利用python批量将.shp文件转换坐标生成.geojson文件，再将.geojson转换成.csv文件，最后将csv文件插入数据库表

第一步：.shp批量转.geojson

# author: JMY# 创建时间: 2024/2/26 17:12# 批量将.shp文件生成geojson文件并转换坐标为3857import osimport geopandas as gpd# 定义输入和输出文件夹路径input_folder = 'shp文件'output_folder = 'geojson文件'# 定义输入和输出坐标系out_proj = 'EPSG:3857'# 获取输入文件夹下所有的 Shapefile 文件shapefiles = [f for f in os.listdir(input_folder) if f.endswith('.shp')]# 循环处理每个 Shapefile 文件for index, shapefile in enumerate(shapefiles):    print('转换第%d条数据...' % (index+1))    # 读取 Shapefile 文件    gdf = gpd.read_file(os.path.join(input_folder, shapefile))    # 对几何数据进行坐标系转换    gdf.to_crs(out_proj, inplace=True)    # 构造输出文件名，将 '.shp' 替换为 '.geojson'    output_file = os.path.splitext(shapefile)[0] + '.geojson'    # 保存为 GeoJSON 文件    gdf.to_file(os.path.join(output_folder, output_file), driver='GeoJSON')print('Shapefile 转换为包含 EPSG:3857 坐标系的 GeoJSON 完成！')

第二步：.geojson批量转.csv

# author: JMY# 创建时间: 2024/2/23 15:16# 批量将geojson文件生成csv文件import osimport geopandas as gpdimport json# 定义一个函数，用于从几何信息中提取坐标def extract_coordinates(geom):    if geom:        return json.dumps(geom.__geo_interface__['coordinates'])    else:        return None# 输入目录和输出目录路径input_dir = 'geojson文件'  # GeoJSON 文件所在目录路径output_dir = 'csv文件'  # CSV 文件保存目录路径# 获取输入目录下的所有 GeoJSON 文件名file_names = [f for f in os.listdir(input_dir) if f.endswith('.geojson')]# 初始化ID计数器id_counter = 0for index,file_name in enumerate(file_names):    print('插入第%d条数据...' % (index+1))    input_file = os.path.join(input_dir, file_name)    # 读取 GeoJSON 数据并创建 GeoDataFrame 对象    data = gpd.read_file(input_file)    # 在DataFrame中插入一个自增的'id'列作为第一列，并累加ID计数器    data.insert(0, 'id', range(1 + id_counter, len(data) + id_counter + 1))    data.insert(1, 'cun_id', -1)    # 提取 'coordinates' 和 'type' 信息    data['type'] = data['geometry'].apply(lambda geom: geom.geom_type if geom else None)    data['coordinates'] = data['geometry'].apply(extract_coordinates)    # 删除原始的 'geometry' 列    data = data.drop('geometry', axis=1)    # 更新ID计数器    id_counter += len(data)    # 将所有字段中的空值设置为 null    data = data.fillna(value='null')    # 指定输出文件名（与原始文件同名，只改变后缀名）    output_file = os.path.splitext(os.path.basename(input_file))[0] + '.csv'    output_full_path = os.path.join(output_dir, output_file)    # 导出为 CSV 文件    data.to_csv(output_full_path, index=False)print("输出完成......")

第三步：.csv批量插入数据库表

# author: JMY# 创建时间: 2024/2/23 16:35# 多个csv文件导入数据库同一张表中import osimport globimport pandas as pdimport mysql.connector# 建立与MySQL数据库的连接conn = mysql.connector.connect(    host='', # 主机ip    user='', # 账号    password='', # 密码    database='' # 数据库)# CSV目录路径csv_directory = 'csv文件'# 获取目录中的所有CSV文件csv_files = glob.glob(os.path.join(csv_directory, '*.csv'))# 创建游标对象cursor = conn.cursor()# 循环处理每个CSV文件for index,csv_file in enumerate(csv_files):    print('插入第%d条数据...'%(index+1))    # 读取CSV文件    data = pd.read_csv(csv_file, encoding='utf-8')  # 根据实际情况指定编码    # 将除了'id'和'cun_id'外的其他字段转换为字符串类型    for column in data.columns:        if column not in ['id','cun_id']:            data[column] = data[column].astype(str)    # 构建SQL插入语句    table_name = 'village_yjjbnt'  # 表名    columns = ', '.join(data.columns)    values = ', '.join(['%s'] * len(data.columns))    insert_query = f"INSERT INTO {table_name} ({columns}) VALUES ({values})"    # 批量插入数据    records = data.values.tolist()    cursor.executemany(insert_query, records)# 提交事务conn.commit()# 关闭游标和连接cursor.close()conn.close()print("数据导入mysql成功...")