无锡乡镇街道shp数据包：shapefile解析、坐标转换与GIS数据处理指南

简介：这份无锡市乡镇街道级矢量地图资源，面向GIS开发、城市规划与空间分析人员，提供无锡各区县与乡镇街道的行政区划边界数据，可直接用于地图绘制、区划统计、可视化展示或空间分析。压缩包共含21个文件，涵盖shp几何数据、dbf属性表、shx空间索引、prj投影坐标及xml元数据等完整配套格式，并额外整理区县与乡镇两级shp文件，方便按层级调用；包体仅275KB，轻量高效，适配ArcGIS、QGIS等常见平台。数据包含县区和乡镇两类图层，属性字段附有地名信息，便于关联业务数据。目前已有526人学习使用，数据经过整理校验，若使用中遇到问题可协助处理。资源适合需要快速获取无锡基层行政边界、开展地理数据可视化或作为研究底图的读者，能够节省自行搜集与配准的时间，提升开发与制图效率。

1. 无锡乡镇街道 shp 数据包，解决的不止是“找文件”

做城市尺度的项目时，区县级边界通常不够用。社区网格、15 分钟生活圈、土地利用现状分析，往往要求到乡镇街道一级。我接过好几个需求，对方拿到的无锡边界要么是市级轮廓，要么是网上拼来的区县边界，精度参差不齐。这个压缩包里同时包含无锡各乡镇街道和区县两个层级的 shapefile，还有配套的 prj、dbf、shx 等文件，意味着不需要再从天地图或统计年鉴里逐条描边界。适合正在写规划论文、做 GIS 课程设计，或者要在 BI 工具里做行政区划图的人。前提是得弄清坐标系和属性字段，否则后续叠路网、叠人口栅格都会错位。

2. shapefile 伴生文件与坐标系判读：拿到手先别急着拖进地图

2.1 从 .prj 到 .shp.xml：每个伴生文件都是线索

shapefile 不是一个单文件后缀，而是一个由 .shp、.shx、.dbf、.prj 等组成的文件族。这个压缩包里的文件对应得很整齐：无锡各乡镇.shp配的是无锡各乡镇.dbf、无锡各乡镇.shx、无锡各乡镇.prj、无锡各乡镇.sbn、无锡各乡镇.sbx、无锡各乡镇.shp.xml。无锡各区县.shp也有一整套，同时还有一份无锡.shp作为全市范围轮廓。下面对照文件后缀说明各自的作用。

.sbn和.sbx是 ArcGIS 在做空间索引时生成的，QGIS 和大多数开源库都不依赖它们，缺了也能读；如果有，说明这份数据曾经在 ArcMap 里被打开并校验过，可信度会高一些。.shp.xml里一般用 ESRI 元数据格式记录字段含义和生成时间，文本打开可以看到<Esri><CreaDate>这样的节点。我拿到压缩包的第一件事，是先把 .prj 和 .shp.xml 都读一遍，而不是直接拖图层。

2.2 坐标系判读与常见误用

用文本编辑器打开 .prj，内容大致是两种形态：要么是 ESRI 的PROJCS字符串，要么是 OGC WKT 的GEOGCS块。无锡在 WGS84 下的经度范围约东经 119.5° 到 120.5°，纬度北纬 31.4° 到 31.7°。如果 .prj 里的坐标系是GCS_WGS_1984，那数据就是经纬度；如果出现PROJECTION["Transverse_Mercator"]或CGCS2000_3_Degree_GK_CM_120E，那就说明是投影坐标，单位是米。

用命令行快速查看：

# 打印 prj 文件内容，确认坐标系 WKT 字符串 cat 无锡各乡镇.prj

这里cat直接输出坐标系字符串，重点看三点：GEOGCS里的基准面名称、DATUM是D_WGS_1984还是D_China_2000，以及是否存在PROJECTION和UNIT["metre"]。很多从网上下载的“镇街 shp”，.prj 是空的，或写的是GCS_Unknown，这种情况软件会把坐标当作经纬度显示，但实际可能是地方坐标系，叠到遥感影像上会偏移几十米到几百米。最简单的验证办法是加载一份已知正确的底图，比如天地图影像，看边界是否吻合。

投影坐标和地理坐标的混用是行政区划数据最常见的坑。投影坐标直接算面积、生成渔网、做缓冲区都可以用米，经纬度则需要用estimate_utm_crs或类似方法转投影，否则计算出来的面积单位是平方度，完全不能看。在 QGIS 的图层属性里看到 CRS 是 EPSG:4490（CGCS2000 地理坐标系）或 EPSG:4326，并不代表数据错了，只代表你是用经纬度展示；真正做分析前要再投影到适合无锡的 Gauss-Kruger 带。

2.3 用 pyogrio 快速读取属性与几何信息

直接拖进 QGIS 看属性当然可以，但写脚本能得到更确定的结果。我常用pyogrio读取，它的读写速度比传统geopandas默认引擎快，而且能直接拿到 CRS 和几何类型。以下代码可以在 Jupyter 里逐行跑：

import pyogrio path = "无锡各乡镇.shp" # 读取元信息，不加载几何，速度很快 info = pyogrio.read_info(path) print(info["crs"]) # 输出坐标系对象，None 就要警惕 print(info["geometry_type"]) # 应该输出 Polygon 或 MultiPolygon print(info["fields"]) # 列出所有属性字段名和类型 # 读取完整 GeoDataFrame，用于后续筛选 gdf = pyogrio.read_dataframe(path) print(gdf.columns.tolist()) print(gdf.head(3))

这段代码先通过read_info拿到 CRS、几何类型和字段列表，不加载几何数据，文件大也能秒回；然后read_dataframe把要素读成 GeoDataFrame，方便看前几行和字段结构。尤其要看镇街名称字段到底叫XZQMC、town还是NAME，同一个来源的数据字段命名习惯不同，后面写筛选表达式时用错字段名会直接报 KeyError。

再看字段类型：

print(gdf.dtypes) if "XZQDM" in gdf.columns: # 行政区划代码转成字符串，截取前6位作为区县代码 code = gdf["XZQDM"].astype(str).str[:6] print(code.unique())

这里.astype(str)是关键。很多 shp 的行政区划代码在 dbf 里被存成整数或浮点数，比如320205会变成320205.0，如果直接做字符串匹配就会漏掉所有乡镇。截取前6位可以识别区县，滨湖区是 320211，新吴区是 320214，这样后面用区县代码关联各乡镇数据时就不会出错。

3. 属性筛选、层级匹配与 shp 导出实战

3.1 用字段筛选出指定镇街

拿到数据后最常见需求是“只要某几个街道”。在 QGIS 中可以直接打开属性表，用表达式筛选。如果字段名是XZQMC，表达式就是：

"XZQMC" LIKE '%华庄%'

这条 SQL 表达式会在字段XZQMC中模糊匹配包含“华庄”的记录，选中后右键图层可以导出“保存所选要素”。但从重复性任务角度看，用 Python 脚本更稳定，特别是需要按一批名称筛选时。例如筛选华庄、雪浪两个街道：

import geopandas as gpd gdf = gpd.read_file("无锡各乡镇.shp") # 用正则匹配街道名称，两个名称用 | 分隔 selected = gdf[gdf["XZQMC"].str.contains("华庄|雪浪")].copy() selected.to_file("华庄雪浪.shp", driver="ESRI Shapefile", encoding="utf-8")

代码中str.contains默认支持正则，华庄|雪浪表示包含任意一个即通过；.copy()避免后续修改影响原数据。to_file里的encoding="utf-8"是为了让 dbf 里的中文在 Excel 里不乱码，如果编码有误，下次打开属性表会看到一堆问号。这里对应很多人在“shp 文件下载”之后的第一类需求，本质是属性筛选，不涉及空间裁剪；如果要按范围裁剪，应该用clip操作。

3.2 区县与乡镇的层级匹配

包里既有无锡各区县.shp也有无锡各乡镇.shp，做统计时经常需要把乡镇挂到所属区县上。最直接的是属性表里如果有区县代码字段，直接用left join。如果没有，就需要用空间连接。常见做法是用sjoin先做相交，再处理边界归属：

towns = gpd.read_file("无锡各乡镇.shp") counties = gpd.read_file("无锡各区县.shp")[ ["XZQMC", "geometry"] ].rename(columns={"XZQMC": "区县名"}) # 用空间连接给乡镇加区县属性 joined = gpd.sjoin(towns, counties, how="left", predicate="intersects") print(joined[["XZQMC", "区县名"]].head())

sjoin的predicate="intersects"会判断乡镇面与区县面是否相交，index_right是右侧表命中的索引，可以用来关联区县名称。边界上的乡镇可能出现同时命中两个区县的重复行，这时最好用质心归属法来保证每个乡镇只属于一个区县：

# 用乡镇质心落在哪个区县内来确定归属 towns_copy = towns.copy() towns_copy["geometry"] = towns.geometry.centroid joined_point = gpd.sjoin( towns_copy, counties[["区县名", "geometry"]], how="left", predicate="within", )

这里先复制一份数据，再把 geometry 替换为质心，随后用within找包含该质心的区县。sjoin的how保持"left"，这样不会有乡镇因为质心稍微越过边界而丢失。需要注意的是，质心法可能把狭长乡镇归错，如果乡镇形状特别不规则，建议结合centroid和representative_point两个结果对照。实际上，对于同一套底图切割出来的区县和乡镇，边界完全吻合，直接用属性代码关联更稳，空间连接只是兜底方案。

3.3 导出为 KML、GeoJSON、TXT 的常用参数

很多场景并不直接用 shp：Web 前端要 GeoJSON，导航软件要 KML，批量导入数据库要 TXT/CSV。用 GDAL 自带的ogr2ogr可以一次完成：

# 输出为 GeoJSON，并强制转成 WGS84 经纬度 ogr2ogr -f GeoJSON 无锡乡镇.geojson 无锡各乡镇.shp -t_srs EPSG:4326 # 输出为 KML，Google Earth 可直接打开 ogr2ogr -f KML 无锡乡镇.kml 无锡各乡镇.shp # 属性表导出为带坐标的 TXT（逗号分隔） ogr2ogr -f CSV 无锡乡镇.txt 无锡各乡镇.shp -lco GEOMETRY=AS_XY

这三行命令分别处理不同输出格式。-t_srs EPSG:4326表示输出坐标参考系统，避免 GeoJSON 里残留投影坐标；-f KML不需要指定-t_srs，KML 标准强制经纬度；-lco GEOMETRY=AS_XY是 CSV 的图层创建选项，它会在每行末尾追加 X 和 Y 坐标。网上常见的“shp转txt”多数情况用的就是这个命令，但请注意这样导出的 TXT 只保留属性加坐标点，并不包含面边界；如果后续要画完整的多边形，应该用 GeoJSON 或 GeoPackage。

顺便说一句，如果需要 shp 批量转 KML，Shell 循环就能搞定：

for f in *.shp; do # 去扩展名后生成同名 KML 文件 name=$(basename "$f" .shp) ogr2ogr -f KML "${name}.kml" "$f" done

循环里用basename去掉后缀，再拼接.kml，避免文件名重复；ogr2ogr每次都独立读入一个 shp，输出对应的 KML。如果文件很多，Windows 下建议在 Git Bash 或 WSL 里运行，避免批处理转义问题。

-nlt PROMOTE_TO_MULTI在转 GPKG 时推荐加上，因为 shapefile 允许 Polygon 与 MultiPolygon 混存，而部分数据库或后端不接受混合几何；强制提升为 MultiPolygon 后能避免导入 PostGIS 时报 “Geometry type mismatch”。

4. 无效几何排查与批量压缩、转 3dtiles

4.1 先查拓扑，再谈转换

许多行政区划 shp 在人工编辑边界时会产生自相交、重复顶点、无效环等问题。直接拿去转 GeoJSON 还能用，但转 3dtiles 或做空间计算时会出现空洞、面积异常。先用ogrinfo快速确认几何类型：

# -so 只输出图层摘要，过滤出几何类型行 ogrinfo -so 无锡各乡镇.shp 无锡各乡镇 | grep "Geometry"

这条命令输出几何类型，如果显示Polygon是正常的，如果出现Geometry Collection或空值，就要小心了。更严格的自相交检测要用 GEOS 的is_valid：

import geopandas as gpd gdf = gpd.read_file("无锡各乡镇.shp") # 找出无效几何并统计数量 invalid = gdf[~gdf.geometry.is_valid] print(invalid.shape[0], "个无效几何") # 用 buffer(0) 重建有效几何，修复自相交 gdf["geometry"] = gdf.geometry.buffer(0) print(gdf.geometry.is_valid.all())

buffer(0)是修复 shp 无效几何的经典做法：它会把自相交环重新构建为有效多边形，代价是可能抹掉极小缝隙。执行后再用is_valid.all()确认是否全部恢复。这一步对后续 shp 转 3dtiles 很关键，因为 3dtiles 要求闭合且无重叠，自相交面会在三角化过程中报错。如果无效要素数量很多，建议先gdf = gdf[gdf.geometry.is_valid]剔除坏数据，不要盲目修复。

常见几何错误与处理方式如下表：

表格中列出的四类问题里，混合几何最容易在导出时爆错，因为它不是拓扑错误而是类型问题。处理方式可以统一转 Multi，也可以在导出时由 GDAL 自动提升。

4.2 单个 shp 如何批量压缩

行政区划 shp 即使一个乡镇只有几百个顶点，整个无锡的文件也可能到几十 MB。发布为地图服务前，通常要做节点简化。用mapshaper能快速简化边界：

# 使用 Douglas-Peucker 算法，保留约20%的节点 mapshaper 无锡各乡镇.shp -simplify dp 20% -o 无锡乡镇_simplified.shp

dp指定算法，20%意思是保留 20% 的节点数。简化后视觉上几乎不变，但文件体积大幅下降。需要注意简化算法不感知拓扑，多个相邻镇街各自简化后可能出现微小缝隙，矢量切片服务会容忍，但做面积统计时不要用简化后的数据。

如果要一次处理多个 shp，用 Shell 循环：

for f in *.shp; do # 提取不带扩展名的文件名 name=$(basename "$f" .shp) mapshaper "$f" -simplify dp 30% -o "out/${name}_simplified.shp" done

这个循环会把当前目录所有 shp 文件逐个简化，输出到out目录；basename用于去掉扩展名，避免拼接文件名时重复.shp.shp。批量压缩后的文件可以直接发布为本地图层包，也可以再转成 GeoPackage 这种单文件格式来管理。

4.3 从 shp 到 3dtiles 的典型链路

网上经常看到“shp转3dtiles”的需求。直接转 3dtiles 的工具其实都走了同一条中间路径：先把 shp 转成 GeoJSON，再用 Cesium 相关工具或pg2b3dm切瓦片。步骤通常是：

# 第一步：shp 转 GeoJSON，统一用 WGS84 经纬度 ogr2ogr -f GeoJSON 无锡乡镇.geojson 无锡各乡镇.shp -t_srs EPSG:4326 # 第二步：用 3d-tiles-tools 生成 3dtiles 瓦片目录 npx 3d-tiles-tools --input 无锡乡镇.geojson --output 无锡乡镇_3dtiles

这里的第二步依赖 Node.js 环境，npx会自动下载工具。参数上要注意输入 GeoJSON 必须是经纬度，且要素类型必须统一为 Polygon，不能把 MultiPolygon 混在一起，否则工具会报 “unsupported geometry type”。所以转换前先做dissolve或统一提升为 MultiPolygon。另外，如果只是做可视化，不需要真的转 3dtiles，可以先转成 GeoJSON 用 Mapbox 加载，性能差别不大；3dtiles 更多是给 Cesium 场景或大体量数据用。

4.4 与其他空间数据叠加时的坐标系对齐

做道路分析时，网上搜来的“2020全国道路shp下载”“遥感道路shp文件”大多是 WGS84 或 Web Mercator 投影，而行政区划可能是 CGCS2000 或西安80。不能直接叠加，必须先统一 CRS。我的做法是先把道路数据转到乡镇数据的坐标系：

# 将道路数据转换为 CGCS2000 地理坐标系 ogr2ogr -t_srs EPSG:4490 道路_cgcs2000.shp 道路.shp

EPSG:4490 是 CGCS2000 地理坐标系，和 WGS84 在无锡区域差异只有几十厘米，如果只是叠加展示，可以忽略；但和栅格做像元统计时，最好转到当地投影坐标，比如 EPSG:4538（CGCS2000 / 3-degree Gauss-Kruger CM 120E），这样面积计算才准确。生成渔网分割 shp 时也一样，先统一 CRS 再切，否则网格和边界会互相偏移。地下水位栅格这类数据自带的 .prj 往往也是经纬度，用read_csv读出来再转 GeoDataFrame 时要显式设置 CRS，否则默认为 None，后续空间操作直接报错。

5. 验证一份镇街边界数据是否可信的三个土办法

5.1 叠合影像：看边界是否“贴”着建成区

将无锡各乡镇.shp加载进 QGIS，底图选择 XYZ Tiles 中的天地图影像。正常情况下，乡镇界应该沿着河道、公路中心线或山脊延伸，和影像上的明显地物重合。如果边界与影像中村庄边缘交叉错乱，说明数据经历了不正确的坐标变换，或者数字化精度不足。验证时把图层透明度调到 50%，对比 1:50000 视图下的吻合程度即可。

5.2 拓扑自检：检查重复和缝隙

使用 QGIS 的 Topology Checker 插件，添加must not have gaps和must not have duplicates规则到乡镇层。无锡乡镇边界应是无缝铺满全区，任意两个乡镇之间不应有空隙；有缝隙说明数据在裁剪时丢失了窄带区域。处理办法是用fill gaps工具把缝隙分配到相邻要素，或者回到buffer(0)修复。对“无锡各区县.shp”也要用同一套规则检查，因为区县边界应完全贴合乡镇外边界。

5.3 面积对齐：和统计年鉴比大小

一个简单有效的验证方法，是把乡镇面积和统计公报中的面积对比。用 SQL 查询到每个乡镇的面积即可：

-- 将几何转成 geography 计算平方千米面积 SELECT name, ST_Area(geom::geography) / 1000000.0 AS area_km2 FROM wuxi_towns ORDER BY area_km2 DESC;

这里把几何转成geography是为了在数据库中直接得到以米为单位的面积结果，除以 1000000 得到平方千米。如果直接在平面坐标系下用ST_Area(geom)，返回结果取决于坐标系单位，可能是度，不是米。对比时允许 1%~2% 的误差，超过 5% 需要考虑是否有区域归属争议或数据扫描变形。另外，用统计年鉴的户籍人口做离线检查时，可以用乡镇面积乘以平均人口密度大概判断，但不要反过来用面积去反推人口，那会掩盖内部差异。

本文还有配套的精品资源，点击获取