全国乡镇街道边界数据下载后先查同县同名：817 组要素，多出来的那条是谁

发布于 2026-09-27 · GeoJSONcn 技术团队 · 阅读约 16 分钟

一份区县文件打开来，要素数几十个，看起来就是该县的乡镇街道全集。但把 NAME 列单独拎出来数一遍，会发现有些名字在同一个文件里出现了两次甚至三次。本站 site/mapjson/区县/ 的 2934 个文件、42282 个要素里，这类同县同名共 817 组、涉及 1659 个要素，也就是有 842 条是"多出来的"。它们不是简单重复：code 列在同一组内 816 组完全一致，几何却各不相同，面积能差出四个数量级。

先分清重名与重复

series-63 谈过全站级的 code 重复——同一份文件里两条要素代码一样、几何也基本重合，那种是纯粹的冗余。同县同名是另一回事：code 一致说明它们指向同一个行政区划实体，可几何是不同来源、不同精细度的两套轮廓被同时塞进了文件。全站 817 组里只有 1 组的组内 code 不统一，其余 code 完全对齐，所以按码去重起不到作用，按名去重又会误伤——判据必须落到几何上。

以四川省达州市万源市为例，70 个要素、52 个唯一名称，16 组重名：

三条 code 全是 511781226000，grade 全是 4，类型 全是"乡镇"。面积最大的那条是行政意义上的乡域本体；另外两条加起来不到 0.0014 平方千米，顶点数却一点不少——庙子乡的小条有 63 个顶点、13 个部件，是十几块互不相连的碎斑。这类小条从哪来的可能性有两个：一是边界数字化时留下的碎块被单独存成了要素，二是乡镇合并后旧界址未清理干净。无论哪种，把它们当作独立乡镇参与统计都会出错。

组内角色：主面、碎斑与残留片

按外环面积把每组排个序，最大的那条记作主面，其余 842 条落在三个区间里：

• 面积不足主面千分之一的 365 条，多为几平方千米以下、形状零碎的残留；
• 占主面千分之一到两成的 473 条，中位面积 0.264 平方千米、九成不到 2.93 平方千米；
• 真正能与主面等量齐观的只有 4 条，这四例需要单独看。

从几何位置看，838 条非主面条的包围盒与主面重叠过半，说明它们落在主面的范围里，属于"主面内部的碎块"。剩下 4 条要格外小心，其中两例相距并不近：新源县则克台镇的两条 code 分别落在 654025104000 与 654025101000——不同代码，两条重心相距 68.6 千米，面积 601.92 与 228.95 平方千米，是相邻镇的同名，不该被合并；铜山区马坡镇、茅村镇两条 code 相同，但重心分别相距 5.65 与 8.14 千米，包围盒几乎不重叠，面积比 10.5% 与 0.3%，更像是同一个镇在不同年代的两套界线。

清洗逻辑写成这样比较稳：

import json, math
from collections import defaultdict

R = 6371.0088

def ring_area(ring):
    if len(ring) < 4:
        return 0.0
    t = 0.0
    for i in range(len(ring) - 1):
        x1, y1 = ring[i][0], ring[i][1]
        x2, y2 = ring[i + 1][0], ring[i + 1][1]
        t += math.radians(x2 - x1) * (2 + math.sin(math.radians(y1)) + math.sin(math.radians(y2)))
    return abs(t * R * R / 2.0)

def outer_area(geom):
    if not geom:
        return 0.0
    c = geom["coordinates"]
    polys = [c] if geom["type"] == "Polygon" else c
    return sum(ring_area(p[0]) for p in polys if p)

def dominant(features, min_vert=100):
    """组内选主面：先看代码是否多种，再看面积与顶点量。
    返回 (主要素下标, 需人工复核的候选下标列表)"""
    codes = {str((f["properties"] or {}).get("code") or "") for f in features}
    areas = [outer_area(f.get("geometry")) for f in features]
    verts = [sum(len(r) for p in _parts(f["geometry"]) for r in p) for f in features]
    big = max(range(len(features)), key=lambda i: areas[i])
    if big == 0 and len(codes) > 1:
        # 代码不同的同名，是真实的两个单元，不合并
        return None, list(range(len(features)))
    soft = [i for i in range(len(features))
            if i != big and verts[i] > min_vert and areas[i] > areas[big] * 0.2]
    return big, soft

def _parts(geom):
    if not geom:
        return []
    c = geom["coordinates"]
    return [c] if geom["type"] == "Polygon" else list(c)

def audit(county_path):
    gj = json.load(open(county_path, encoding="utf-8"))
    buckets = defaultdict(list)
    for ft in gj["features"]:
        buckets[str((ft["properties"] or {}).get("NAME") or "")].append(ft)
    out = {}
    for name, fts in buckets.items():
        if len(fts) > 1:
            out[name] = dominant(fts)
    return out

min_vert 取 100 是经验值：万源市那 16 组里，主面顶点数都在 100 ~ 638 之间，碎斑则两极分化——要么只有几十个点，要么顶点很多但部件数也很多（庙子乡的碎斑 715 个顶点摊在 41 个部件上，平均每块 17 个点）。

命名口径在三级目录里并不统一

顺带一个容易漏掉的点：省/、市/、区县/ 三级的属性列结构并不一致。省/ 下 340 个要素用 省、省代码、类型，另 124 个用 FID、NAME、PAC；市/ 下 3245 个走 NAME，375 个走 市、市代码；到了 区县/，41659 个要素是 NAME 列，另有 600 个用 Name——大小写不同。写通用读取函数时 p["name"] or p["NAME"] or p["Name"] 这种兜底必须带全，否则那 600 个要素整条被跳过。

另外，全站 41718 个乡级要素里，code 列完全为空的 36 条，分布非常集中：国营新兴县岩头林场、安徽亳州工业园区、六安经济开发区、黄山风景区、五峰山林场、雅达虹工业集中区……清一色是林场、开发区、风景区一类非正式乡级单元，grade 与 layer 两列也是空值。也就是说这批要素天生没有 12 位乡级代码可挂，不是漏填。处理时按"名称可用、几何有效、代码待补"单独入队，不要混进正式乡级做面积求和。

同县同名的处理结果同样会影响体积。154 个受影响文件里，按名称取面积最大者之后，顶点数从 630303 降到 457966，冗余 172337 个顶点、占 27.34%。延边汪清县 18805 个顶点里有 8335 个属于多余条（44.3%），若羌县 42.1%，安多县 39.2%。这些顶点对渲染没有任何贡献，一次性清掉比在浏览器端做逐点判定划算得多。

落到流程里的位置

一套可复用的次序是：先按 NAME 分组，再对每组比对 code 集合——代码不唯一的分到"疑似同名不同地"，代码唯一的进入候选合并；候选组里按外环面积定主面，面积比低于千分之一的直接剔除，其余留出人工确认名单。最后跑一次面积闭环，用县级要素合计与公开县面积对比，差值超过 1% 就回查这一步是不是删错了。

如果手上这批数据只是要拿来做展示，这套审查完全可以不做：这份地图 PPT 模板选购页 里的底图在制作阶段已经按行政单元排好，同县同名的碎块要么并进主面、要么直接去掉，预览免费、单份 ¥4.99，省掉的是逐县核对的时间。要做空间分析或面积统计的，还是得自己跑一遍。

817 组这个数字跑在本站 mapjson/区县/ 的当前快照上，换一版数据源会变。可带走的判据是"代码集合 + 面积比 + 顶点量"这三项，它们不依赖文件名、不依赖命名列大小写，从 全国省市区县区划边界数据下载 得到任何一份乡镇级文件都能直接套用；对 全国村级 geojson 数据下载 得到的村面数据更要跑一遍，村级同名比乡镇级密集得多，一个县里出现三五个同名村组是常事。至于单纯比对省市两级轮廓、不做面积核算的场景，GeoJSON下载 之后直接跳过这一步也无妨，那两级几乎没有同县同名的困扰。