「GIS解惑」为什么 TopoJSON 比 GeoJSON 小那么多？

小编之前在《「GIS教程」什么是TopoJSON》里简单介绍过 TopoJSON，当时留了个尾巴，只说它比 GeoJSON 小得多，但没讲清为什么会小这么多。最近又有小伙伴在麻辣GIS群里问类似的问题，小编干脆拿了份真实数据实测了一下，顺便把背后的机制展开介绍一下，有需要的小伙伴可以参考一下。

数据实测

小编本机用官方工具链实测了一下，数据源是阿里云 DataV.GeoAtlas 的全国省级边界 GeoJSON（100000_full.json），转换用的是 topojson 官方 CLI（geo2topo + topoquantize），量化网格取默认的 1e4。结果如下：

可以看出共享弧段去重后，583 KB 就降到 396 KB，小了约 32%, 如果加上量化（默认 1e4），进一步降到 143 KB，累计小了约 75%，最后在数据传输的时候使用gzip，143 KB 的 TopoJSON 只剩 39 KB，而原始 GeoJSON 还要 201 KB。

为什么会少这么多呢，其实这主要与TopoJSON的三大机制有关：共享弧段（边界去重）、增量编码（坐标只记变化量）、量化

机制一：共享弧段

GeoJSON 里每个面都是"独立王国"，两个相邻省份共享的那段边界，会完整地出现在两边多边形的坐标数组里，方向还相反。全国 34 个省级行政区互相接壤，这段"重复劳动"非常可观。

TopoJSON 的做法是把所有边界线拆成弧段（arc），存进一个全局的 arcs 数组，每个弧段只存一次；多边形不再写坐标，只写弧段的编号引用，引用时用负号表示反方向。相邻边界越长、相邻要素越多，省得就越多，这也是中国省级边界这种"接壤密集"的数据特别适合 TopoJSON 的原因。

机制二：增量编码

光去重还不够。TopoJSON 在编码坐标时还有一招：不是每个点都存完整的经纬度，而是首点存原始值，后面的点只存"相对上一个点的差值"。

这一步单独看省不了多少字节，但它有两个意义：一是把大数字变成小数字，二是配合量化把浮点数变成整数之后，同样的内容能压得更小，所以增量编码其实是给后面量化和压缩机制的基础。

机制三：量化

坐标能无限精确，但很多场景根本用不上。TopoJSON 默认把坐标映射到一个 1e4 × 1e4 的整数网格上，经纬度变成 0 到 10000 之间的整数，配合 transform 里的 scale 和 translate 就能还原出近似坐标。

不过这一步有是有精度损失为代价的，本测试的量化网格下坐标精度约 0.006°（大约 0.5 到 0.7 公里），小比例尺地图肉眼无感；如果做高精度分析，可以把网格调大（比如 1e5、1e6），但文件体积会相应变大一些。

总结

总结一下TopoJSON变小的三个机制，共享弧段负责去掉边界重复，增量编码负责把数字变小，量化负责把缩减精度，三者叠起来就是实测里那 75% 到 81% 的体积降幅。对前端地图来说，这意味着更快的加载、更省的带宽，尤其是省级、市级这种边界密集的数据，收益非常明显。

顺便说一下，TopoJSON使用拓扑结构还有个隐藏福利，因为相邻要素共享同一条弧段，做简化（simplify）的时候不会出现缝隙或重叠，这也是很多地图库爱用 TopoJSON 的原因。最后如果你也想用这个格式，可以参考小编之前写过 GeoJSON 转 TopoJSON 的几种方法，见《「GIS教程」将GeoJSON转换成TopoJSON的方法》，有需要的可以试试。

参考

1. TopoJSON 官方说明：https://github.com/topojson/topojson
2. 阿里云 DataV.GeoAtlas 全国省级数据源：https://geo.datav.aliyun.com/areas_v3/bound/100000_full.json
3. TopoJSON: A smaller GeoJSON with some neat tricks（Mike Bostock 演讲）：https://www.somebits.com/~nelson/SotM-2013-TopoJSON.pdf
4. TopoJSON vs GeoJSON 对比：https://geodata.tools/blog/topojson-vs-geojson/