简介这份资源整理了世界地图与主要国家的 GeoJSON 地图数据面向从事数据可视化、前端地图开发或 GIS 入门的学习者解决绘制世界及各国轮廓时缺少现成矢量边界文件的问题。压缩包共 25 个文件以 23 个 json 为主涵盖 world.json 世界地图及美国、日本、俄罗斯、澳大利亚、巴西、韩国、新加坡等主要国家的边界数据另附 2 个 mht 说明文档整体约 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与渲染性能。目前已有 6260 人学习下载说明该数据在 D3.js 等可视化场景中具有较高参考价值。读者可直接获得开箱即用的世界与多国地图数据省去自行抓取与转换格式的环节便于快速搭建地图可视化原型、练习投影与交互效果或作为项目底图素材使用。1. 世界地图 GeoJSON 资源拆解一份能直接喂给 ECharts 和 Leaflet 的边界数据做数据可视化的人迟早会撞上一件事底图数据找不到趁手的。想画一张世界地图打开 ECharts 官方示例能跑但想换个国家、想按大洲拆分、想把某个国家的轮廓单独拎出来做飞线起点立刻卡住。网上搜「世界地图 JSON」出来的要么是残缺的 TopoJSON要么是坐标系对不上的老数据要么干脆是图片。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——给你一份坐标系正确、属性字段干净、能直接丢进主流可视化库的矢量边界数据。它适合三类人做数据大屏和 BI 看板的前端需要按国家或大洲做区域着色做地理信息分析的后端需要拿国界做空间查询和裁剪以及做教学 Demo 的开发者想快速搭一个能点选国家的交互地图。GeoJSON 这个格式本身是 RFC 7946 标准本质就是一个 JSON里面用 Feature 和 Geometry 描述点线面好处是任何语言都能解析不需要装 GDAL 那种重型依赖。这份资源把世界整体和主要国家拆成了独立文件用起来比一整块大文件灵活得多。2. GeoJSON 结构解剖从 FeatureCollection 到坐标数组怎么读拿到一份 GeoJSON第一件事不是急着渲染而是搞清楚它的骨架。很多人翻车就翻在没看清几何类型把 MultiPolygon 当 Polygon 处理结果地图上只画出一个岛。2.1 顶层结构与几何类型一份标准的世界地图 GeoJSON顶层是一个 FeatureCollection里面 features 数组的每一项是一个国家或地区。每个 feature 长这样{ type: Feature, properties: { name: 某国家, iso_a3: XXX, continent: 某大洲 }, geometry: { type: MultiPolygon, coordinates: [ [ [[经度, 纬度], [经度, 纬度], ...] ] ] } }这里有几个关键点必须盯死。第一geometry.type 可能是 Polygon 也可能是 MultiPolygon前者是一个封闭环后者是多个环的数组海岛国家基本都是 MultiPolygon。第二coordinates 的嵌套层级随类型变化Polygon 是「环 → 点」MultiPolygon 是「多边形 → 环 → 点」。第三坐标顺序是 [经度, 纬度]不是 [纬度, 经度]这个顺序搞反了地图会整个躺倒是新手最常见的血泪经验。properties 里的字段决定了你能做什么交互。name 用于显示和检索iso_a3 是三字母国家代码做数据关联时比中文名可靠得多因为中文名可能有「某国」和「某某国」两种写法。continent 字段让你能按大洲聚合做区域统计时直接 group by 就行。2.2 用 Python 校验和裁剪数据在把数据丢给前端之前我一般会先用 Python 过一遍确认没有空几何、坐标范围正常顺便按需裁剪。下面这段脚本读取世界地图统计每个大洲的国家数量并筛出指定大洲单独导出import json # 读取世界地图 GeoJSON with open(world.geojson, r, encodingutf-8) as f: world json.load(f) # 统计各大洲国家数量同时检查几何是否为空 continent_count {} empty_geom [] for feat in world[features]: props feat.get(properties, {}) cont props.get(continent, 未知) continent_count[cont] continent_count.get(cont, 0) 1 # 几何为空或坐标为空的记录下来 geom feat.get(geometry) if not geom or not geom.get(coordinates): empty_geom.append(props.get(name, 无名)) print(各大洲国家数, continent_count) print(空几何条目, empty_geom) # 按大洲裁剪导出单独文件 target 某大洲 subset { type: FeatureCollection, features: [f for f in world[features] if f[properties].get(continent) target] } with open(f{target}.geojson, w, encodingutf-8) as f: json.dump(subset, f, ensure_asciiFalse)这段代码的逻辑很直白先遍历所有 feature 做体检再按 continent 字段过滤。参数上唯一要注意的是 ensure_asciiFalse不加这个中文属性会变成 \uXXXX 转义虽然不影响解析但调试时看着难受。empty_geom 这个检查别省有些来源的数据会把争议地区或极小岛屿留成空几何前端渲染时直接报错提前筛掉能省很多排查时间。2.3 坐标精度与文件体积的取舍原始国界数据精度往往很高一个国家的轮廓可能有几万个点整个世界地图轻松上百 MB。直接用于 Web 渲染加载慢、卡顿是必然的。常见做法是做简化用 Douglas-Peucker 算法抽稀把不影响视觉的点去掉。Python 里可以用 shapely 配合 simplifyfrom shapely.geometry import shape, mapping import json with open(world.geojson, r, encodingutf-8) as f: world json.load(f) simplified [] for feat in world[features]: geom shape(feat[geometry]) # tolerance 越大越简0.01 约等于 1 公里级别 simp geom.simplify(0.01, preserve_topologyTrue) feat[geometry] mapping(simp) simplified.append(feat) with open(world_simplified.geojson, w, encodingutf-8) as f: json.dump({type: FeatureCollection, features: simplified}, f, ensure_asciiFalse)tolerance 这个参数是核心0.01 度大约对应一公里做国家级地图足够如果只做全球概览0.1 甚至 0.5 都行。preserve_topologyTrue 保证简化后不会出现自相交的畸形多边形这个参数别关关了之后某些国家会变成一团乱线。简化后文件体积通常能降到原来的十分之一甚至更低这是能不能上生产环境的关键一步。3. 前端渲染实战ECharts 与 Leaflet 两条路线怎么选数据准备好了接下来是渲染。前端画地图主流两条路ECharts 走 canvas适合做数据驱动的着色和图表联动Leaflet 走瓦片加矢量图层适合做交互式浏览和标注。选哪条取决于你的场景不是哪个更高级。3.1 ECharts 注册地图与区域着色ECharts 用 GeoJSON 的方式是 registerMap注册后就能用 map 类型的 series。下面是一个完整可跑的例子按大洲给国家上不同颜色import * as echarts from echarts; import worldJson from ./world.geojson; // 注册世界地图名字自定义 echarts.registerMap(world, worldJson); const chart echarts.init(document.getElementById(map)); // 按大洲映射颜色 const continentColor { 亚洲: #5470c6, 欧洲: #91cc75, 非洲: #fac858, 北美洲: #ee6666, 南美洲: #73c0de, 大洋洲: #3ba272 }; const data worldJson.features.map(f ({ name: f.properties.name, itemStyle: { areaColor: continentColor[f.properties.continent] || #ccc } })); chart.setOption({ tooltip: { trigger: item, formatter: {b} }, series: [{ type: map, map: world, roam: true, // 允许缩放和拖拽 emphasis: { // 悬停高亮 label: { show: true }, itemStyle: { areaColor: #ffd700 } }, data: data }] });registerMap 的第二个参数必须是 FeatureCollection如果你传的是单个 Feature 会静默失败地图一片空白这个坑我踩过。roam: true 开启缩放拖拽做数据大屏时通常关掉避免用户误操作。data 数组里的 name 必须和 GeoJSON 里 properties.name 完全一致差一个字就匹配不上颜色不会生效。如果要做数值着色把 itemStyle 换成 visualMap 组件用数值区间映射颜色比手动算颜色省事。3.2 Leaflet 加载 GeoJSON 图层与点选交互Leaflet 的思路不同它把 GeoJSON 当成一个矢量图层叠加在瓦片底图上交互能力更强。下面加载世界地图并实现点击国家弹出名称import L from leaflet; import worldJson from ./world.geojson; const map L.map(map).setView([20, 0], 2); // 底图瓦片这里用通用占位说明 L.tileLayer(https://{s}.tile.example.com/{z}/{x}/{y}.png, { attribution: 地图数据 }).addTo(map); // 加载 GeoJSON 图层 L.geoJSON(worldJson, { style: function (feature) { return { color: #3388ff, // 边框颜色 weight: 1, // 边框宽度 fillOpacity: 0.3 // 填充透明度 }; }, onEachFeature: function (feature, layer) { // 绑定点击事件 layer.on(click, function () { alert(你点击了 feature.properties.name); }); // 绑定悬停提示 layer.bindTooltip(feature.properties.name, { sticky: true }); } }).addTo(map);onEachFeature 是 Leaflet 处理每个要素的钩子绑定事件、加提示都在这里做。style 函数可以按 feature 属性动态返回样式比如按大洲给不同填充色。要注意的是Leaflet 渲染复杂 GeoJSON 时性能不如 ECharts如果国家轮廓点特别多一定要先用上一节的简化流程处理否则拖拽会明显卡顿。另外 bindTooltip 的 sticky: true 让提示跟随鼠标体验比固定位置好。3.3 数据关联与动态更新地图画出来只是第一步真正有用的是把业务数据挂上去。假设你有一份各国 GDP 数据想按数值给国家着色ECharts 里用 visualMap 最省事chart.setOption({ visualMap: { min: 0, max: 100000, text: [高, 低], calculable: true, inRange: { color: [#e0f3f8, #4575b4] } }, series: [{ type: map, map: world, data: gdpData // [{name: 某国家, value: 12345}, ...] }] });visualMap 会自动根据 value 映射颜色不用自己写映射逻辑。关键还是 name 对齐问题业务数据里的国家名和 GeoJSON 里的 name 必须一致。我的习惯是统一用 iso_a3 做关联键显示时再转成中文名这样能绕开命名不一致的玄学问题。如果数据源用的是英文名就在 GeoJSON 里加一个 name_en 字段做映射表别去改原始 name。4. 避坑与排查坐标、编码、性能三类高频问题这份资源用起来不难但有几个坑几乎每个人都会撞一次。下面按「现象 → 原因 → 解决」列出来都是实际排查过的。4.1 地图上下颠倒或左右镜像现象渲染出来的地图整个翻转或者国家位置全错。原因坐标顺序写成了 [纬度, 经度]GeoJSON 标准是 [经度, 纬度]。解决检查数据源如果确实是反的用脚本批量交换每个坐标对的前后两位。别在前端做转换几万个点循环会拖慢渲染在数据预处理阶段一次性改掉。4.2 中文属性显示为乱码现象国家名显示成问号或方块。原因文件编码不是 UTF-8或者读取时没指定编码。解决用 Python 重新导出时加 encodingutf-8前端 fetch 时确认响应头 Content-Type 带 charsetutf-8。如果是本地文件直接 import构建工具一般能处理但用 fetch 加载要留意。4.3 部分国家渲染缺失现象地图上某些国家是空的或者点击没反应。原因这些 feature 的 geometry 是 null或者 coordinates 是空数组。解决用 2.2 节的脚本先筛一遍把空几何的条目单独处理要么补数据要么在前端过滤掉。别让空几何进渲染流程某些库会直接抛异常中断整个图层。4.4 大文件导致页面卡死现象地图加载后拖拽卡顿内存飙升。原因原始 GeoJSON 精度过高点数太多。解决按 2.3 节做简化tolerance 从 0.01 起步逐步调大直到视觉可接受且体积合适。另外可以用 TopoJSON 进一步压缩它把共享边界只存一次体积能再降一半但需要额外引入 topojson 库转换。4.5 国家名匹配不上导致着色失效现象visualMap 或 data 里的数值不生效国家还是默认色。原因业务数据的 name 和 GeoJSON 的 name 有细微差异比如空格、全半角、简称。解决打印两边所有 name 做 diff找出不一致的项建映射表。长期方案是统一用 iso_a3 关联显示层再做一次代码到名称的转换。5. 进阶技巧用 iso_a3 做键、按需拆分与自动化校验用久了会发现直接拿国家名做键迟早出事最稳的做法是全程用 iso_a3。下面这个脚本把世界地图按 iso_a3 建索引并导出一份「代码 → 名称 → 大洲」的对照表前端拿这份表做显示转换业务数据只存代码import json with open(world.geojson, r, encodingutf-8) as f: world json.load(f) index {} for feat in world[features]: p feat[properties] code p.get(iso_a3) if code: index[code] { name: p.get(name), continent: p.get(continent) } # 导出对照表 with open(country_index.json, w, encodingutf-8) as f: json.dump(index, f, ensure_asciiFalse, indent2) print(f共索引 {len(index)} 个国家/地区)这份对照表的好处是业务系统里存 CHN 比存「某国」稳定得多换语言、换显示名都不影响数据关联。indent2 让文件可读生产环境可以去掉省体积。另一个实用技巧是按需拆分。做区域专题时整个世界地图是负担只加载目标大洲或目标国家即可。用 2.2 节的裁剪逻辑配合一个命令行参数就能做成批量导出工具。我一般会保留一份完整数据做底再按项目生成子集子集文件小、加载快维护也清晰。最后是自动化校验。每次拿到新版本数据跑一遍检查脚本坐标范围是否在 [-180,180] 和 [-90,90] 内、几何类型是否只有 Polygon 和 MultiPolygon、iso_a3 是否有重复或缺失。这三项过了基本就不会出大问题。从那以后我每次接入新的 GeoJSON 数据都强制先跑一遍校验脚本再进渲染流程省下的排查时间远比写脚本多。希望帮到你。本文还有配套的精品资源点击获取