ArcGis——好好的属性表，咋就乱码了呢？

我就瞎说一下，反正你也不懂。

　　　　——见到许多ArcGis属性表乱码的问题，也见过各种哭笑不得的解说

目录

• 第一节 字符编码那些事儿→字符编码简述
• 第二节 都是编码惹的祸→ArcGis属性表出错原因
• 第三节 dbf犯的错→解决方案
• 参考

第一节 字符编码那些事儿

　　计算机以二进制的形式存储信息。每个“字”都会用特定的一组代码（1-4个不等的字节，1个字节=8个二进制位）表示，也就是编个号，这种表示规则叫做“字符编码”。计算机会根据二进制的“编号”信息去“编号规则（字符编码）”对应的“字符集”查找其所对应的“字”，使用对应的字体（字符集对应若干“字体库”）显示出来。从别处拷贝或者网络来一个文件，系统环境或者编码规则没选对，那就乱了呗。

　　ASCII

　　话说当年，美国佬最早发明了“字符编码”这种东西，起名叫ASCII（American standard Code for information Interchange）。它包含了128个字符（0-127），每个字符用8个二进制位表示，第1位规定为0，后7位标识一个字符。比如‘A’表示为二进制是01000001，十进制是65，十六进制是0x41，这也就是我们常说的一个英文字母占1个字节，8bit=1Byte。

　　美国佬觉得一个字节（可以表示256个十进制编码）表示英语世界里所有的字母、数字和常用特殊符号已经绰绰有余了（其实ASCII只用了前128个编码）。后来，欧洲国家不干了，他们发现ASCII并不能标识他们的字母，于是ASCII中127号之后的空位被用来表示这些字符，128-255这一页字符集被称为扩展字符集。为啥是-255？8个二进制位表示十进制数最大也就是255。

　　这就够了？差的远呢！

　　GB2312

　　后来，中国也用上计算机了，日本、韩国……一众国家也用上了，这回事儿大了，这么些文字怎么表示？

　　字符编码方案GB2312就这样出来了，它相当于对ASCII的扩展。该编码方案中，小于等于127的继续使用原ASCII编码，用2个大于127的字节表示一个中文字符，前面的一个字节（称之为高字节）从0xA1用到 0xF7，后面一个字节（低字节）从0xA1到0xFE，这样就一组就给大约7000多个简体汉字编码了。在这些编码中，数学符号，希腊的字母，日文的假名都编进去了，连ASCII里本来就有的数字，标点，字母都统统重新编了两个字节长的编码，这就是常说的“全角”符号，原有的127号以前的那些字符称为“半角”符号。

　　当然，日本、韩国等的一众国家也整出了自己的双字节字符编码方案。

　　GBK

　　再后来……这点中文还是不够用啊！生僻字和繁体字等还是无法识别怎么办？于是改了编码规则：要求高字节（第一个字节）大于127的就认为是2字节的中文字符（低字节（第二个字节）那里0-127也用上了），这样拓展之后就是GBK标准。GBK收录了2万多汉字及符号，因其最早被WINDOWS采用，所以其应用范围非常广。但后来少数民族同胞也要用计算机，于是为了扩展少数民族字符，GBK被扩展为GB18030。

　　中国GBK、日本Shift_JIS、韩国EUC-KR……这些编码规则都使用了ANSI标准，这里面存在一个bug。都是双字节表示一个文字，那中文到韩文系统下会发生什么情况？乱码！你猜对了。

　　UTF-8

　　上面太乱了，ISO(国际标准化组织)决定制定一个统一的包括全世界所有字符的编码标准，包括字符集、编码方案等，叫做"Universal Multiple-Octet Coded Chracter Set"，简称UCS，俗称Unicode标准（注意想想ANSI标准，它俩都不是具体的字符编码规则），“万国码”出来了，看你还怎么乱。

　　作为Unicode字符集的一种编码方式，UTF-8采用变长编码，使用1-4个字节表示一个字符，其特点是，对不同范围的字符使用不同长度的编码。这样，UTF-8中那些半角字符就用1个字节（8个二进制位）表示，而中文使用3个字节表示。

第二节 都是编码惹的祸

　　编码说，这个锅它不想背。

　　前面说了windows系统默认使用ANSI编码标准，中文系统下是GBK，10.2之前的ArcGis也默认这个“默认”给dbf编码，所以2个字节表示一个汉字，所以一个字段名最多（11字节）5个汉字。

　　而自10.2.1之后，Esri潮了一把，dbf编码用了UTF-8，这样一个字段名也就只能写3个汉字了，因为11mod3=2。

　　这样一来，导出新的文件由gbk→UTF8就导致字段名字符截断的问题。　

　　从别处拷贝或者网络来一个Shapefile文件，系统环境或者编码规则没选对，那就乱了呗。

第三节 dbf犯的错

　　在ArcGIS Desktop 创建 shapefile 文件，其头文件（dBase Header）中，一般会包含shapefile使用的编码类型的信息，即 LDID （ Language Driver ID），它告诉应用程序用何种编码类型去正确读取它。一般，在Shapefile的子文件中有同名 *.cpg 文件，也存储了编码信息，用记事本打开，可看到如UTF-8、GBK。二者都标识了dbf的编码方式，被ArcGIS 识别的优先顺序是，LDID 优先于 CPG文件。

　　修改默认Codepage，可以改变ArcGis创建新Shapefile文件时dbf的编码格式。注意！这里划重点，改了这里只是以后创建新的采用何种编码方式，并不会改变已有dbf文件的编码方式，也就解决不了它的乱码！

　　ArcMap读取dbf属性表乱码

　　由于Shapefile是开放数据格式，所以有可能在使用第三方工具创建或者其他一些情况中，忽略了 Language Driver ID的声明，会导致读取乱码，这时，尝试添加同名文件 *.cpg 。

　　ArcGis属性表导出Excel乱码

　　移步ArcGis 属性表.dbf文件使用Excel打开中文乱码的解决方法

参考：

ArcGis 属性表.dbf文件使用Excel打开中文乱码的解决方法

ArcGis dbf读写——挂接Excel到属性表 C#

ANSI是什么编码？

十分钟搞清字符集和字符编码

GB2312 80信息交换用汉字编码字符集 基本集

GB 18030-2005信息技术 中文编码字符集