Creador de shapefile: GeoJSON, KML, GPX y CSV a SHP

Qué es un shapefile y por qué se sigue pidiendo

El shapefile es un formato de datos vectoriales que Esri publicó a principios de los años noventa junto con una descripción técnica de acceso público. No es un único archivo, sino un conjunto de archivos con el mismo nombre: la geometría en .shp, el índice en .shx, la tabla de atributos en .dbf, el sistema de coordenadas en .prj y la codificación de caracteres en .cpg. Sigue siendo uno de los formatos que más aparecen en los pliegos de entrega de datos y en el intercambio entre distintas aplicaciones SIG. Esta herramienta convierte archivos GeoJSON, KML, KMZ, GPX y CSV o Excel con columnas de coordenadas en ese conjunto y se lo entrega en un único ZIP.

Cómo se usa

1. Seleccione o arrastre un archivo. En CSV y Excel, compruebe las columnas de latitud y longitud.
2. Elija el sistema de coordenadas de salida. Para trabajar en metros, use un huso UTM o un huso TUREF 3° TM (Turquía); la herramienta sugiere el huso a partir de la ubicación de los datos.
3. Defina la codificación de caracteres. Se recomienda UTF-8; elija Windows-1252 solo para programas antiguos que no muestran bien las tildes y la ñ de otro modo.
4. En la tabla de asignación de campos, incluya o excluya campos y edite los nombres cortos si hace falta.
5. Pulse Crear shapefile. El ZIP contiene una capa por tipo de geometría y el CSV de asignación de campos.

Capas y tipos de geometría

Un shapefile solo admite un tipo de geometría, por eso los puntos, las líneas y los polígonos se escriben en capas separadas (nombre_puntos, nombre_lineas, nombre_poligonos). Las geometrías de varias partes, como MultiLineString y MultiPolygon, se mantienen como un solo registro con varias partes; las geometrías MultiPoint van a una capa de multipuntos independiente. Cada elemento de una GeometryCollection se añade a la capa de su tipo con los mismos atributos.

Si las coordenadas incluyen elevación (Z), se usan los tipos PointZ, PolyLineZ y PolygonZ. Los archivos KML suelen guardar una altitud de 0, así que, cuando todos los valores Z son cero, las capas se escriben en 2D de forma predeterminada. Los anillos de los polígonos se ordenan como exige el formato: los exteriores en sentido horario y los interiores (huecos) en sentido antihorario. Algunos programas leen mal los anillos guardados al revés.

Nombres de campo y tipos de atributo

El formato DBF limita los nombres de campo a 10 caracteres. La herramienta convierte los nombres a ASCII (ñ pasa a n, á pasa a a, ж pasa a zh), sustituye espacios y caracteres especiales por guiones bajos y añade sufijos como _1 y _2 cuando dos nombres acortados coinciden. Los nombres de origen y los nuevos aparecen en la tabla de asignación y se escriben en un CSV dentro del ZIP, de modo que el destinatario puede relacionar cada columna con su nombre original.

Los tipos se detectan a partir de los valores: los campos con solo números pasan a numéricos (N), con solo fechas a fecha (D), los valores verdadero/falso a lógicos (L) y el resto a texto (C). Los códigos con ceros a la izquierda significativos, como "007", se mantienen como texto. Como el tipo fecha del DBF no guarda la hora, los valores de fecha y hora se escriben como texto. Los campos de texto admiten como máximo 254 bytes; los valores más largos se recortan y se marcan en la tabla. En UTF-8, una letra con tilde, la ñ o una letra cirílica ocupan dos bytes, así que el límite se alcanza algo antes en número de caracteres.

Codificación de caracteres: UTF-8, Windows-1252 o Windows-1254

Con UTF-8, el texto se guarda en UTF-8 y el archivo .cpg contiene "UTF-8"; el software SIG actual lee este archivo y muestra correctamente las tildes, la ñ, la ü y los caracteres cirílicos. La opción Windows-1252 es para programas antiguos que ignoran el archivo .cpg: el texto se escribe con la página de códigos de Windows para Europa occidental, que cubre el español, el byte de controlador de idioma de la cabecera del DBF se ajusta a esa página de códigos y el archivo .cpg contiene "1252". Windows-1254 funciona igual para textos en turco y escribe "1254" en el .cpg. Los caracteres sin equivalente en la página de códigos elegida, como las letras cirílicas, se convierten en signos de interrogación, y la herramienta le avisa cuando ocurre.

Sistemas de coordenadas y el archivo .prj

Las coordenadas se transforman con proj4js y el archivo .prj se escribe en WKT de Esri: GCS_WGS_1984 para WGS 84, nombres como WGS_1984_UTM_Zone_30N para UTM, TUREF_TM30 y similares para TUREF 3° TM, y WGS_1984_Web_Mercator_Auxiliary_Sphere para Web Mercator. Corresponden a EPSG:4326, 326xx y 327xx, 5253-5259 y 3857. No se aplica ningún cambio de datum entre TUREF y WGS 84; la diferencia es despreciable para el trabajo SIG general. Web Mercator está pensado para visualización, así que no mida en él. Si un GeoJSON contiene el antiguo miembro crs (por ejemplo, EPSG:5254), la herramienta lee de ahí el sistema de entrada.

Datos y método

El escritor de shapefile y DBF es código propio de esta página, escrito según la descripción técnica del shapefile de Esri. KML y GPX se leen con @tmcw/togeojson 5.8.0 (BSD-2-Clause), los KMZ se abren y el ZIP se genera con JSZip 3.10.1 (MIT), el CSV se lee con Papa Parse 5.4.1 (MIT), Excel con SheetJS 0.18.5 (Apache-2.0) y las coordenadas se transforman con proj4js 2.9.0 (MIT). Los mapas base son de los colaboradores de OpenStreetMap y de Esri. Bibliotecas de código abierto utilizadas y sus licencias: Fuentes de datos.

Límites

• Un archivo DBF admite como máximo 255 campos; los que superan ese número no se escriben.
• Los campos numéricos tienen como máximo 19 dígitos de ancho; los números muy grandes se escriben como texto.
• Los estilos de KML (color, icono, grosor de línea) no se trasladan, porque el formato no guarda simbología.

Para proyectos de mayor alcance

Si traslada con regularidad dibujos CAD y datos en formatos mixtos a una base de datos SIG y necesita conservar la estructura de capas y atributos, puede conocer nuestro trabajo en el sitio web de Rodosto Teknoloji o escribirnos desde la página de contacto.