GEOROC 数据库自动化下载、处理和 SQLite 数据库构建工具。
Automatically downloads, processes, and builds a SQLite database from GEOROC precompiled geochemical datasets.
GEOROC (Geochemistry of Rocks of the Oceans and Continents) 是由德国哥廷根大学 DIGIS 团队维护的全球最大的火成岩地球化学数据库，包含超过 100 万条来自约 20,000 篇文献的岩石样品分析数据。
GEOROC 提供了 14 类预编译数据集（Precompiled Files），涵盖太古代克拉通、汇聚边缘、 洋岛、岩石类型等，以 CSV 格式发布。这些 CSV 文件结构特殊（包含数据段、缩写段、 参考文献段），且存在引号错误等常见问题，需要处理后才能用于数据分析。
georocdata 工具实现了从下载到构建 SQLite 数据库的全流程自动化。
| 版本 | 数据源 | 说明 |
|---|---|---|
| 旧版 | georoc.mpch-mainz.gwdg.de/Csv_Downloads/ |
逐个 CSV 下载，已于 2021 年停更 |
| 新版 | georoc.eu DOI 系统 |
DOI 下载，数据更新至 2026-06-01 |
pip install georocdata依赖: Python >= 3.8, pandas >= 1.3
# 完整更新：下载 + 处理 + 建库
georocdata
# 仅下载
georocdata --download-only
# 仅处理已有 CSV + 建库
georocdata --process-only
# 使用旧数据源
georocdata --source legacy
# 同时使用新旧数据源
georocdata --source both
# 跳过某些步骤
georocdata --skip-fix # 跳过CSV引号修复
georocdata --skip-split # 跳过CSV段落拆分
georocdata --skip-db # 跳过SQLite建库
# 自定义输出目录和数据库名
georocdata --output-dir ./my_data --db-name my_georoc.db
# 查看版本
georocdata -Vfrom georocdata import GEOROCDownloader, GEOROCProcessor
# 1. 下载
dl = GEOROCDownloader(output_dir="./georoc_data")
dl.download_new_source() # 从 georoc.eu 下载
# dl.download_legacy_source() # 或从旧源下载
# 2. 处理
proc = GEOROCProcessor(data_dir="./georoc_data")
proc.fix_all_csvs() # 修复CSV引号错误
proc.split_all_csvs() # 拆分CSV段落
# 3. 建库
proc.build_database(db_path="./GeoRoc.db") # 数据库
proc.build_refs_database(db_path="./Ref.db") # 参考文献库GEOROC 提供 14 类预编译数据集：
| 编号 | 英文类别 | 中文类别 | DOI |
|---|---|---|---|
| 1 | Archaean Cratons | 太古代克拉通 | 10.25625/1KRR1P |
| 2 | Complex Volcanic Settings | 复杂火山环境 | 10.25625/1VOFM5 |
| 3 | Continental Flood Basalts | 大陆溢流玄武岩 | 10.25625/WSTPOX |
| 4 | Convergent Margins | 板块汇聚边缘 | 10.25625/PVFZCE |
| 5 | Intraplate Volcanic Rocks | 板内火山岩 | 10.25625/RZZ9VM |
| 6 | Oceanic Plateaus | 洋底高原 | 10.25625/JRZIJF |
| 7 | Ocean Basin Flood Basalts | 洋底盆地溢流玄武岩 | 10.25625/AVLFC2 |
| 8 | Ocean Island Groups | 洋岛成分 | 10.25625/WFJZKY |
| 9 | Seamounts | 海山成分 | 10.25625/JUQK7N |
| 10 | Rift Volcanics | 裂谷火山 | 10.25625/KAIVCT |
| 11 | Rocks | 岩石成分 | 10.25625/2JETOA |
| 12 | Minerals | 矿物成分 | 10.25625/SGFTFN |
| 13 | Melt Inclusions | 熔体包裹体 | 10.25625/7JW6XU |
| 14 | Sample Metadata | 样品元数据 | 10.25625/4EZ7ID |
每类数据集包含若干 CSV 文件，例如 Archaean Cratons 包含 28 个克拉通的单独文件。
原始 CSV 下载
│
▼
┌──────────────────┐
│ 1. CSV 引号修复 │ 修复 GEOROC CSV 中常见的孤立引号错误
└──────────────────┘
│
▼
┌──────────────────┐
│ 2. CSV 段落拆分 │ 将每个 CSV 拆分为:
│ │ - 数据段 (Data) → *_data.csv
│ │ - 缩写段 (Abbreviations) → *_abbreviations.csv
│ │ - 参考文献段 (References) → *_references.csv
└──────────────────┘
│
▼
┌──────────────────┐
│ 3. SQLite 建库 │ 合并所有数据段到 GeoRoc.db，自动去重
│ │ 合并所有参考文献到 Ref.db
└──────────────────┘
每个 GEOROC CSV 文件由三个段落组成，以 Abbreviations: 和 References: 标记分隔：
Citation,Ref_ID,Name,Type,..." ← 数据段（表头+数据）
Abbreviations: ← 缩写段开始
Abbreviation,Full_name,..." ← 缩写段（表头+数据）
References: ← 参考文献段开始
Ref_ID,Reference,..." ← 参考文献段（表头+数据）
工具自动识别并拆分这三个段落。
GeoRocData/
├── pyproject.toml # 构建/发布配置
├── README.md # 本文件
├── CHANGELOG.md # 变更日志
├── LICENSE # GPLv3+ 许可证
├── src/georocdata/ # Python 包源码
│ ├── __init__.py # 包入口，导出核心类
│ ├── cli.py # CLI 命令入口
│ ├── compilations.py # 14类数据集 DOI 映射配置
│ ├── downloader.py # GEOROCDownloader 下载器类
│ └── processor.py # GEOROCProcessor 处理器类
├── DB_Gen/ # 旧版脚本（已弃用）
│ └── update_georoc.py # 向后兼容入口
├── links.sh # 旧版下载链接列表
└── back.sh # 旧版下载脚本
| 旧版脚本 | 新版等效 |
|---|---|
bash back.sh / bash links.sh |
georocdata --source legacy |
0_Get_Data_Fix_Quota_Error.py |
georocdata (下载+修复，默认) |
1_Split_CSV.py |
georocdata (拆分，默认) |
2_Add_Type.py |
georocdata (Type列自动添加，默认) |
3_CSV_to_DB.py |
georocdata (建库，默认) |
4_REF_to_DB.py |
georocdata (参考文献建库，默认) |
# 克隆仓库
git clone https://github.com/GeoPyTool/GeoRocData.git
cd GeoRocData
# 安装开发模式
pip install -e .
# 构建发布包
pip install build
python -m build
# 检查包质量
pip install twine
twine check dist/*如果您在研究中使用了 GEOROC 数据，请引用：
DIGIS Team (2026). GEOROC Compilation: [Dataset Name]. Göttingen Research Online / Data. https://doi.org/10.25625/[DOI]
GPLv3+ - 详见 LICENSE
- GEOROC 数据库: https://georoc.eu/
- PyPI 包: https://pypi.org/project/georocdata/
- GitHub 仓库: https://github.com/GeoPyTool/GeoRocData
- GEOROC 预编译数据说明: https://georoc.eu/georoc/CompRules.html