很多可视化项目的前端标配。shp转3dtiles没有唯一的官方路径，取决于数据规模和是否愿意用在线服务。
小规模数据最省事的是传到Cesium ion，上传shp后平台自动处理成3D Tiles并生成服务地址，前端直接加载。优点是零成本零代码，缺点是有隐私和数据量限制，日本全境的行政边界可以传，但大规模路网数据不适合全部传上去。
本地处理优先推荐国内用得比较多的CesiumLab，支持把shp、geojson等常见矢量格式按分层分块逻辑转换为3D Tiles，转换完成后用Cesium的Cesium3DTileset加载即可。操作界面是中文的，新手也比较容易上手。CesiumLab对矢量数据的分层处理逻辑做得比较细，可以自定义高度字段，让2D边界变成有立体感的三维图层。
企业级批量流水线可以考虑FME，在FME里把shp作为读取器，目标写为“OGC Cesium 3D Tiles”写入器，能够把属性字段完整保留下来，适合数据量很大、需要持续更新的交付项目。但这条路线要求你熟悉FME的坐标系和缓存管理，相对前两种门槛高一些。
5. FME 2024实战：DWG转带属性shp的完整链路
很多从城市规划行业过来的朋友一直在问“FME Workbench 2024怎么把DWG转成带属性的shp”。和普通点线面转换不同，DWG转shp的难点从来不在几何，而在属性。DWG本身是CAD格式，默认没有真正的GIS属性表，所谓“属性”通常有三种藏身之处：块属性、扩展数据、CAD文本标注。属性藏的地方不同，FME的处理方式也不同。
5.1 先搞清楚属性藏在哪
如果你拿到的DWG里有一个个“设备块”，每个块上标着设备编号和型号，那属性多半存在块属性里。在FME读模块参数中找到关于块实体的选项，把“分解块实体”（Explode Block Entities）设为“是”，这样块内部的所有子实体才会单独进入工作流，块属性才会被识别为要素属性。
如果属性不是块属性，而是附着在实体上的扩展数据（XData），FME读取DWG时会自动把一部分扩展数据放在通用属性里，但很多自定义字段名需要显式暴露。这时要使用AttributeExposer转换器，把目标字段名填进去，字段值才会在工作台中露出来。
如果所谓的属性就是图面上标注的文字，比如道路边上的路名注记，那需要用FME读取参数里的文本处理选项，把文本内容读取为属性值。具体参数名在不同版本里略有差异，可以打开帮助搜索“Text String as Attribute”，勾选后文本内容才会被完整带出来，而不是只生成一个几何实体。
5.2 在FME工作台里搭一条稳定的转换链路
这里分享一条我在2024版里实测稳定可用的工作流。
第一步添加读模块，选择Autodesk AutoCAD DWG/DXF，把目标DWG文件加进来，坐标系按CAD图纸说明设置，拿不准就先用未知。第二步按5.1节描述的方式，把块属性、扩展数据读取参数按需调整。第三步拖入AttributeExposer，暴露后续要写入shp的字段。第四步根据DWG和shp字段对应关系，使用AttributeCreator或SchemaMapper完成字段映射，比如把CAD的Layer字段拆出“道路等级”，把块属性里的“设备编号”重命名为“ID”。第五步用Reprojector把坐标系转成目标坐标系，比如JGD2011转WGS84。最后添加ESRI Shapefile写入器，在写模块参数里把数据集编码设为UTF-8，避免中文和日文字段乱码。
整个过程看着不长，真正消耗时间的是字段映射。建议先在FME里用Inspector或者Logger跑一次小范围样例，把读出来的属性全部看一遍，确认哪几个字段是有数据的，再做映射。我在实际项目中曾遇到过块属性字段名全是“ATTR1”“ATTR2”这种匿名序号的情况，这种时候只能回到CAD源文件里对照块定义才能确定哪个序号对应哪个业务字段。
5.3 转换过程中最容易栽的三个跟头
第一个跟头是属性字段名超长被截断。DBF格式的shapefile对字段名长度限制在10个字符，中文或者很长的英文名会被截断成不可读的短名。解决办法是在FME映射阶段就把字段名起成不超过10个字符的名字，实在需要长名，就存成txt或GeoPackage格式而不是shp。
第二个跟头是坐标系信息丢失。DWG图纸常见的是CAD平面坐标，甚至可能是自定义的施工坐标系，如果读模块里不指定源坐标系，FME很难自动判断，输出shp的.prj就会缺失或错误。这种情况下只能人工确认图纸说明，在Reprojector里手动指定源坐标系。
第三个跟头是DWG里的重复几何和零碎线段。FME转出来后往往会多出很多悬浮的短线头、重复点，导致shp属性表看起来要素数量暴增。建议在写入前用CoordinateRounder或Snapper做几何清理，或者用AreaCalculator/ LengthCalculator做个字段过滤，把长度明显异常的小短线筛出来再决定是否删除。
6. 批量场景：渔网分割、批量压缩与线要素清理
最后再讲三个很实际却经常被忽略的问题：如何用渔网分割大shp、如何批量压缩shp文件、如何把shp里的线“取消掉”。这些都是处理日本全境几百万级数据量时绕不开的杂活。
6.1 给全国路网做渔网分割
手头有一份全国道路shp，几百万条线段，直接加载到Arcmap里，稍微缩放一下就会卡到怀疑人生。这时候“渔网分割”是有效的救急办法：把整个数据范围切成棋盘格一样的网格单元，每个网格内的要素单独存成一个shp，后续只要按需加载局部范围即可。
操作分三步。第一步在GIS软件里创建一个渔网面图层，ArcGIS用“数据管理工具→采样→创建渔网”，QGIS用“矢量→研究工具→创建网格”。网格尺寸没有统一标准，我做全国路网时会设置成0.2度乘以0.2度，约20公里边长，每个网格内的道路数量基本在可处理范围。
第二步用空间关系给原路网要素打上网格ID。在ArcGIS里推荐“空间连接”，在QGIS里用“按位置连接属性”，把渔网面上的“grid_id”字段关联到路网上。注意这一步要用“包含”或“相交”关系，不要在线的两端跨出网格后又把整条线都截掉，否则拓扑会乱。
第三步按网格ID导出多个小shp，可以用“要素类转Shapefile（批量）”，也可以直接按属性筛选，分别右键导出。经过这种分幅处理以后，单次加载计算量小很多，全国数据的各种分析就能逐网格并行跑，最后再拼结果。
6.2 单个shp如何批量压缩：压缩文件和行为两个层面
很多人问“shp如何批量压缩”，其实“压缩”通常有两个含义。一是把一批shp文件分别打包成zip，方便传输和归档；二是把shp里的几何坐标点简化，减小文件体积和渲染压力。
先说打包成zip。shapefile是多文件格式，压缩时不能只选.shp，漏掉.dbf和.prj会让文件变成废品。在Windows命令行用7-Zip可以快速批量打包：
for %f in (D:\shp_data\*.shp) do "C:\Program Files\7-Zip\7z.exe" a "%~nf.zip" "%~nf.*"这段批处理会把目录下每个shp的配套文件全部打进同一名称的zip包里。Linux或macOS环境用bash加zip命令也能达到同样效果。批量压缩前先检查目录里有没有残留的.lock临时文件，这类文件不影响读取但会打包后让包变得混乱，建议提前清理。
再说几何简化，这对日本全境道路数据特别实用。全国路网的顶点数动辄几千万，通过Douglas-Peucker算法在保持道路形状基本不变的前提下去掉冗余点，文件体积能缩小一半以上。QGIS里可以用“矢量→几何工具→简化”，容差设为0.0001（经纬度）左右，转成平面坐标按等高线的走法时设为1米到5米。ArcGIS里对应的是“简化线”工具，算法同样选“不去除交点”，然后设置容差。
简化对细节精度会有影响，做竣工级精度分析时不要过度简化，但做可视化底图和前端展示时，简化后的数据体验会好很多，加载速度快，效果也不差。
6.3 线要素“取消掉”：删除、隐藏还是合并
“怎么让一个shp里面的线取消掉”这句话在不同人嘴里含义完全不同，我在实际协助中遇到过三种情况。
最常见的是想删除某些不需要的线段，比如路网数据里混入了一段行政区界线，或者水系数据里有几条异常的长直线。这种直接进入编辑状态处理：QGIS里选中图层，开启编辑，用框选或按属性表达式选择目标线，然后点“删除选中要素”，最后保存编辑。ArcGIS里用“开始编辑”，正向框选目标线，按Delete删除，保存编辑即可。
第二种是想让线不显示，而不是物理删除。分歧在于数据不能丢，但出图时又不想看到它。这种不要动编辑，直接在图层面板取消勾选，或者修改图层样式为“无笔”。如果你用的shp是ArcGIS Server发布的服务，也可以在图层样式里隐藏该符号层，效果一样。
第三种是想合并断线。全国路网里一条国道经常被切成很多段，看着像几十条断线，加载起来又乱又卡。这种要的是“合并”而不是“取消”，用QGIS的“合并线”工具或者ArcGIS的“合并”工具，把连续且属性相同的线拼成一个要素，注意合并前先备份，避免属性丢失后无法恢复。
回到最初那个项目，最后我们把日本全境数据统一成了WGS84坐标系、UTF-8编码，路网跑完渔网分割和几何简化后，任何一台普通配置的笔记本都能顺畅打开，交付出去之后基本没有被催过“这图层为什么这么卡”的反馈。做数据这件事，很多坑看起来都不是大问题，但每一条都提前处理到位，后面的项目周期就能明显缩短一半。
本文还有配套的精品资源，点击获取
