做这行十五年，见过太多人拿着几百万的数据在电脑前发呆。上周有个老哥们找我，说为了把十几个镇的边界拼起来，用了个在线工具，结果地图炸了，属性全乱套，急得满头大汗。我瞥了一眼他的文件，好家伙，坐标系统都不统一，有的用WGS84，有的用GCJ02，这能拼对才见鬼了。今天不整那些虚头巴脑的理论，就聊聊怎么老老实实把 geo json 合并 这事儿办妥帖，全是血泪教训换来的干货。
很多人觉得合并就是简单的Copy Paste，把几个文件里的features数组接一块儿就行。天真！要是数据量小、结构干净，那确实行。但现实是，你拿到的数据往往千疮百孔。有的多边形有自相交，有的 holes（洞）方向反了，有的甚至包含非法的坐标。这时候如果你直接用代码强行合并，报错能让你怀疑人生。
我之前带的一个实习生，为了省事，直接用了Python的shapely库做union操作。结果呢？因为数据里有微小的拓扑错误，程序直接卡死，CPU占用率飙到100%，风扇转得跟直升机似的。最后查了半天，发现是一个村界的坐标多了一个小数点后的零。这种低级错误，在大数据量面前，简直就是定时炸弹。所以，第一步永远不是合并，而是清洗。
说到清洗，这里有个真实的价格参考。如果你找外包公司做数据治理，按面积算，大概每平方公里几百块不等，如果是复杂的地籍数据，价格能翻倍。自己搞？时间成本也是钱。我一般推荐先用QGIS打开看看，利用“修复几何”工具跑一遍。这一步虽然繁琐，但能解决80%的拓扑问题。别嫌麻烦，这一步省了，后面合并的时候能少掉几根头发。
接下来才是重头戏，怎么高效地 geo json 合并 。我试过用GeoTools，也试过PostGIS的ST_Union。说实话，PostGIS在处理海量数据时确实强，但配置环境那套流程，能把人逼疯。对于大多数中小项目，我推荐用Node.js配合Turf.js。这玩意儿轻量，社区活跃，而且对前端友好。
这里有个坑，一定要记住：合并后的几何类型可能会变。比如两个多边形合并后，可能变成一个MultiPolygon，甚至是个GeometryCollection。如果你的前端渲染库不支持这种复杂类型，显示出来就是黑屏或者乱码。我之前就栽在这个坑里，花了两天时间排查，最后发现是渲染层没处理MultiPolygon。所以，合并完一定要检查几何类型，必要时用Turf的simplify或clean功能再处理一下。
还有坐标精度问题。合并过程中，浮点数计算会产生微小误差，导致边界出现锯齿或者重叠。我一般会在合并后加一步snap操作，把坐标对齐到网格上。虽然这会让文件稍微大一点点，但视觉效果和拓扑关系会稳定得多。
最后说点实在的，别迷信在线工具。那些号称“一键合并”的网站，要么限制文件大小，要么偷偷上传你的数据到他们的服务器。做GIS的，数据安全是底线。哪怕是用本地Python脚本，也要确保代码逻辑透明。
总结一下， geo json 合并 看似简单，实则暗藏玄机。从数据清洗到工具选择，再到后处理，每一步都不能马虎。别想着走捷径，老老实实把基础打牢，数据质量上去了，后面的可视化、分析才能顺风顺水。如果你还在为合并报错头疼，不妨停下来检查一下坐标系统和拓扑错误，也许问题就出在那一个多余的逗号上。
本文关键词：geo json 合并
