ArcPy自动化脚本怎么写?批量处理如何做?

别再手动点点点了！ArcPy批量处理的正确打开方式

你是不是也经历过这种崩溃时刻：领导让你处理300个县的矢量裁剪，每个都要“右键→导出数据→选路径→点确定”，重复300次？手指抽筋不说，半夜两点还在机房对着屏幕发呆。更惨的是，中途手滑选错参数，前功尽弃……这不是工作，这是酷刑。

我在某国土空间规划项目里，曾用手工方式处理过278个乡镇的土地利用图斑。耗时整整一周，眼睛盯到重影。后来我写了第一个ArcPy脚本，同样的活儿——17分钟跑完，误差为零。那一刻我知道，GIS人的生产力革命，从学会写脚本开始。

为什么是ArcPy？它到底是个啥？

ArcPy不是什么神秘黑科技，你可以把它理解成“给ArcGIS装上遥控器”。平时你在ArcMap里点鼠标干的事——加载图层、缓冲区分析、字段计算、地图导出——ArcPy都能用代码一行行指挥它自动完成。而且，它不怕累、不手抖、不请假。

类比一下：如果你把GIS操作比作做菜，手动点击就是你亲自拿锅铲翻炒每一道菜；而ArcPy，就是你写好菜谱（脚本），让机器人厨师按步骤全自动烹饪——你可以同时开10口锅，它也不会糊锅。

三步写出你的第一个自动化脚本

别被“编程”吓到。写ArcPy脚本就像搭积木，核心就三步：

1. 导入工具箱：告诉Python你要调用ArcGIS的功能。
2. 设置工作空间：指定你的数据放在哪个文件夹，省得每次找半天。
3. 调用函数执行任务：比如裁剪、合并、重投影——直接喊名字就行。

来看一个最简单的例子：批量将文件夹里所有Shapefile转成GeoJSON。

import arcpy
import os

# 1. 设置工作空间
arcpy.env.workspace = r"D:datashp_folder"

# 2. 获取所有shp文件名
shp_list = arcpy.ListFeatureClasses("*.shp")

# 3. 循环处理每一个
for shp in shp_list:
    output_name = os.path.splitext(shp)[0] + ".geojson"
    arcpy.conversion.FeaturesToJSON(shp, output_name)
    print(f"搞定！{shp} 已转为 {output_name}")

print("全部转换完成！老板再也不用担心我的加班费了~")

实战进阶：如何批量裁剪300个县的数据？

上面那个是热身，现在来真格的。假设你有一张全国县级行政区划图（county.shp），还有一堆需要按县裁剪的栅格或矢量数据（比如DEM、土地利用图等）。

核心思路：用 SearchCursor 读取每个县的名称和几何，再用 Clip_analysis 逐个裁剪。

import arcpy

# 设置环境
arcpy.env.workspace = r"D:projectclip_batch"
arcpy.env.overwriteOutput = True  # 允许覆盖同名文件

# 输入数据路径
county_shp = "county.shp"
target_data = "landuse.tif"  # 假设这是你要裁剪的栅格

# 创建输出文件夹
output_folder = "clipped_results"
os.makedirs(output_folder, exist_ok=True)

# 用游标遍历每个县
with arcpy.da.SearchCursor(county_shp, ["NAME", "SHAPE@"]) as cursor:
    for row in cursor:
        county_name = row[0]
        geom = row[1]
        
        # 构造输出路径
        out_raster = os.path.join(output_folder, f"{county_name}_landuse.tif")
        
        # 执行裁剪
        arcpy.management.Clip(target_data, "#", out_raster, geom)
        print(f"{county_name} 裁剪完成 → {out_raster}")

print("🎉 300个县，一键裁剪完毕！")

避坑指南：新手最容易栽的三个跟头

从脚本到工程：让自动化真正为你打工

写脚本只是第一步。想让它成为你真正的“数字员工”，请养成这三个习惯：

• 日志记录：在关键步骤加 print() 或写入日志文件，方便出错回溯。
• 异常捕获：用 try...except 包裹可能出错的操作，避免脚本中途崩掉。
• 参数化设计：把路径、文件名等写成变量或配置文件，换个项目改个参数就能复用。

举个真实案例：我曾帮某环保局写了一个“自动监测生态红线侵占”的脚本，每天凌晨2点自动跑，生成报告邮件发给负责人。三年没出过一次错——比实习生靠谱多了。

结语：你的第一行代码，就是解放双手的开始

自动化不是程序员的专利，它是每个GISer对抗重复劳动的武器。从今天起，别再忍受无意义的点击。哪怕只写五行代码，也能省下两小时加班时间。你的时间，值得花在更有创造性的事情上——比如喝杯咖啡，想想怎么优化模型，或者……早点下班陪家人。

现在轮到你了： 你在工作中最想用脚本解决什么重复性任务？在评论区写下你的“痛点”，我会挑三个最有代表性的，手把手教你写专属脚本！