世界地图GeoJSON资源：开箱即用的国家边界数据与Web可视化实践

简介：这份资源整理了世界地图与主要国家的 GeoJSON 数据，面向从事数据可视化、Web 地图开发的前端工程师与 GIS 初学者，解决绘制世界或单国地图时缺少现成边界数据的问题。压缩包共 25 个文件，以 23 个 json 为主，涵盖 world.json 及德国、英国、瑞士、日本、俄罗斯、澳大利亚、美国、法国、巴西、韩国、新加坡等主要国家，另有 2 个 mht 文件记录 D3.js 地图学习资料，整体约 11.31MB。由于原始文件体积偏大，作者建议下载后到 mapshaper.org 按需简化，以适配网页加载性能。目前已有 6260 人学习下载，说明该数据在可视化社区中具备一定认可度。读者可直接获得开箱即用的世界及多国边界数据，省去自行采集与格式转换的环节，配合 D3.js 等库即可快速完成地图渲染、区域着色与交互探索，也便于按国家拆分做专题分析。

1. 世界地图 GeoJSON 资源：从一份 JSON 到能跑的地图

做数据可视化或者 GIS 相关开发的人，迟早会碰到一个需求：我需要一份干净、完整、能直接用的世界地图和主要国家的边界数据。网上搜一圈，要么是 shapefile 需要额外工具转换，要么是 TopoJSON 还得引额外依赖，要么就是数据缺胳膊少腿——某个国家的边界线断了，或者属性表里连国家名都没有。这份「世界地图和主要国家的 JSON (GeoJSON)」资源，解决的就是这个最前置、也最容易被低估的问题：给你一份开箱即用的 GeoJSON 文件，直接丢进 ECharts、Leaflet、Mapbox、D3 或者 Python 的 GeoPandas 里就能渲染。它适合谁？做前端地图可视化的、写数据大屏的、搞地理数据分析的，以及任何需要国家边界几何数据但不想从 Natural Earth 原始 shapefile 开始折腾的人。

2. GeoJSON 格式拆解：为什么它比 Shapefile 更适合 Web 场景

2.1 GeoJSON 的核心结构：FeatureCollection 与 Geometry

GeoJSON 本质上是 JSON 格式的地理空间数据交换标准（RFC 7946）。一份世界地图 GeoJSON 的顶层通常是一个FeatureCollection，里面装着一堆Feature，每个Feature包含geometry（几何形状）和properties（属性信息）。几何类型常见的有Polygon（单个国家主体）和MultiPolygon（岛屿多的国家，比如日本、菲律宾、印尼）。属性里一般会有国家名称、ISO 代码、行政区划类型等字段。

为什么 Web 场景优先选 GeoJSON 而不是 Shapefile？Shapefile 是一套多文件格式（.shp/.shx/.dbf/.prj），浏览器端没法直接解析，必须后端转成 GeoJSON 或者用 shapefile.js 这类库在前端硬解，性能和兼容性都不理想。GeoJSON 就是纯文本 JSON，fetch回来JSON.parse就能用，和 JavaScript 生态无缝衔接。TopoJSON 虽然体积更小（通过拓扑编码压缩共享边界），但需要额外引入 topojson-client 做解码，多一层依赖就多一个翻车点。

2.2 这份资源里有什么：文件组织与字段说明

根据标题和常见组织方式，这份资源通常包含两类文件：一份全球尺度的世界地图 GeoJSON，以及若干主要国家的单独 GeoJSON 文件。世界地图文件覆盖全球国家边界，国家文件则把单个国家的几何数据拆出来，方便按需加载。

属性字段的具体名称取决于数据来源。常见的有name（英文名）、name_zh（中文名，部分资源会带）、iso_a2（两位国家代码）、iso_a3（三位代码）。如果你要做中文地图，先确认properties里有没有中文名字段，没有的话需要自己维护一张 ISO 代码到中文名的映射表。

注意：不同来源的 GeoJSON 属性字段命名不统一，拿到文件后第一件事是console.log或print看一个 Feature 的 properties 结构，别假设字段名。

2.3 用 Python 快速验证数据完整性

拿到 GeoJSON 文件后，别急着往项目里塞。先用 Python 做一轮体检，确认几何有效、属性齐全、坐标范围正常。

import json # 加载 GeoJSON 文件 with open("world.geo.json", "r", encoding="utf-8") as f: data = json.load(f) # 检查顶层结构 print("类型:", data.get("type")) # 应为 FeatureCollection features = data.get("features", []) print("要素数量:", len(features)) # 检查第一个要素的属性字段 first = features[0] print("属性字段:", list(first["properties"].keys())) print("几何类型:", first["geometry"]["type"]) # 统计几何类型分布 from collections import Counter geom_types = Counter(f["geometry"]["type"] for f in features) print("几何类型分布:", dict(geom_types)) # 检查坐标范围是否合理（经度 -180~180，纬度 -90~90） def check_bounds(coords): if isinstance(coords[0], (int, float)): lon, lat = coords[0], coords[1] return -180 <= lon <= 180 and -90 <= lat <= 90 return all(check_bounds(c) for c in coords) bad = [f["properties"].get("name", "unknown") for f in features if not check_bounds(f["geometry"]["coordinates"])] print("坐标异常的国家:", bad if bad else "无")

这段脚本做了四件事：确认顶层是FeatureCollection、统计要素数量、查看属性字段名、检查坐标是否在合法范围内。如果bad列表非空，说明有国家的坐标数据有问题，可能是投影没转回 WGS84 经纬度，需要重新处理。check_bounds递归遍历嵌套坐标数组，兼容 Polygon 和 MultiPolygon 两种结构。

3. 在 Web 前端落地：ECharts 与 Leaflet 两条路线

3.1 ECharts 注册地图：三行代码搞定

ECharts 是国内数据大屏最常用的图表库，它内置了地图组件，但需要你先注册 GeoJSON 数据。

import * as echarts from 'echarts'; // 加载 GeoJSON 数据 fetch('/data/world.geo.json') .then(res => res.json()) .then(geoJson => { // 注册地图，'world' 是自定义地图名 echarts.registerMap('world', geoJson); const chart = echarts.init(document.getElementById('map')); chart.setOption({ series: [{ type: 'map', map: 'world', // 对应 registerMap 的名字 roam: true, // 允许缩放和拖拽 label: { show: false }, // 国家名太多，默认关掉 emphasis: { // 鼠标悬浮高亮 label: { show: true }, itemStyle: { areaColor: '#ffd700' } }, data: [] // 你的业务数据，格式 [{name: 'China', value: 100}] }] }); });

关键点在echarts.registerMap('world', geoJson)这一行。注册之后，series.map的值必须和注册名一致。roam: true开启缩放拖拽，大屏上一般会开。data数组里的name字段必须和 GeoJSON 里properties.name的值完全匹配，否则数据映射不上——这是最常见的翻车点。如果 GeoJSON 里用的是英文名而你的数据是中文名，要么改数据，要么在 GeoJSON 里加一个中文名字段。

3.2 Leaflet 加载 GeoJSON：L.geoJSON 的样式与交互

Leaflet 是另一个主流选择，轻量、插件生态好。加载 GeoJSON 用L.geoJSON方法。

import L from 'leaflet'; const map = L.map('map').setView([20, 0], 2); // 纬度、经度、缩放级别 // 底图用 OpenStreetMap L.tileLayer('https://{s}.tile.openstreetmap.org/{z}/{x}/{y}.png', { attribution: '© OpenStreetMap contributors' }).addTo(map); // 加载 GeoJSON 并设置样式 fetch('/data/world.geo.json') .then(res => res.json()) .then(geoJson => { L.geoJSON(geoJson, { style: function(feature) { return { color: '#3388ff', // 边界线颜色 weight: 1, // 线宽 fillColor: '#3388ff', // 填充色 fillOpacity: 0.1 // 填充透明度 }; }, onEachFeature: function(feature, layer) { // 绑定点击弹窗 if (feature.properties && feature.properties.name) { layer.bindPopup(feature.properties.name); } // 鼠标悬浮高亮 layer.on('mouseover', function() { this.setStyle({ fillOpacity: 0.4 }); }); layer.on('mouseout', function() { this.setStyle({ fillOpacity: 0.1 }); }); } }).addTo(map); });

style函数对每个 Feature 调用一次，返回样式对象。onEachFeature是绑定交互的入口，bindPopup做点击弹窗，mouseover/mouseout做悬浮效果。Leaflet 的坐标系默认是 WGS84 经纬度（EPSG:4326），GeoJSON 标准也是 WGS84，所以不需要额外投影转换。如果你的 GeoJSON 用的是 Web Mercator（EPSG:3857），Leaflet 也能显示，但坐标值会很大，需要确认数据源。

3.3 按需加载单国数据：减少首屏体积

世界地图 GeoJSON 动辄几 MB，如果用户只关心某个国家，全量加载就是浪费。常见做法是首屏只加载世界地图的低精度版本，用户点击某个国家后再异步加载该国的高精度 GeoJSON。

// 点击国家后加载详细数据 function loadCountryDetail(isoCode) { const url = `/data/countries/${isoCode.toLowerCase()}.geo.json`; fetch(url) .then(res => { if (!res.ok) throw new Error(`加载 ${isoCode} 失败`); return res.json(); }) .then(detail => { // 清除旧图层，加载新图层 if (window.currentDetailLayer) { map.removeLayer(window.currentDetailLayer); } window.currentDetailLayer = L.geoJSON(detail, { style: { color: '#e74c3c', weight: 2 } }).addTo(map); }) .catch(err => console.error(err)); }

isoCode用两位国家代码（如cn、us、jp），文件名统一小写。加载前先移除旧图层，避免叠加。错误处理不能省——文件不存在时fetch不会抛异常，但res.ok为false，需要手动判断。

4. 避坑与排查：GeoJSON 使用中的五个血泪教训

4.1 地图渲染空白：坐标顺序搞反了

现象：地图区域一片空白，控制台无报错，或者地图跑到南极去了。

原因：GeoJSON 标准规定坐标顺序是[经度, 纬度]，但有些数据源（尤其是从某些 GIS 工具导出的）会写成[纬度, 经度]。顺序反了之后，经度值当纬度用，整个地图就飞到南极或者形状完全错乱。

解决：写一个检测脚本，遍历所有坐标点，如果发现大量点的第一个值在 -90 到 90 之间而第二个值超出这个范围，基本可以判定顺序反了。修复方法是递归交换每个坐标对的顺序。

def swap_coords(coords): if isinstance(coords[0], (int, float)): return [coords[1], coords[0]] # 交换经纬度 return [swap_coords(c) for c in coords] for feature in data["features"]: feature["geometry"]["coordinates"] = swap_coords(feature["geometry"]["coordinates"])

4.2 数据映射不上：name 字段不匹配

现象：ECharts 地图渲染出来了，但data里的数值没有着色，所有国家都是默认颜色。

原因：series.data里的name值和 GeoJSONproperties.name不一致。常见差异包括：大小写不同（Chinavschina）、中英文不同（Chinavs中国）、有空格（United StatesvsUnitedStates）。

解决：先打印 GeoJSON 里所有properties.name的值，再打印你数据里的 name 值，做一次 diff。统一方案是维护一张映射表，或者直接在 GeoJSON 里加一个和业务数据一致的字段。

4.3 文件太大导致加载慢：简化几何精度

现象：世界地图 GeoJSON 文件 10MB+，首屏加载要好几秒，移动端直接卡死。

原因：原始边界数据精度太高，每个国家的轮廓有几千个坐标点，全球加起来就是海量数据。

解决：用地图简化算法（如 Douglas-Peucker）降低精度。Python 的shapely库可以做简化，或者用mapshaper命令行工具。

# 用 mapshaper 简化，保留 10% 的坐标点 mapshaper world.geo.json -simplify 10% -o format=geojson world-simplified.geo.json

简化比例根据场景定：大屏展示 5%-10% 足够，需要精确边界（如国土规划）就别简化。

4.4 岛屿国家显示不全：MultiPolygon 处理遗漏

现象：日本、菲律宾、印尼等岛国只显示了主岛，周围小岛不见了。

原因：这些国家的几何类型是MultiPolygon，包含多个多边形。如果代码里只取了coordinates[0]，就只渲染了第一个多边形。

解决：确保渲染库支持MultiPolygon。ECharts 和 Leaflet 都原生支持，问题通常出在自己写的解析代码里。检查是否有coordinates[0]这种硬编码索引。

4.5 中文显示乱码：编码问题

现象：国家名显示为乱码或问号。

原因：GeoJSON 文件保存时用了非 UTF-8 编码，或者 HTTP 响应头没有正确设置Content-Type: application/json; charset=utf-8。

解决：用file命令检查文件编码，统一转成 UTF-8。服务端返回 JSON 时设置正确的 Content-Type。前端fetch默认按 UTF-8 解析，一般不需要额外处理。

5. 进阶技巧：用 GeoPandas 做空间分析与数据校验

5.1 GeoPandas 读取与拓扑检查

如果你不只是渲染，还要做空间分析（比如计算国家面积、判断点是否在境内），Python 的 GeoPandas 是首选工具。

import geopandas as gpd # 读取 GeoJSON gdf = gpd.read_file("world.geo.json") # 查看基本信息 print(gdf.crs) # 坐标参考系，应为 EPSG:4326 print(gdf.shape) # 行数和列数 print(gdf.columns.tolist()) # 检查几何有效性 invalid = gdf[~gdf.geometry.is_valid] print(f"无效几何: {len(invalid)} 个") if len(invalid) > 0: print(invalid[["name"]].head()) # 修复无效几何 gdf["geometry"] = gdf.geometry.buffer(0) # buffer(0) 是常用的修复手段

gdf.crs告诉你坐标参考系，如果是None，说明文件里没有 CRS 信息，需要手动设置gdf.set_crs("EPSG:4326", inplace=True)。is_valid检查几何是否有自相交、重复点等问题，buffer(0)是最常用的修复方法，虽然不保证完美，但能解决大部分问题。

5.2 计算面积与中心点：投影转换不能省

直接用 WGS84 经纬度算面积是不准的，因为经纬度是角度单位，不是长度单位。需要先投影到等面积投影。

# 投影到 Mollweide 等面积投影 gdf_projected = gdf.to_crs("ESRI:54009") # 计算面积（平方公里） gdf["area_km2"] = gdf_projected.geometry.area / 1e6 # 计算每个国家的中心点（用于标注） gdf["centroid"] = gdf.geometry.representative_point() gdf["centroid_lon"] = gdf["centroid"].x gdf["centroid_lat"] = gdf["centroid"].y # 输出面积最大的十个国家 print(gdf.nlargest(10, "area_km2")[["name", "area_km2"]])

to_crs("ESRI:54009")转到 Mollweide 投影，这是一个等面积投影，适合做面积计算。representative_point()比centroid更安全，因为centroid可能落在多边形外部（比如月牙形国家），representative_point保证点在多边形内部。

5.3 导出为其他格式：Shapefile 与 GeoPackage

有时候下游系统需要 Shapefile 或 GeoPackage，GeoPandas 一行代码就能转。

# 导出为 Shapefile（注意：字段名会被截断到 10 个字符） gdf.to_file("world.shp", encoding="utf-8") # 导出为 GeoPackage（推荐，支持长字段名和 UTF-8） gdf.to_file("world.gpkg", driver="GPKG")

Shapefile 的字段名限制是 10 个字符，area_km2会被截断成area_km2（刚好 8 个字符没问题），但更长的字段名就会丢信息。GeoPackage 没有这个限制，是更现代的替代方案。

5.4 一个我常用的校验习惯

每次拿到新的 GeoJSON 文件，我都会跑一遍这个检查清单：顶层类型是不是FeatureCollection、要素数量是否合理、properties里有没有可用的名称字段、坐标范围是否在合法区间、几何是否有效、有没有重复的name值。这套流程帮我挡掉过好几次数据源本身就有问题的坑——有一次某个国家的边界数据里混入了另一国的飞地，导致面积计算直接翻倍。从那以后我每次拿到新数据都强制走一遍这个校验流程，再急也不跳过。希望帮到你。

本文还有配套的精品资源，点击获取