跳到內容

Shapefile 中文變亂碼怎麼辦

該不該改用 GeoPackage

M1入門約 25 分鐘

草稿|尚未在 QGIS 4 實機驗證

台灣的舊資料大量是 Shapefile,而且很多是用 ArcView、ArcGIS 早期版本或中文版 Windows 產生的,屬性表裡的中文是 Big5 編碼。打開來常見:

  • 屬性表的中文變成「���」或「地å€」這種亂碼。
  • 欄位名稱被截斷成奇怪的縮寫。
  • 檔案寄給別人後,對方打開沒有坐標系,或少了屬性。
  • 一份含中文屬性的舊 Shapefile(.shp、.shx、.dbf,可能還有 .prj、.cpg)
  • 若手邊沒有,可從政府資料開放平臺下載任一 SHP 格式的資料練習
  1. 先看資料夾裡有沒有 .cpg 檔,用記事本打開,裡面通常只有一行編碼名稱(例如 UTF-8 或 950)。

  2. 已載入的圖層:右鍵 屬性 Properties ▸ 來源 Source,修改 資料來源編碼 Data source encoding。台灣的舊資料先試 Big5(或 CP950),新資料試 UTF-8。按套用,打開屬性表確認。

  3. 尚未載入時:資料來源管理員 Data Source Manager ▸ 向量 Vector,在 編碼 Encoding 先選好再加入。

  4. 確認中文正常後,另存圖徵為 Save Features As 存成 GeoPackage,之後就不用再處理編碼。

  1. 另存圖徵為 Save Features As,格式選 ESRI Shapefile。

  2. 編碼 Encoding 選 UTF-8(對方的軟體只讀 Big5 時才選 Big5)。

  3. 確認輸出資料夾中有 .cpg 檔,交付時連同 .shp、.shx、.dbf、.prj、.cpg 一起打包。

  4. 在交付說明裡寫明編碼與坐標系。

文字在檔案裡是一串位元組,要知道「用哪一種編碼」才能還原成字。Big5 和 UTF-8 對同一個中文字的位元組完全不同。QGIS 用錯編碼解讀,就會出現亂碼。

Shapefile 的屬性存在 .dbf(dBase 格式),本身沒有可靠的地方記錄編碼。GDAL(QGIS 讀 Shapefile 用的函式庫)的處理順序是:

  1. 讀 .cpg 檔的編碼設定;
  2. 沒有 .cpg 時,退而讀 .dbf 檔頭的語言驅動代碼(LDID)。

GDAL 文件特別指出,LDID 87 對應的是 ISO-8859-1(西歐語系),「可能不恰當」。很多舊的中文 Shapefile 沒有 .cpg,檔頭又是不正確的 LDID,於是被當成西歐語系解讀,就成了亂碼。手動指定資料來源編碼,就是覆寫這個判斷。

GDAL 也提供 ENCODING 開啟選項與 SHAPE_ENCODING 設定選項,可以在命令列工具或批次處理時強制指定編碼。

依 GDAL 的 Shapefile 驅動程式文件:

限制 內容
欄位名稱 最多 10 個字元(以位元組計,中文欄位名稱很快就超過),重複或被截斷的名稱會縮成 8 個字元加序號
檔案大小 不建議 .shp 與 .dbf 超過 2 GB
欄位型態 只能建立整數、長整數、實數、字串、日期(只有年月日),不支援日期時間與二進位
組成 至少 .shp、.shx、.dbf 三個檔,少一個就打不開;.prj 記錄坐標系,選用但很重要

QGIS 使用手冊也提醒,.prj 常常不包含 QGIS 需要的完整投影參數;TWD67 這類需要基準轉換的坐標系,.prj 的資訊特別容易不完整。

GeoPackage 是以 SQLite 資料庫為容器的開放格式,QGIS 使用手冊說明它是 QGIS 向量資料的預設格式:

  • 一個 .gpkg 檔可放多個向量圖層、網格圖層與屬性表,自 3.8 起也能存 QGIS 專案。
  • 文字一律以 UTF-8 儲存,沒有編碼猜測的問題。
  • 欄位名稱不受 10 字元限制,支援日期時間等型態。
  • 坐標系存在檔案內部,不靠另一個 .prj 檔。

交換資料時,只要對方的軟體能讀 GeoPackage(多數現行 GIS 軟體都支援),就優先用 GeoPackage。

CP950 是 Windows 的繁體中文字碼頁,大致等同 Big5 並加上一些擴充字。.cpg 檔裡寫 950,意思是用這個字碼頁。少數 Big5 沒收錄的字(造字、罕用地名字)在轉換時可能變成問號,交付前要抽查。

症狀 原因 解法
屬性表中文全是亂碼 沒有 .cpg,被當成西歐語系解讀 在來源分頁把資料來源編碼改成 Big5
改 Big5 還是亂碼,改 UTF-8 才正常 這份資料本來就是 UTF-8 依實際結果選,並另存成 GeoPackage 固定下來
匯出 Shapefile 後欄位名稱被截斷 欄位名稱超過 10 個字元(位元組) 改用短的英文欄位名稱,或改交 GeoPackage
對方打開沒有坐標系 少交了 .prj 交付時檢查檔案組成,或改交 GeoPackage
日期時間欄位匯出後只剩日期 Shapefile 不支援日期時間型態 改用 GeoPackage,或另存成文字欄位
少數地名字變成問號 字不在 Big5 字集內 改用 UTF-8 或 GeoPackage,交付前抽查
Save KML to Shapefile by using QGIS "Save as..." function作者 huangyoshi另存為功能的格式轉換;新版建議目標格式改用 GeoPackage
將QGIS圖層列表中所有向量圖層一次轉出KML檔作者 huangyoshi一次匯出多個圖層的做法
  1. 找一份中文亂碼的 Shapefile,用來源分頁修正編碼,記下正確的編碼名稱。
    • 檢查方式:屬性表中文正常顯示。
  2. 把它另存為 GeoPackage,再重新載入,確認不用再設定編碼。
    • 檢查方式:直接載入即中文正常,坐標系也正確。
  3. 把同一圖層匯出成 Shapefile,欄位名稱用一個超過 10 個字元的英文名稱,觀察結果。
    • 檢查方式:欄位名稱被截斷或縮短加序號。