（叠甲，我也是菜鸟，悉知我的功力还很浅薄，如果有哪里做的不行欢迎批评指正，大部分代码都是借助AI辅助编写的，可能会有些问题，遇到可留言指正）
        Day 1：

一、从零做一个项目，我们先想我们的目标还有该怎么做

1、项目开发目标

本项目旨在从零搭建一款中文版中国历史地理电子地图网站，对标哈佛大学世界历史地理电子地图经典案例。（案例404了，就不放地址了）

2、产品界面与功能拆解

整体页面分为四大模块，采用循序渐进的开发模式逐步实现：

  1. 主地图区域：核心展示区，加载通用底图 + 历史点位、行政边线、行政区面、文字注记等地理要素；
  2. 左侧图层栏：提供图层选择开关，复选框控制历史覆盖物显隐，单选框切换多版本底图；
  3. 底部搜索模块：支持地名、行政编码检索，实现地图精准定位跳转；
  4. 顶部操作控件：集成图层添加、地图操作、项目介绍、功能设置等拓展控件。

3、开发规划

基于全新开发环境，从软件安装、数据处理、后端开发、前端搭建到部署上线，完整记录全流程实现过程。

1. 技术软件与技术栈

  • 后端：TREA(老师用的IntelliJ IDEA) + Java + Spring Boot
  • 数据处理：TREA（老师用的PyCharm ）+ Python（GIS 数据清洗、格式转换）
  • 前端开发：TREA(老师用的Sublime） + JavaScript + Vue 前后端分离架构
  • 空间数据库：PostgreSQL + PostGIS（存储历史地理矢量数据）
  • 地理可视化：QGIS（shp 数据查看、图层编辑、数据预处理）
  • 运行调试：Chrome 谷歌浏览器

2. GIS 数据获取与入库

采用哈佛 CHGIS 官方开源历史地理数据集，作为项目核心数据源：

  • 数据来源：China Historical GIS 公开数据集
  • 下载地址：https://chgis.fas.harvard.edu/CHGIShttps://chgis.fas.harvard.edu/
  • 核心数据：CHGIS V6 时间序列历史地理矢量数据
  • 处理流程：下载 shp 格式原始数据 → 数据清洗、编码统一 → 通过 PostGIS 导入数据库，为后端查询提供数据支撑。

3. 项目开发流程

  1. 环境搭建：全开发软件、数据库、运行环境安装配置；
  2. 数据层：历史 GIS 数据处理、入库、空间字段适配；
  3. 服务端：基于 Spring Boot 快速搭建 Web 后端，编写数据查询、空间要素接口；
  4. 可视化：Vue 搭建前端页面，结合地图开源组件，实现历史地理数据渲染；
  5. 项目部署：依托阿里云 / 腾讯云服务器，完成项目打包与线上发布；
  6. 迭代测试：采用阶段性测试，每完成一个模块功能，即时调试排错，保障项目稳定迭代。

二、软件安装

主要讲一下gis相关软件，其他软件安装教程挺多的，也可以问一下AI

1、PostgreSQL + postgis

安装地址：EDB: Open-Source, Enterprise Postgres Database Management

安装之后会让设置密码和端口，端口默认的5432就行

postgis可以用Stack builder下载，但是不知道为啥我会一下载就卡死，这里推荐找安装程序直接下

下载地址：Index of /postgis/windows/pg18/

点开安装程序，一路next

创建空间数据库可选可不选，然后一路next

三、处理数据

1、查看数据

我们下好的数据长这样

可以先用QGIS查看一下数据

就是看看数据这个是选做步骤

2、连接数据库

1、连接数据库

使用Navicat连接pg库 参考：参考

用navicat打开数据库postgres，就是初始化的数据库。

新建查询，执行CREATE EXTENSION postgis，为数据库添加空间扩展。

会发现数据库中多了一个表spatial_ref_sys。

2、postgis处理数据

用PostGIS Shapefile Import/Export Manager工具上传shp。（我们后续会用python处理数据，因为postgis没有索引之类的还会压缩名字）

我们把utf8编码格式、wgs84坐标系的文件上传数据库，因为数据库一般都是utf-8编码的。

v6_time_cnty_pts_utf_wgs84.shp

v6_time_pref_pts_utf_wgs84.shp

v6_time_pref_pgn_utf_wgs84.shp

首先打开PostGIS Shapefile Import/Export Manager，点击View connection details，打开PostGIS connection，输入账号密码，连接数据库。

Import——Add File，选择3个shp文件，然后点击Import。数据就导入pg库了。

然后Navicat打开一个表，看geom列，都是这样的内容：0101000000A265DD3F16C55B4088963C9E96814340，geometry对象是geohash编码的。

写个sql看看：SELECT st_astext(geom) FROM v6_time_cnty_pts_utf_wgs84 LIMIT 1

至少知道坐标了：POINT(111.079483 39.012409)

其他表再看看。

SELECT st_astext(geom) FROM v6_time_pref_pgn_utf_wgs84 LIMIT 1

MULTIPOLYGON(((113.549411712145 36.7545434898289,113.543285553768 36.7521524539279,113.560044728209 36.7134634435762,113.55651873219 36.7287158304727,113.552914744172 36.7456842597138,113.549411712145 36.7545434898289)))

3、python处理数据

1、环境搭建

1.安装gdal

直接安会有问题，先去下个安装程序，https://www.lfd.uci.edu/~gohlke/pythonlibs/#gdalReleases · cgohlke/geospatial-wheelshttps://www.lfd.uci.edu/~gohlke/pythonlibs/#gdal

如果不知道python的版本，可以打开cmd，输入python，回车。

根据python的版本选择程序。

然后pip install（文件位置）GDAL-3.0.1-cp37-cp37m-win32.whl（你的下的文件）

2，3、shapely、psycopg2下载

直接pip install就行

2、处理数据

首先确定电脑的编码。

打开cmd，输入chcp，我的电脑返回“活动代码页：936”，这说明我的电脑默认编码格式是gbk的。

以下代码是读shp文件，返回一个list的方法，再把list写入一个文本文档的方法。第二个是以处理出的text文件（处理出的文本文档）写入pgsql。

# coding=gbk
try:
    from osgeo import gdal
    from osgeo import ogr
except ImportError:
    import gdal
    import ogr
# pathStr,shp文件的全路径
def ReadVectorFile(pathStr):

    # 返回结果是一个list
    result=[]
    # 支持中文路径
    gdal.SetConfigOption("GDAL_FILENAME_IS_UTF8", "NO")
    # 属性表字段支持中文
    gdal.SetConfigOption("SHAPE_ENCODING", "")
    strVectorFile = pathStr
    # 注册所有的驱动
    ogr.RegisterAll()
    # 打开数据
    ds = ogr.Open(strVectorFile, 0)
    # 获取该数据源中的图层个数，一般shp数据图层只有一个，如果是mdb、dxf等图层就会有多个
    iLayerCount = ds.GetLayerCount()
    # 获取第一个图层
    oLayer = ds.GetLayerByIndex(0)
    # 对图层进行初始化
    oLayer.ResetReading()
    # 获取图层中的属性表表头并输出,可以定义建表语句
    print("属性表结构信息：")
    oDefn = oLayer.GetLayerDefn()
    iFieldCount = oDefn.GetFieldCount()
    for iAttr in range(iFieldCount):
        oField = oDefn.GetFieldDefn(iAttr)
        print("%s: %s(%d.%d)" % ( \
     \
            oField.GetNameRef(), \
     \
            oField.GetFieldTypeName(oField.GetType()), \
     \
            oField.GetWidth(), \
     \
            oField.GetPrecision()))
    # 输出图层中的要素个数
    print("要素个数 = ", oLayer.GetFeatureCount(0))
    oFeature = oLayer.GetNextFeature()
    # 下面开始遍历图层中的要素，将对象都作为string输出
    while oFeature is not None:
        # 获取要素中的属性表内容
        lineStr=[]
        for iField in range(iFieldCount):
            lineStr.append(oFeature.GetFieldAsString(iField))
    # 获取要素中的几何体
        oGeometry = oFeature.GetGeometryRef()
        lineStr.append(str(oGeometry))
        # print(lineStr)
        result.append(lineStr)
        # 循环
        oFeature = oLayer.GetNextFeature()
    print("数据集关闭！")
    return result

if __name__ == '__main__':
    result=ReadVectorFile(r'D:\gismap\data\v6_time_cnty_pts_utf_wgs84\v6_time_cnty_pts_utf_wgs84.shp')
    f_new=open(r'D:\gismap\data\v6_time_cnty_pts_utf_wgs84\v6_time_cnty_pts_utf_wgs84.txt','a',encoding='utf-8')
    for r in result:
        for p in r:
            f_new.write(p+'\t')
        f_new.write('\n')
    f_new.close()
--建表
CREATE TABLE public. v6_time_cnty_pts_utf_wgs84(
  gid SERIAL8 PRIMARY KEY NOT NULL,
  name_py varchar(40),
  name_ch varchar(45),
  name_ft varchar(45),
  x_coor float8,
  y_coor float8,
  pres_loc varchar(60),
  type_py varchar(15),
  type_ch varchar(15),
  lev_rank varchar(1),
  beg_yr int8,
  beg_rule varchar(1),
  end_yr int8,
  end_rule varchar(1),
  note_id int8,
  obj_type varchar(7),
  sys_id int8,
  geo_src varchar(10),
  compiler varchar(12),
  gecomplr varchar(10),
  checker varchar(10),
  ent_date varchar(10),
  beg_chg_ty varchar(21),
  end_chg_ty varchar(30),
  geom geometry
);
--建立索引
CREATE INDEX v6_time_cnty_pts_utf_wgs84_index ON v6_time_cnty_pts_utf_wgs84 USING btree(gid);
--表说明
COMMENT ON TABLE public.v6_time_cnty_pts_utf_wgs84 IS '第6版中国历史地理时间序列点数据';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.gid IS '主键ID';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.name_py IS '拼音名称';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.name_ch IS '简体中文名称';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.name_ft IS '繁体中文名称';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.x_coor IS '经度';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.y_coor IS '纬度';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.pres_loc IS '现所在地';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.type_py IS '建制类型拼音';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.type_ch IS '建制类型简体中文';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.lev_rank IS '建制等级';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.beg_yr IS '建制开始时间';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.beg_rule IS '开始时间精度';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.end_yr IS '建制结束时间';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.end_rule IS '结束时间精度';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.note_id IS '系统id';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.obj_type IS 'geometry对象类型';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.sys_id IS '系统id';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.geo_src IS 'geometry数据来源';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.compiler IS '编辑人员';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.gecomplr IS '绘制人员';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.checker IS '审核人员';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.ent_date IS '结束时间';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.beg_chg_ty IS '建制开始原因';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.end_chg_ty IS '建制结束原因';
COMMENT ON COLUMN public.v6_time_cnty_pts_utf_wgs84.geom IS 'geometry对象';

照着这个思路一共写六个，大家可以直接用大佬写过的 地址：yimengyao13/historygismappython: python脚本

只需要改一下文件地址和数据库密码

（编码出现问题的可以问一下ai）

OK,今天就到这了，主要就是配了一些环境，处理一些数据，下篇开始配置后端环境，进行后端搭建，大家心急的可以先看大佬的教程，我们下篇见，拜拜！

该项目并非原创(侵权了私聊删QAQ)，而是翻新一个知乎上的大佬的spring boot 2 + vue 2 的项目， 项目教程：知乎的才华横溢吴道简 大佬的教程 

# spring boot # 后端 # java # vue.js # javascript # arcgis
Logo
AtomGit开源社区

AtomGit 是由开放原子开源基金会联合 CSDN 等生态伙伴共同推出的新一代开源与人工智能协作平台。平台坚持“开放、中立、公益”的理念，把代码托管、模型共享、数据集托管、智能体开发体验和算力服务整合在一起，为开发者提供从开发、训练到部署的一站式体验。

更多推荐

cover

扣子编程实战：3天零代码搭出企业级自动化系统

avatar AtomGit开源社区

【负荷预测】基于LSTM-KAN的负荷预测研究（Python代码实现）

LSTM-KAN模型结合了LSTM和注意力机制的特点。LSTM是一种特殊的循环神经网络（RNN），通过引入记忆单元和门控机制（遗忘门、输入门、输出门），有效解决了传统RNN在处理长序列数据时存在的梯度消失或梯度爆炸问题，能够捕捉时间序列数据中的长期依赖关系。而注意力机制则能够模拟人类在处理信息时的注意力分配过程，通过为不同时间步的输入数据分配不同的权重，突出重要信息对预测结果的影响。

avatar AtomGit开源社区

二分之一车辆悬架半车模型研究（Simulink仿真实现）

本文针对二分之一车辆悬架系统，构建半车模型并开展B级路面激励下的动态响应研究。以前后轮路面激励为输入，通过仿真分析质心垂向加速度、俯仰角加速度及悬架动行程等关键性能指标，揭示悬架参数对车辆平顺性的影响规律。研究结果可为悬架系统优化设计提供理论依据，同时为整车动力学性能评估提供参考。

avatar AtomGit开源社区