在使用 leaflet 调用第三方瓦片地图服务的项目，主要谷歌地图、高德地图、百度地图和 OSM 地图，与其他三种地图对比，百度地图的瓦片组织方式是不同的。百度从中心点经纬度(0,0)度开始计算瓦片，而谷歌地图是从左上角经纬度(-180,90)度开始计算瓦片；如果直接使用百度瓦片地图服务会请求不到瓦片，因此需要转换一下。借助 leaflet-tileLayer-baidu 这个插件：
//需要引入 proj4.js 和 proj4leaflet.js 插件，使用script标签引入的方式
L.CRS.Baidu = new L.Proj.CRS(‘EPSG:900913‘, ‘+proj=merc +a=6378206 +b=6356584.314245179 +lat_ts=0.0 +lon_0=0.0 +x_0=0 +y_0=0 +k=1.0 +units=m [email protected] +wktext +no_defs‘, {
resolutions: function () {
level = 19
var res = [];
res[0] = Math.pow(2, 18);
for (var i = 1; i < level; i++) {
res[i] = Math.pow(2, (18 - i))
}
return res;
}(),
origin: [0, 0],
bounds: L.bounds([20037508.342789244, 0], [0, 20037508.342789244])
});
L.tileLayer.baidu = function (option) {
option = option || {};
var layer;
var subdomains = ‘0123456789‘;
switch (option.layer) {
//单图层
case "vec":
default:
//‘http://online{s}.map.bdimg.com/tile/?qt=tile&x={x}&y={y}&z={z}&styles=pl&b=0&limit=60&scaler=1&udt=20170525‘
layer = L.tileLayer(‘http://online{s}.map.bdimg.com/onlinelabel/?qt=tile&x={x}&y={y}&z={z}&styles=‘ + (option.bigfont ? ‘ph‘ : ‘pl‘) + ‘&scaler=1&p=1‘, {
name:option.name,subdomains: subdomains, tms: true
});
break;
case "img_d":
layer = L.tileLayer(‘http://shangetu{s}.map.bdimg.com/it/u=x={x};y={y};z={z};v=009;type=sate&fm=46‘, {
name: option.name, subdomains: subdomains, tms: true
});
break;
case "img_z":
layer = L.tileLayer(‘http://online{s}.map.bdimg.com/tile/?qt=tile&x={x}&y={y}&z={z}&styles=‘ + (option.bigfont ? ‘sh‘ : ‘sl‘) + ‘&v=020‘, {
name: option.name, subdomains: subdomains, tms: true
});
break;
case "custom"://Custom 各种自定义样式
//可选值：dark,midnight,grayscale,hardedge,light,redalert,googlelite,grassgreen,pink,darkgreen,bluish
option.customid = option.customid || ‘midnight‘;
layer = L.tileLayer(‘http://api{s}.map.bdimg.com/customimage/tile?&x={x}&y={y}&z={z}&scale=1&customid=‘ + option.customid, {
name: option.name, subdomains: "012", tms: true
});
break;
case "time"://实时路况
var time = new Date().getTime();
layer = L.tileLayer(‘http://its.map.baidu.com:8002/traffic/TrafficTileService?x={x}&y={y}&level={z}&time=‘ + time + ‘&label=web2D&v=017‘, {
name: option.name, subdomains: subdomains, tms: true
});
break;
//合并
case "img":
layer = L.layerGroup([
L.tileLayer.baidu({ name: "底图", layer: ‘img_d‘, bigfont: option.bigfont }),
L.tileLayer.baidu({ name: "注记", layer: ‘img_z‘, bigfont: option.bigfont })
]);
break;
}
return layer;
};
初始化之后，就可以直接实例化生成调用百度瓦片地图服务的实例；
this.map = L.map(‘_map‘,{crs: L.CRS.Baidu, fullscreenControl: true}).setView(this.originPoint, this.originZoom);
L.tileLayer.baidu({layer: ‘vec‘}, {maxZoom: this.maxZoom, minZoom: this.minZoom}).addTo(this.map);
/* 这里是VUE项目，使用了 fullscreenControl 全屏插件 */
需要注意：
1、地图切换：
如果只是实现高德、谷歌地图、天地图的Leaflet 切换，可以使用 leaflet插件 Leaflet.ChineseTmsProviders；
2、坐标系系统：
国内使用的地图坐标都是经过设备返回的坐标（WGS84）加密的，一般是GCJ02（高德地图、谷歌地图中国区服务都是用这一标准）；百度地图则在GCJ02的基础上又进行了二次加密，使用的BD09坐标；因此直接在地图显示原始点的位置信息会有几十米到几百米的误差。地图官方都提供了在线的坐标转换接口以及web服务api接口：以百度地图为例：
//百度地图坐标转换api
var points = [
new BMap.Point(116.3786889372559,39.90762965106183),
new BMap.Point(116.38632786853032,39.90795884517671),
new BMap.Point(116.39534009082035,39.907432133833574),
new BMap.Point(116.40624058825688,39.90789300648029),
new BMap.Point(116.41413701159672,39.90795884517671)
]
var convertor = new BMap.Convertor();
convertor.translate(points, 1, 5, translateCallback) //translateCallback 回调
// 百度地图在线转换接口地址 http://api.map.baidu.com/geoconv/v1/?coords=114.21892734521,29.575429778924&from=1&to=5&ak=你的密钥 //GET请求
百度地图支持单个点转换和批量点转换，同时支持 WGS84转BD09，和GCJ02转BD09坐标；
但是存在以下问题：
①、百度地图在线api 最多一次支持10个点，web服务api单次请求可批量解析100个坐标，对于海量点（几千到几万）来说，这样的处理速度显然是不够的；高德地图同样满足不了业务需求；
②、不支持逆向解析，例如BD09 没有对应的接口转GCJ02和WGS84；因此在地图切换的时候，使用百度地图拾取的点就无法在其他地图上准确显示（高德地图提供BD09到GCJ02的坐标转换，但业务使用的只是高德的瓦片服务）；
可以使用 gcoord 插件解决上述问题，支持上述三种坐标系互转，且是同步的接口，海量数据无性能瓶颈。（因为逆向解析没有公开的算法，原始坐标只是无限接近，基本满足地图使用要求。）
3、海量点性能问题
使用百度地图点的数量在2000左右时候，无论是打点、还是缩放、平移都会影响用户体验了，海量点接口虽可以支持万级别的数据，但是不能自定义图标、不能显示label；这是要是DOM操作严重影响了性能，可以使用Leaflet.Canvas-Markers解决海量点性能问题。
4、国外坐标识别
百度在线的api转换接口 ，会智能判断点的坐标是否在国内还是在国外，如果判断在国外就直接返回数据；但如果使用 gcoord 就无法智能识别；需要手动写一个坐标判断识别库，并且需要国界线经纬度数据。由于精确显示国界线的经纬度数据十分庞大，因此随着点精度的提高，需要牺牲浏览器性能，（在线转会有点的限制，估计也是性能考究）。
判断一个点是否在国内，可以参考 判断一个点是否在多边形内部 - 射线法思路，结合国界线的经纬度数据，就可以判断点的坐标是否在国内。射线法判断算法：
function pointInChina(position = [31.172800343248,121.406021546488]) {
if(position.length !== 2) {
console.error(‘The argument is an array of longitude and latitude, with longitude first and latitude last‘)
return;
};
if((position[0] < 3.85 || position[0] > 53.55) || (position[1] < 73.55) || position[1] > 135.08) {
console.log(‘Must be abroad‘)
return false;
}function isInPolygon(checkPoint, polygonPoints) {
var counter = 0;
var i;
var xinters;
var p1, p2;
var pointCount = polygonPoints.length;
p1 = polygonPoints[0];
for (i = 1; i <= pointCount; i++) {
p2 = polygonPoints[i % pointCount];
if (checkPoint[0] > Math.min(p1[0], p2[0]) && checkPoint[0] <= Math.max(p1[0], p2[0])) {
if (checkPoint[1] <= Math.max(p1[1], p2[1])) {
if (p1[0] != p2[0]) {
xinters = (checkPoint[0] - p1[0]) * (p2[1] - p1[1]) / (p2[0] - p1[0]) + p1[1];
if (p1[1] == p2[1] || checkPoint[1] <= xinters) {
counter++;
}
}
}
}
p1 = p2;
}
if (counter % 2 == 0) {
return false;
} else {
return true;
}
}
try {
let a = isInPolygon(position, mainLand_array); //大陆
let b = isInPolygon(position, taiWan_array); // 台北
if(a || b ) {
return true;
}else {
return false;
}
}catch(err){
console.log(err);
}
}
参考链接：
2、leaflet-tileLayer-baidu 作者还提供了一个 在线预览的地址；
3、点在多边形内算法，JS判断一个点是否在一个复杂多边形的内部
原文地址：https://www.cnblogs.com/engeng/p/11880994.html