ESRI Shapefile格式解析
概述
Shapefile属于一种矢量图形格式，它能够保存几何图形的位置及相关属性。但这种格式没法存储地理数据的拓扑信息。Shapefile在九十年代初的ArcView GIS的第二个版本被首次应用。目前，许多自由的程序或商业的程序都可以读取Shapefile。
Shapefile是一种比较原始的矢量数据存储方式，它仅仅能够存储几何体的位置数据，而无法在一个文件之中同时存储这些几何体的属性数据。因此，Shapefile还必须附带一个二维表用于存储Shapefile中每个几何体的属性信息。Shapefile中许多几何体能够代表复杂的地理事物，并为他们提供强大而精确的计算能力。然而，单个shapefile文件只能包含一种几何体，例如一个shapefile文件不可能同时包含折线与多边形数据。
Shapefile由多个文件组成，其中有三个文件必不可少：
.shp — 图形格式，用于保存元素的几何实体。
.shx — 图形索引格式。几何体位置索引，记录每一个几何体在shp文件之中的位置，能够加快向前或向后搜索一个几何体的效率。
.dbf — 属性数据格式，以dBase III+ 的数据表格式存储每个几何形状的属性数据。
表示同一数据的一组文件其文件名前缀应该相同。例如，存储一个关于湖的几何与属性数据，就必须有lake.shp，lake.shx与lake.dbf三个文件。而其中“真正”的Shapefile的后缀为shp，然而仅有这个文件数据是不完整的，必须要把其他两个附带上才能构成一组完整的地理数据。
除了这三个必须的文件以外，还有八个可选的文件，其中最有用的莫过于.prj文件：
.prj —投影信息文件，用于保存well-known text格式的地理坐标系统与投影信息。
在每个.shp, .shx与.dbf文件之中，图形在每个文件的排序是一致的。也就是说，.shp的第一条记录与.shx及.dbf之中的第一条记录相对应，如此类推。此外，在.shp与.shx之中，有许多字段的字节序是不一样的。因此用户在编写读取这些文件格式的程序时，必须十分小心地处理不同文件的不同字节序。
Shapefile通常以XY的顺序来记录地理坐标，一般X对应经度，Y对应纬度，用户必须注意X，Y的顺序。
.shp文件格式
Shapefile格式的主文件包含了地理参照数据。该文件由一个定长的文件头和一个或若干个变长的记录数据组成。每一条变长数据记录包含一个记录头和一些记录内容。详细的数据存储格式由Esri Shapefile技术描述.[1]提供。注意，虽然Shapefile文件的后缀名与AutoCAD的图形字体源格式它们的文件后缀名相同的，都是.shp ，请不要把它们混淆。
主文件头包含17个字段，共100个字节，其中包含九个4字节（32位有符号整数，int32）整数字段，紧接着是八个8字节（双精度浮点数）有符号浮点数字段。
| 字节 | 类型 | 字节序 | 用途 |
|---|---|---|---|
| 0–3 | int32 | 大端序 | 文件编号，永远是整数9994（十六进制数0x0000270a） |
| 4–23 | int32 | 大端序 | 五个没有被使用的32位整数 |
| 24–27 | int32 | 大端序 | 文件长度，包括文件头。（用16位整数表示） |
| 28–31 | int32 | 小端序 | 版本号 |
| 32–35 | int32 | 小端序 | 图形类型（参见下面） |
| 36–67 | double | 小端序 | 最小外接矩形 (MBR)，也就是一个包含shapefile之中所有图形的矩形。以四个浮点数表示，分别是X坐标最小值，Y坐标最小值,X坐标最大值，Y坐标最大值。 |
| 68–83 | double | 小端序 | Z坐标值的范围。以两个浮点数表示，分别是Z坐标的最小值与Z坐标的最大值。 |
| 84–99 | double | 小端序 | M坐标值的范围。以两个浮点数表示，分别是M坐标的最小值与M坐标的最大值。 |
然后这个文件包含不定数目的变长数据记录，每个数据记录以一个8字节记录头开始：
| 字节 | 类型 | 字节序 | 用途 |
|---|---|---|---|
| 0–3 | int32 | 大端序 | 记录编号 (从1开始) |
| 4–7 | int32 | 大端序 | 记录长度（以16位整数表示） |
在记录头的后面就是实际的记录：
| 字节 | 类型 | 字节序 | 用途 |
|---|---|---|---|
| 0–3 | int32 | 小端序 | 图形类型（参见下面） |
| 4– | - | - | 图形内容 |
变长记录的内容由图形的类型决定。Shapefile支持以下的图形类型：
| 值 | 图形类型 | 字段 |
|---|---|---|
| 0 | 空图形 | 无 |
| 1 | Point（点） | X, Y |
| 3 | Polyline（折线） | （最小包围矩形）MBR，组成部分数目，点的数目，所有组成部分，所有点 |
| 5 | Polygon（多边形） | （最小包围矩形）MBR，组成部分数目，点的数目，所有组成部分，所有点 |
| 8 | MultiPoint（多点） | （最小包围矩形）MBR，点的数目，所有点 |
| 11 | PointZ（带Z与M坐标的点） | X, Y, Z, M |
| 13 | PolylineZ（带Z或M坐标的折线） | 必须的: （最小包围矩形）MBR，组成部分数目，点的数目，所有组成部分，所有点，Z坐标范围, Z坐标数组\可选的: M坐标范围, M坐标数组 |
| 15 | PolygonZ（带Z或M坐标的多边形） | 必须的: （最小包围矩形）MBR，组成部分数目，点的数目，所有组成部分，所有点，Z坐标范围, Z坐标数组\可选的: M坐标范围, M坐标数组 |
| 18 | MultiPointZ（带Z或M坐标的多点） | 必须的: （最小包围矩形）MBR，点的数目，所有点， Z坐标范围, Z坐标数组\可选的: M坐标范围, M坐标数组 |
| 21 | PointM（带M坐标的点） | X, Y, M |
| 23 | PolylineM（带M坐标的折线） | 必须的: （最小包围矩形）MBR，组成部分数目，点的数目，所有组成部分，所有点\可选的: M坐标范围, M坐标数组 |
| 25 | PolygonM（带M坐标的多边形） | 必须的: （最小包围矩形）MBR，组成部分数目，点的数目，所有组成部分，所有点\可选的: M坐标范围, M坐标数组 |
| 28 | MultiPointM（带M坐标的多点） | 必须的: （最小包围矩形）MBR，点的数目，所有点\可选的: M坐标范围, M坐标数组 |
| 31 | MultiPatch | 必须的: （最小包围矩形）MBR，组成部分数目，点的数目，所有组成部分，所有点，Z坐标范围, Z坐标数组\可选的: M坐标范围, M坐标数组 |
在普通的使用中，Shapefile通常包含点、折线与多边形。带有Z坐标的形状是三维的。带有M坐标的形状是包含一个用户指定的测量值，该测量值定义在每一个点坐标之上。三维的Shapefile十分罕见。此外，Shapefile的M测量值通常已经被其他功能更加强大和稳健的数据库取代，Shapefile一般只负责几何数据。
.shx文件格式
Shapefile的文件索引包含与.shp文件相同的100个字节的文件头，然后跟随着不定数目的8字节定长记录，每个记录都有两个字段：
| 字节 | 类型 | 字节序 | 用途 |
|---|---|---|---|
| 0–3 | int32 | 大端序 | 记录位移（用16位整数表示） |
| 4–7 | int32 | 大端序 | 记录长度（用16位整数表示） |
因为这个图形索引每个数据项都是定长的，因此程序只要在这个图形索引中向前或向后遍历，读取索引中所记录的记录位移与记录长度，程序就可以很快地向前或向后遍历整个Shapefile，在.shp文件中找到任意一个几何体的正确位置。
.dbf文件格式
属性文件(.dbf)用于记录属性信息。它是一个标准的DBF文件，也是由头文件和实体信息两部分构成。这个文件可以用excel打开。
其中文件头部分的长度是不定长的，它主要对DBF文件作了一些总体说明（见表2.7），其中最主要的是对这个DBF文件的记录项的信息进行了详细地描述，比如对每个记录项的名称、数据类型、长度等信息都有具体的说明。一般来说，shapefile文件有多少个属性就有多少个记录项。
文件头结构如下表所示：
| 字节 | 类型 | 说明 |
|---|---|---|
| 0 | 1个字节 | 表示当前的版本信息。 |
| 1-3 | 3个字节 | 表示最近的更新日期，按照YYMMDD格式。 |
| 4-7 | 1个32位数 | 文件中的记录条数。 |
| 8-9 | 1个16位数 | 文件头中的字节数。 |
| 10-11 | 1个16位数 | 一条记录中的字节长度。 |
| 12-13 | 2个字节 | 保留字节，用于以后添加新的说明性信息时使用，这里用0来填写。 |
| 14 | 1个字节 | 表示未完成的操作。 |
| 15 | 1个字节 | dBASE IV编密码标记。 |
| 16-27 | 12个字节 | 保留字节，用于多用户处理时使用。 |
| 28 | 1个字节 | DBF文件的MDX标识。在创建一个DBF 表时 ，如果使用了MDX 格式的索引文件，那么 DBF 表的表头中的这个字节就自动被设置了一个标志，当你下次试图重新打开这个DBF表的时候，数据引擎会自动识别这个标志，如果此标志为真，则数据引擎将试图打开相应的MDX 文件。 |
| 29 | 1个字节 | Language driver ID. |
| 32-X | （n*32）个字节 | 记录项信息描述数组。n表示记录项的个数。这个数组的结构在下个表中有详细的解释。 |
| X+1 | 1个字节 | 作为记录项终止标识。 |
每条记录项都是对一项属性的描述，结构见下表：
| 字节 | 类型 | 说明 |
|---|---|---|
| 0－10 | 11个字节 | 记录项名称，是ASCII码值。例如：“LAYER”,“AREA”,“GM_TYPE”,"NAME"等。 |
| 11 | 1个字节 | 记录项的数据类型，是ASCII码值。（B、C、D、G、L、M和N，具体的解释见表2.9）。 |
| 12－15 | 4个字节 | 保留字节，用于以后添加新的说明性信息时使用，这里用0来填写。 |
| 16 | 1个字节 | 记录项长度，二进制型。 |
| 17 | 1个字节 | 记录项的精度，二进制型。 |
| 18－19 | 2个字节 | 保留字节，用于以后添加新的说明性信息时使用，这里用0来填写。 |
| 20 | 1个字节 | 工作区ID。 |
| 21－30 | 10个字节 | 保留字节，用于以后添加新的说明性信息时使用，这里用0来填写。 |
| 31 | 1个字节 | MDX标识。如果存在一个MDX 格式的索引文件，那么这个记录项为真，否则为空。 |
记录项数据类型如下表所示：
| 代码 | 数据类型 | 允许输入的数据 |
|---|---|---|
| B | 二进制型 | 各种字符。 |
| C | 字符型 | 各种字符。 |
| D | 日期型 | 用于区分年、月、日的数字和一个字符，内部存储按照YYYYMMDD格式。 |
| G | (General or OLE) | 各种字符。 |
| N | 数值型(Numeric) | - . 0 1 2 3 4 5 6 7 8 9 |
| M | (Memo) | 各种字符。 |
写完所有记录项之后，就是实体信息了。按与shp中几何实体相同的次序写入即可。