企业官网建设流程全解析

简介：面向地图制图、地理信息教学与空间数据分析场景，带审图号GS(2022)1873号的中国标准地图提供权威国境线与全国版图数据，适合需要规范底图的学生、教师及GIS从业者使用。压缩包共14个文件、约584KB，涵盖shp与shx空间几何及索引、dbf属性表、prj投影定义、cpg字符编码、json配置数据和qmd地图文档等类型，形成从图形、属性到显示配置的完整结构，便于在常见GIS软件中加载、查询与二次制图。已有475人学习或下载，在底图核对、专题图制作和教学演示中具有一定参考度。使用者可获得标准化版图边界、要素属性与投影说明，并完成地图配准、符号化展示和空间分析；对于需要校验行政边界或制作规划图的用户，也可减少来源甄别、编码与投影不匹配带来的返工。

1. 一张被退回的大屏底图，把审图号 GS(2022)1873 推到了台前

去年帮某公司做一个区域业务的数据大屏，地图那屏做完自认为挺像样：深色底、发光边界、鼠标悬浮高亮。上线前内部过会，被一句问住了——“这张中国地图的审图号在哪？”再往下查更尴尬：底图是从素材站下的 SVG，界线画法和标准地图对不上，还用 clip 把图幅下半截裁了。返工两轮，最后换成中国标准地图、把审图号 GS(2022)1873号 老老实实落到图面上才过。

这类问题跟审美无关，跟“可追溯”有关。审图号是一串能查的编号，它把一张具体的图（图名、比例尺、投影、图幅范围、版本日期）唯一地钉住；GS(2022)1873 就是其中一份公开可下载的标准地图。后面几章讲的是我自己走过一遍的路：怎么核这个号、怎么把这张图配准进 WebGIS、怎么在 ECharts 里用它做省级分布图、以及上线前用脚本卡一道。适合做数据大屏、报告插图、论文配图、内部 GIS 底图的人看，新手能照着做，做过的人也大概率会在第 5 章找到自己翻过的车。

2. 审图号 GS(2022)1873 锁定了什么：图名、比例尺与三份交付物

2.1 从审图号里能读出什么、读不出什么

先把字符串拆开看。GS(2022)1873号这种结构里，前缀表示这是标准地图类审图号，括号里的年份通常对应送审/批准的年份，后面的流水号只是当年的序号。也就是说，光看这串字符，你读不出它画的是全国还是某个区域、比例尺是 1:4000 万还是 1:6000 万、投影是什么、图幅里有没有附图、注记是几号字——这些信息全在核验页面和下载包里，不在编号本身。

这一步是很多人跳过的。我见过不止一个项目把“GS(2022)1873”当成万能通行证，底图换了、比例尺改了、甚至行政区划调整过一版了，编号还挂着旧的。核验的时候我会固定抄六项下来：图名、比例尺、投影、图幅范围、审图号、版本/更新日期。抄完存成一份元数据文件，别只记在脑子里，三个月后设计问你“这张图哪来的”，你得答得出来。

提示：审图号和版本日期要分开记。审图号回答“这张图有没有经过审核”，版本日期回答“这张图是不是现势的”，两者缺一不可。

还有一个容易踩的细节：同一份标准地图往往提供多个比例尺版本，比例尺不同，界线概括程度、注记密度、附图大小都不一样。你从 1:6000 万的图上抠下来的省界，放到 1:1000 万的大屏上放大三倍看，锯齿和简化痕迹一目了然。选比例尺的经验是：先算你最终出图的物理尺寸或像素宽度，再倒推需要的比例尺，别反过来。

2.2 三种交付形态：JPG、EPS、自己切片

同一张标准地图，落地到项目里通常有三种用法，代价完全不同：

选型上我一般按“输出介质”定，而不是按“哪个看起来专业”定。一份要打印在 A4 报告里的插图，JPG 完全够，你上矢量纯属给自己找事；一个要支持鼠标悬浮、下钻、联动的地图屏，那必须切片。中间的模糊地带是“静态大屏但分辨率 4K”：这种情况我倾向用高分辨率栅格（导出时按 1.5 倍尺寸出），而不是矢量，因为大屏没人放大看细节，但审图号那一行必须清楚——这一点矢量反而容易翻车，见 2.3。

EPS 的坑集中在“可编辑”这三个字上。标准地图的 EPS 里，界线、面填充、注记、审图号文本经常在同一个图层组里，取消分组之后很容易把某段界线当装饰线删掉；更常见的是为了适配版面整体缩放 80%，审图号字号跟着缩，导出印刷时低于可读阈值。我的做法是：EPS 只用来改填充色和注记位置，界线图层锁死不动，审图号单独提出来做成一个顶层文本对象，跟图幅边框一起固定。

2.3 别拿搜索引擎里那张 png 当底图

这条几乎是我见过最贵的省事。搜“中国地图 png”，出来的图来源五花八门：有的是几年前的旧版、有的把图幅下方的附图裁掉了、有的审图号被水印盖住、还有的干脆就是别人二次描摹的界线。这些图在肉眼层面“看着都差不多”，但一旦进了交付物，问题就没法收敛——你既证明不了它对应哪个版本，也定位不了哪一段界线画错了。

更麻烦的是传播链。设计给的图，是从运营那里拿的；运营是从上一版 PPT 里抠的；PPT 是外包做的。链条一长，任何一次修改都变成“谁也不敢动”。所以只要有第二个人参与，我就会在项目里搭一个底图资产库，一个文件配一个 sidecar 元数据：

# assets/basemap/china-standard-2022-1873.yaml id: china-standard-2022-1873 name: 中国标准地图（按核验页面填写图名） shen_tu_hao: "GS(2022)1873号" source: "标准地图服务系统公开下载" fetched_at: "2024-03-11" scale: "按核验页面填写" # 不要凭印象，抄页面 projection: "按核验页面填写" files: - china-2022-1873.jpg # 栅格，报告插图用 - china-2022-1873.eps # 矢量，印刷改色用 sha256: "用校验命令算出来的值" # 冻结用，流水线里比对 notes: "图幅要素完整，未做任何裁剪"

这份 sidecar 就是底图的“黑匣子”：出问题时能倒查来源和获取时间；sha256用来冻结版本，任何人替换了文件，流水线里的比对会直接报错。算哈希很简单：

# 记录底图指纹，后续任何替换都会被发现 sha256sum assets/basemap/china-2022-1873.jpg # 只留前 16 位做人工核对也够用，完整值写进 yaml

参数说明就一句：对二进制文件做哈希，任何像素级改动都会变；所以一旦冻结，就不能“顺手美个图再存一遍”，要改就换新 id。

2.4 一张图选型的判断顺序

把顺序理清楚，比记工具名有用得多。我的顺序是：

1. 定输出介质——屏幕、印刷、还是两者都要；
2. 定是否需要交互——要缩放漫游就走切片，否则一律栅格；
3. 定坐标系——业务数据是什么坐标系，底图就往上对齐，不要两头都改；
4. 最后才定分辨率和瓦片层级。

多数翻车是把顺序做反了：先挑工具（比如“我要用矢量因为高级”），再回头适配介质，结果印刷丢字、大屏糊图。第 3 章开始就是第 2、3 步的具体操作。

3. 把标准地图接进 WebGIS：配准、偏移与瓦片的最小闭环

3.1 先认清三套坐标：WGS84、GCJ-02、BD-09

交互地图上所有“整体飘了”的问题，根子上都是这里。工程里常见三套坐标：

原则只有一条：展示层统一到一套坐标，转换只做一次，位置固定在数据入口。我一般统一到 WGS84 展示，把所有来源的经纬度在入库或出图前转成 WGS84，底图也按 WGS84 配准。这样多源数据叠加时只需要排查一次。

WGS84 转 GCJ-02 的实现到处都有公开版本，下面是 Python 版，保留它是为了让你看清结构：

import math A = 6378245.0 # 椭球长半轴 EE = 0.00669342162296594323 # 偏心率平方 def _dlat(x, y): r = -100.0 + 2.0*x + 3.0*y + 0.2*y*y + 0.1*x*y + 0.2*math.sqrt(abs(x)) r += (20.0*math.sin(6.0*x*math.pi) + 20.0*math.sin(2.0*x*math.pi)) * 2.0/3.0 r += (20.0*math.sin(y*math.pi) + 40.0*math.sin(y/3.0*math.pi)) * 2.0/3.0 r += (160.0*math.sin(y/12.0*math.pi) + 320*math.sin(y*math.pi/30.0)) * 2.0/3.0 return r def _dlng(x, y): r = 300.0 + x + 2.0*y + 0.1*x*x + 0.1*x*y + 0.1*math.sqrt(abs(x)) r += (20.0*math.sin(6.0*x*math.pi) + 20.0*math.sin(2.0*x*math.pi)) * 2.0/3.0 r += (20.0*math.sin(x*math.pi) + 40.0*math.sin(x/3.0*math.pi)) * 2.0/3.0 r += (150.0*math.sin(x/12.0*math.pi) + 300.0*math.sin(x/30.0*math.pi)) * 2.0/3.0 return r def wgs84_to_gcj02(lng, lat): dlat = _dlat(lng - 105.0, lat - 35.0) dlng = _dlng(lng - 105.0, lat - 35.0) rad = lat / 180.0 * math.pi magic = 1 - EE * math.sin(rad) ** 2 sqrt_magic = math.sqrt(magic) dlat = (dlat * 180.0) / ((A * (1 - EE)) / (magic * sqrt_magic) * math.pi) dlng = (dlng * 180.0) / (A / sqrt_magic * math.cos(rad) * math.pi) return lng + dlng, lat + dlat

逻辑说明：两个辅助函数算出的是弧度意义上的偏移量，再用椭球参数换算成度。参数里105.0 / 35.0是公式的参考原点，A和EE决定换算尺度，改动它们等于换了一套椭球，不要动。

实际用法上有个纪律：只做正向偏移用于图面叠加。有人问我能不能“转回去对齐”，我的答复一律是别在这条路上找后悔药——工程上正确的做法是从数据源头统一坐标系，或者在服务端存一份带坐标系标记的原始数据，展示时再按目标坐标系出图。靠反复转换“凑对齐”，偏移会越凑越大，排查起来就是玄学。

3.2 栅格配准：给 JPG 补上地理参照

标准地图的 JPG 是“图”，不是“带坐标的数据”。要把它挂到地图上，第一步是补地理参照。GDAL 的gdal_translate就够：

# 给无坐标的栅格补上地理参照：左上角经度 纬度 右下角经度 纬度 gdal_translate \ -a_srs EPSG:4326 \ -a_ullr $XMIN $YMAX $XMAX $YMIN \ china-2022-1873.jpg china-2022-1873-geo.tif # 看一眼结果，确认尺寸和范围没有反 gdalinfo china-2022-1873-geo.tif | head -20

参数说明，每个都值得停一下：

• -a_srs EPSG:4326：声明这份栅格用经纬度。注意它只是“声明”，不改变像素，所以四角必须和声明一致，否则后面全错。
• -a_ullr的顺序是左上角经度、左上角纬度、右下角经度、右下角纬度，不是常见的 xmin/ymin/xmax/ymax。这是第一次做配准时最常见的翻车点，顺序错了图会上下或左右翻转。
• 四角值从哪来：优先从矢量版（EPS）的地理参照或图幅角点注记里读；实在没有，就在图上找两三个特征明显的地物点（湖岸拐点、河口、图廓交点）反推，再用第三个点验证。

验证方法是关键一步。配准完别急着切片，先把这份 tif 拖进任意一个能显示底图的工具里，叠一层已知坐标的点（比如几个城市的经纬度），看残差。我的容忍线是：在目标最大缩放层级下，误差不超过 1 个像素。超过就回去查四角——八成是-a_ullr顺序错了，或者图幅带了白边没裁。

补一句白边的事：标准地图导出时常带一圈白边或图廓装饰线，这些不属于地理范围。用gdal_translate -srcwin先裁掉再配准，比配准完再去修边界省事得多。

3.3 用 gdal2tiles 出瓦片并用 Leaflet 挂上去

配准好的 tif 可以直接切瓦片。Web Mercator 是默认选择，因为绝大多数前端地图库都按它算：

# 切 XYZ 瓦片，层级按图幅宽度估算：最小层级 ≈ log2(图幅像素宽 / 256) gdal2tiles.py -p mercator -z 3-7 --xyz --tilesize=256 \ china-2022-1873-geo.tif ./tiles/china1873

参数说明：

• -p mercator：输出 Web Mercator，前端可以直接用。
• -z 3-7：层级范围。下限按“整幅图刚好铺满一屏”算，上限按“审图号文字还清楚”算。层级开太高只会让栅格糊成一片，还白占磁盘。
• --xyz：输出 XYZ 命名（y 轴从上往下）。不加这个参数出来的是 TMS（y 轴从下往上），前端直接引用会上下颠倒——这是第 5 章要展开的一个坑。
• --tilesize=256：和前端默认瓦片尺寸对齐，别乱改。

前端用 Leaflet 挂载，注意maxNativeZoom和 attribution 两处：

const map = L.map('map', { minZoom: 3, maxZoom: 10, zoomControl: true, attributionControl: true }); L.tileLayer('/tiles/china1873/{z}/{x}/{y}.png', { minZoom: 3, maxZoom: 10, maxNativeZoom: 7, // 真实瓦片只到 7 级，再放大是拉伸，不是新数据 noWrap: true, // 禁止横向环绕，避免出现重复图幅 attribution: '底图：中国标准地图 审图号 GS(2022)1873号' }).addTo(map);

maxNativeZoom是最容易被忽略的一个参数。不设它，用户放大到 10 级时浏览器会去请求不存在的 8、9、10 级瓦片，一片空白；设了它，Leaflet 会拿 7 级的瓦片放大显示，虽然糊但连续。noWrap: true同理，关掉横向循环，世界地图在大屏上往左拖不会出现第二份图幅。

attribution这一行不是装饰。审图号在图面上必须有位置，交互地图里最省事、最不容易被后续改动弄丢的位置就是它——它跟着地图容器走，不会因为某个业务图层重绘而消失。

3.4 审图号在图面上的落位与最小可读尺寸

不同介质对“可读”的要求差很多。下面这张表是我自己项目里在用的经验值，不是条文，按实际版面微调：

两个实践细节。第一，别把审图号放在图幅外面又指望它出现在导出图里——Canvas 导出只截画布区域，画布外的 HTML 元素不会被带上，这是第 4 章要专门处理的问题。第二，深色主题下审图号的对比度要单独验一遍，我吃过一次亏：在 4K 屏上肉眼可见，投到会议室的投影仪上就成了一条灰线。

4. ECharts 省级分布图：边界裁剪、registerMap 与截图里的审图号

4.1 边界数据的三条来路与取舍

ECharts 从 5 版起不再随包提供地图数据，GeoJSON 得自己准备。常见的三条来路：

我的选择是第二条为主、第一条做校验：用公开边界数据出图，再和标准地图做一次目视比对，重点看省界走向、飞地、附图要素是否完整。第一条的完整提取成本太高，只在印刷级交付时才做。第三条我基本不用，省下来的两小时，后面返工要还回去两天。

比对这件事别凭印象，做个笨办法：把标准地图底图铺在下面，GeoJSON 描边叠在上面，同一比例尺下截一张图，逐段扫一遍。有出入的地方记下来，别急着“修一下”——地图边界不能自己描，出入大就换数据源。

4.2 用 mapshaper 裁剪与瘦身

原始边界数据往往几十兆，直接扔给前端会拖慢首屏。mapshaper 是命令行里最好用的一个，先做裁剪和简化：

# 1) 只保留需要的区域，按属性字段过滤 mapshaper china-full.geojson \ -filter 'adcode >= 100000' \ -o precision=0.0001 format=geojson china-filtered.geojson # 2) 按矩形范围裁剪（xmin,ymin,xmax,ymax），做区域专题图时用 mapshaper china-filtered.geojson \ -clip bbox=$XMIN,$YMIN,$XMAX,$YMAX \ -o precision=0.0001 china-clip.geojson # 3) 拓扑保持的简化，keep-shapes 防止小要素被抹掉 mapshaper china-clip.geojson \ -simplify 12% keep-shapes \ -o precision=0.0001 format=geojson china-slim.geojson

参数说明：

• -filter里的表达式按属性字段做布尔判断，字段名要和你数据里的实际字段对齐，写错不会报错，只会静默输出空文件——所以每步之后都mapshaper xxx.geojson -info看一眼要素数量。
• -simplify 12%是保留顶点比例。12% 通常能把体积压到原来的十分之一，同时省界还看得过去；低于 5% 就开始出现折角。keep-shapes必须加，否则面积小的要素会被整块删掉，地图上出现空洞。
• -clip bbox=的四个值是 xmin,ymin,xmax,ymax。裁剪会切开边界多边形，如果要做面填充，记得后面用-dissolve按目标字段合并。
• -o precision=0.0001控制坐标保留位数，约 11 米精度，对省级分布图足够，能再省一截体积。

简化完必须做一次拓扑检查：相邻省之间不能出现缝隙。mapshaper 默认保持拓扑，但你一旦混用了多个来源的数据，缝隙就出来了。快速检查的办法是把填充色设成半透明，缝隙会以底色的细线形式暴露——这招比写脚本快。

4.3 registerMap 与 option 里三个必调项

数据准备好，注册和配置就几行：

// geoJson 由 fetch 或本地 import 得到 echarts.registerMap('china-std', geoJson); const option = { geo: { map: 'china-std', roam: true, // 允许缩放漫游 aspectScale: 0.85, // 见下方说明，别用默认值瞎猜 itemStyle: { areaColor: '#0e1a2b', borderColor: '#3a5b8c' }, emphasis: { itemStyle: { areaColor: '#1b3a63' } } }, series: [{ type: 'map', map: 'china-std', geoIndex: 0, // 与上面的 geo 共用一套投影和缩放 data: valueList // [{name:'某省', value:123}, ...] }], visualMap: { min: 0, max: 5000, calculable: true, inRange: { color: ['#123', '#2a6', '#8fd'] } } };

三个必调项：

• aspectScale：地图的横纵比缩放系数。默认 0.75，很多模板照抄不改，结果整张图被压扁，形状一眼不对。全国图我一般用 0.85 左右，具体值以“和标准地图目视一致”为准，别背数字。
• geoIndex：series.type='map'和geo组件同时存在时，靠这个把两者绑在一起；不绑会出现两份重叠的地图，交互事件只命中其中一份。
• roam：允许缩放漫游时要配合zoom上限，否则用户能缩到边界数据精度之外，省界变成一堆折线。

name字段要和 GeoJSON 里的属性名一一对应，对不上就是一片空白加控制台无提示——这是 ECharts 地图最典型的静默失败。

4.4 导出图片里审图号怎么保住

大屏截图、报告配图基本都走toolbox.saveAsImage或直接对 canvastoDataURL。这里有个硬约束：Canvas 导出只截画布内的内容。你把审图号写在地图容器外的一个div里，或者写在地图下方的 HTML 说明区，导出的 PNG 里就没有它。

解决办法是把审图号画进画布，用graphic组件定位在右下角：

graphic: [{ type: 'text', right: 14, bottom: 12, silent: true, // 不参与交互，避免遮挡地图事件 style: { text: '审图号：GS(2022)1873号', font: '14px sans-serif', fill: 'rgba(200,210,225,0.9)' // 深色底用浅灰，别用纯白 }, z: 100 // 压在图层之上 }]

silent: true很关键，不加的话这块文字会吃掉鼠标事件，用户在地图右下角悬浮时高亮失效，排查起来很费时间。z要给足，否则在某些渲染顺序下会被 visualMap 的图例盖住。

导出之后还有一步：把 PNG 拉回 100% 缩放，看审图号那行字是不是真的能认。我见过太多“代码里写了、图上也有、但导出后糊成一团”的案例，尤其在 2 倍像素比的屏上做的图，导出到 1 倍时字号直接减半。

5. 避坑与排查：底图上线前最常翻车的 5 个点

5.1 点位整体往一个方向偏几百米

现象：业务点位和底图叠在一起，所有点统一往东南或西北偏一段距离，形状没变形，只是整体平移。

原因：坐标系混用。底图是按 WGS84 配准的，业务数据来自某个返回 GCJ-02 的接口，两者直接叠加就是这个结果。偏移量随经纬度变化，所以看起来“有的地方偏得多、有的地方偏得少”，很像玄学，其实完全可复现。

解决：在数据入口统一转换，别在渲染层修。做法是把所有外部来源的经纬度在入库时转成 WGS84，并给数据表加一列标记原始坐标系，转换只在入库那一步发生。已经混了的存量数据，按来源分批重跑一次转换，不要写“渲染时按图层判断要不要转”这种逻辑——那个分支迟早会被人改错。

5.2 瓦片上下颠倒，或者整体错开一屏

现象：底图加载出来了，但南北颠倒，或者和点位错开正好一个屏幕高度。

原因：TMS 和 XYZ 的 y 轴方向相反。gdal2tiles.py不加--xyz输出的是 TMS 命名，前端 Leaflet 默认按 XYZ 请求，第 0 级就一格，错不开；层级一高，错位量正好是一个屏幕。BD-09 那套东西如果混进来，还会有额外的缩放层级偏移，现象类似但成因不同。

解决：切瓦片时统一加--xyz；如果瓦片是别人给的、改不了，就在前端 URL 模板里用{-y}让 Leaflet 自己换算。判断方法很简单：打开tiles/0/0/0.png，看它是不是全球一张图；再打开tiles/1/0/0.png和tiles/1/0/1.png，谁在上面就是谁的方向。

5.3 导出的大屏截图里审图号消失了

现象：页面上明明有审图号，导出的 PNG 里没有。

原因：审图号写在地图 canvas 之外的 DOM 里，saveAsImage和toDataURL都只截 canvas 区域。另一种情况是用了html2canvas之类整页截图，但地图是 WebGL 渲染的，截出来一片空白。

解决：审图号用graphic画进 canvas（见 4.4），或者导出后做二次合成——拿到 canvas 的 dataURL，再用一个离屏 canvas 把审图号文字画到右下角，最后一起输出。第二种更稳，但要注意字体加载完成后再画，否则会 fallback 成默认字体，字号宽度全变。加一条自检：导出图宽度小于 1920 时直接告警，小图上的审图号基本不可读。

5.4 EPS 转曲之后，审图号既搜不到也改不了

现象：印刷交付前把文字转成曲线，之后想改审图号——文本已经变成路径，逐节点编辑；做自检脚本时也检索不到这段文字。

原因：转曲是不可逆操作。很多排版流程默认“交付前全部转曲”，但地图类图幅里的审图号属于标识信息，转曲之后既失去了语义，也失去了校验手段。

解决：流程上分两份——一份保留文本层的可编辑母版，一份是转曲后的印刷稿；母版永远不进交付物，只用来出下一版。同时在 sidecar 元数据里记死审图号字符串，自检脚本查元数据而不是查图面文字。印刷前再目视确认一次转曲稿里那行字的字重和字距没被压缩。

5.5 简化过头，小要素消失、省界出现缝

现象：地图上少了几块小区域，或者两个相邻省份之间出现一条细缝，放大看是底色透出来。

原因：-simplify比例给太低，又没有keep-shapes，面积小的多边形被整块删掉；多个来源的数据混合简化时拓扑被破坏，公共边界两侧的顶点不再重合，缝隙就是这么来的。

解决：简化比例从 20% 起试，逐步降到能接受的最小值，每降一档跑一次要素数量比对；永远带keep-shapes；混源数据先合并再简化，不要分别简化后拼接。验证用半透明填充看缝，比写脚本快。这一步没有捷径，只能一档一档试出来。

6. 把审图号变成流水线卡口：一份导出前的自检脚本

上面那些坑，靠人盯是盯不住的。我的做法是在出图流水线里加一步自检，跑不过就不出包。脚本不长，但把最容易丢的几件事都卡住了：

import hashlib, sys from PIL import Image def sha256(path): h = hashlib.sha256() with open(path, 'rb') as f: for chunk in iter(lambda: f.read(1 << 20), b''): h.update(chunk) return h.hexdigest() def check_export(png, sid, frozen_sha, min_w=1920): errs = [] img = Image.open(png).convert('RGB') w, h = img.size # 1) 尺寸太小，审图号必然糊 if w < min_w: errs.append(f'导出宽度 {w} < {min_w}') # 2) 审图号必须写进 PNG 元数据，而不是只存在前端 DOM 里 if img.info.get('shen_tu_hao') != sid: errs.append('PNG 元数据缺审图号') # 3) 右下角区域对比度粗检：全白/全黑说明文字没画上或被裁掉 crop = img.crop((int(w*0.72), int(h*0.88), w, h)).convert('L') lo, hi = crop.getextrema() if hi - lo < 40: errs.append('右下角对比度过低，审图号疑似未渲染') # 4) 与冻结版本比对，防止底图被悄悄换掉 if sha256(png) != frozen_sha: errs.append('导出图与冻结版本不一致') return errs if __name__ == '__main__': problems = check_export(sys.argv[1], 'GS(2022)1873号', sys.argv[2]) print('\n'.join(problems) or 'checks passed') sys.exit(1 if problems else 0)

四项检查对应四类事故：尺寸检查拦“大屏糊图”，元数据检查拦“审图号只写在前端”，对比度粗检拦“graphic 没渲染上”，哈希比对拦“底图被替换”。第三项是粗检不是 OCR，它只回答“这块区域有没有东西”，不回答“这行字对不对”——要精确校验文字，还是得靠元数据那一条。

最后说个习惯。我现在的项目里，底图目录是只读的，替换底图要走一次变更：更新 sidecar、重算哈希、重跑一次目视比对、把审图号写进发布说明。麻烦，但换来的是任何一张出去的地图都能在三分钟内答清楚“这张图哪来的、什么版本、审图号是多少”。地图这东西，画错一条线可能没人发现，但一旦被发现，返工的不是一张图，是这一版所有的交付物。希望帮到你。

本文还有配套的精品资源，点击获取