shapefile与字符集编码设置

技术文章5年前 (2020-04-15)3281

在 ArcGIS Desktop (ArcMap, ArcCatalog, and ArcToolbox) 中，有编码页转换功能（CODE PAGE CONVERSION），可以读写多种字符编码的 shapefile 和 dBASE 表。在系统注册表中，编码页转换功能（CODE PAGE CONVERSION）命名为 'dbfDefault'，可以修改这个值。

在 ArcGIS 10.2.1 之前，可以通过下面的方法来设置编码行为：
在 shapefile (.DBF) 的头文件中包含了引用的编码页，用来与用户的区域设置一致。例如，如果用户使用了日本的区域设置，那编码页是'Shft-JIS'。
在 ArcGIS 10.2.1 版本，shapefile (.DBF) 的编码页的默认设置为 UTF-8 (UNICODE) 。

ArcGIS Desktop 10.2.1 和 10.2.2 出补丁了，可以打上，如下类似的方法去修改：
10.2.1： http://support.esri.com/en/dow ... /2090
10.2.2： http://support.esri.com/en/dow ... /2089

'dbfDefault' 的作用

使用 ArcGIS for Desktop 打开 dBase 表文件时，程序先去读头文件中的 Language Driver ID (LDID) 或者是同名 *.CPG文件。前面二者都是用来在读文件之前，决定用什么编码类型来正确读出文件。如果有必要， ArcGIS for Desktop 会进行编码转换来显示字符串。

如果文件缺失 LDID 或者 .CPG 文件，编码就会被假定为 Windows (ANSI/Multi-byte)。也是因为这个原因，如果文件是 OEM 编码的，并且没有写入 LDID 或者 .CPG，字符就会出现乱码。也就说 ArcGIS 把 OEM 文件当成 ANSI 文件来处理了。
多数情况下， shapefiles 和 dBASE 文件都会存储编码页信息。但是有些程序的OEM文件没有包含编码页信息，例如 Microsoft Access 2000 and Excel 2000，所以这些文件读取时，就会乱码。为了避免这个问题，用户可以给没有编码页信息的文件设置dbfDefault 。

写：在注册表中设置 'dbfDefault' ，可以决定导出的 shapefile 和 dBASE 的编码类型。例如，把 'dbfDefault' 设置为 OEM ，那么用 ArcMap, ArcCatalog, ArcToolbox 生成出来的 shapefile 和 dBASE 文件就是以 OEM编码的，设置成 ANSI ，那 shapefile 和 dBASE 文件就是 ANSI 编码的。
读：读 shapefile 和 dBASE 文件的逻辑与写是相同的，如果缺失编码信息，ArcGIS 读取文件的编码类型由 dbfDefault 决定。

不适用'dbfDefault' 的情况：

'dbfDefault' 这项设置仅对 ArcGIS Desktop 生效，对于一些很老版本的ArcGIS 产品不适用；仅对 shapefile 生效，Personal GDB等不生效。

无视 'dbfDefault' 设置的包括：

In ArcInfo Workstation,
? ARCSHAPE with &CODEPAGE OEM creates a shapefile in OEM
? ARCSHAPE with &CODEPAGE ANSI creates a shapefile in ANSI
? INFODBASE with &CODEPAGE OEM creates a dBASE file in OEM
? INFODBASE with &CODEPAGE ANSI creates a dBASE file in ANSI
In ArcView 3.x,
? Shapefile and dBASE files are saved in the ANSI code page.
In ArcGIS for Desktop (regardless of the dbfDefault setting),
? Personal geodatabases are saved in Unicode
? Personal geodatabase tables are saved in Unicode
? Coverages are saved in the ISO code page
? INFO files are saved in the ISO code page
? Interchange files are saved in the ANSI code page
? Text files are saved in the ANSI code page

'dbfDefault' 设置方法
1.开始--运行，输入”Regedit“，打开注册表。
2.如是用的是 10.x 版本 ArcGIS Desktop，定位到” My Computer\HKEY_CURRENT_USER\Software\ESRI\Desktop 10.x' （如果是9.3.1之前的版本，定位到 'My Computer\HKEY_CURRENT_USER\Software\ESRI'）。
3.创建项 'Common'，接着创建 'CodePage'项，添加 ‘字符串’，名称： dbfDefault，健值：oem（或者UTF-8）。

如下为支持的编码值：

OEM Code Page Values:
OEM, 437, 708, 720, 737, 775, 850, 852, 855, 857, 860, 861, 862, 863, 864, 865, 866, 869, 932, 936, 950

ANSI Code Page Values:
ANSI, 1250, 1251, 1252, 1253, 1254, 1255, 1256, 1257, 1258, Big5, SJIS

ISO Code Page Values:
ISO, 88591, 88592, 88593, 88594, 88595, 88596, 88597, 88598, 88599, 885910, 885913, 885915, EUC

Unicode Values:
UTF-8

现在，Shapefiles 可以以 UTF-8 存储，但是，只有在 ArcGIS Desktop 中才能被识别。

ArcGIS Desktop 10.2.X 后 shapefile 字符集编码设置
ArcGIS Desktop 10.2.1 的编码默认还只是 UTF-8 ，不支持像早期版本一样可以i自定义设置，现在出了补丁，可以支持用户配置。

在 ArcGIS 10.2.1 之前的版本，创建 shapefile 的时候，其编码类型是由操作系统的语言区域设置（language locale）决定的。而从 ArcGIS Desktop 10.2.1 版本以及之后的版本，产生的shapefile都是 UTF-8 编码的。Esri的这项改动就导致了一些问题的出现，主要就是多字符编码相关的，对于我们来说，就是中文字符的编码。

因此，如果希望更改 ArcGIS 默认的 shapefile 的编码类型，就需要按照版本安装如下补丁了：
10.2.1： http://support.esri.com/en/dow ... /2090
10.2.2： http://support.esri.com/en/dow ... /2089