Kettle付诸实践 03水经微图kml类型文件分类解析入库难点细节说明(完整流程实例云资源分享:包含sql+kjb+ktr+测试文件)

Posted シ風

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Kettle付诸实践 03水经微图kml类型文件分类解析入库难点细节说明(完整流程实例云资源分享:包含sql+kjb+ktr+测试文件)相关的知识,希望对你有一定的参考价值。

资源连接:

链接:https://pan.baidu.com/s/18mbpnQBtwGiYISOwfkHwPw 
提取码:xv0w

包含文件:

1.需求说明

一个与行政区划边界数据相关的应用,行政区划数据从水经微图下载而来格式为kml,需要把这些数据导入到数据库 GreenPlum,并规范数据格式。源数据包含两类:

  • _xx名称.txt(区域名称和中心点坐标)
  • _xx边界.txt(区域名称和区域边界点坐标)

数据要转换成两类:

  • POINT(longitude,latitude)
  • 多边形 POLYGON( POINT, POINT, POINT, ... )

2.流程实例

kml后缀批量修改为xml的脚本:

# 在文件所在文件夹下创建 .txt 文件写入以下内容后修改文件后缀为 .bat
ren    *.kml   *.xml

2.1 获取数据并处理

中心点数据是很规范比较容易解析的,但是边界数据的存在多边界和单边界情况,此时的xml标签不一致,所以需要分开进行解析:


难点 1️⃣ 标签路径不统一【必须分开进行解析】:


处理方法【将多边界数据以节点类型传递给下一个 xml文件输入组件】:


xml文件输入组件是可以接收流数据的,但是在提取成节点时会给节点添加标识 <MultiGeometry xmlns="http://www.opengis.net/kml/2.2"> 需要处理掉xmlns="http://www.opengis.net/kml/2.2"否则无法识别:


难点 2️⃣ 数据格式不好,需要转换:


每行的数据是longitude,latitude,altitude 经度,纬度,海拔而最终需要的点格式为POINT(longitude,latitude)边界格式为POLYGON( POINT, POINT, POINT, ... ),思路是去掉换行然后对海拔数据,0进行替换,去掉换行用正则表达式:


替换海拔,0用SQL,以下SQL实现了边界数据字符串到多边形数据的格式转换:

POLYGON( '(' || TRIM ( TRAILING ',(' FROM REPLACE ( coordinates, ',0', '),(' ) ) )

2.2 数据入库中间表并转换数据格式

使用JOB可以控制SQL的执行顺序,由于用到了数据库的关联查询及数据结构转换所以创建了临时表:


所有使用到的SQL:

-- 存放边界数据
DROP TABLE IF EXISTS "public"."data_address_area";
CREATE TABLE "public"."data_address_area" (
  "name" varchar(255) COLLATE "pg_catalog"."default",
  "zone_name" varchar(255) COLLATE "pg_catalog"."default",
  "coordinates" varchar(102400) COLLATE "pg_catalog"."default"
);

-- 存放区域名称
DROP TABLE IF EXISTS "public"."data_address_point";
CREATE TABLE "public"."data_address_point" (
  "name" varchar(255) COLLATE "pg_catalog"."default",
  "zone_name" varchar(255) COLLATE "pg_catalog"."default",
  "coordinates" varchar(102400) COLLATE "pg_catalog"."default"
);

-- 存放格式化后的数据
DROP TABLE IF EXISTS "public"."data_address_geo";
CREATE TABLE "public"."data_address_geo" (
  "id" varchar(16) COLLATE "pg_catalog"."default",
  "pid" varchar(16) COLLATE "pg_catalog"."default",
  "deep" varchar(1) COLLATE "pg_catalog"."default",
  "name" varchar(64) COLLATE "pg_catalog"."default",
  "ext_path" varchar(32) COLLATE "pg_catalog"."default",
  "geo" point,
  "polygon" polygon
);

-- 执行数据合并
INSERT INTO data_address_geo SELECT
pid.pid || ROW_NUMBER ( ) OVER ( ORDER BY point.NAME DESC ) AS "id",
pid.pid AS "pid",
'3' AS "deep",
point.NAME AS "name",
pid.ext_path || ' ' || point.NAME AS "ext_path",
point.point,
polygon.polygon 
FROM
	( SELECT NAME, zone_name, POINT( REPLACE ( coordinates, ',0', '' ) ) FROM data_address_point ) point,
	( SELECT NAME, POLYGON( '(' || TRIM ( TRAILING ',(' FROM REPLACE ( coordinates, ',0', '),(' ) ) ) FROM data_address_area ) polygon,
	( SELECT ID AS "pid", NAME, ext_path FROM data_administrative_divisions_geo ) pid 
WHERE
	point.NAME = polygon.NAME 
	AND point.zone_name = pid.NAME
	

-- 删除临时表
DROP TABLE "public"."data_address_area";
DROP TABLE "public"."data_address_point";

3.结果数据

表字段pid、deep、ext_path是为了和之前的表进行合并形成树形结构,不需要的可以忽略:

4.技术总结

ETL 工具 Kettle 的功能是很强大的,读取数据、格式化数据、入库等等操作都是一般操作,有些复杂流程也可以拆分成多个简单流程,从而实现需求。这个实例就可以发现字符串替换操作用了很多次。

以上是关于Kettle付诸实践 03水经微图kml类型文件分类解析入库难点细节说明(完整流程实例云资源分享:包含sql+kjb+ktr+测试文件)的主要内容,如果未能解决你的问题,请参考以下文章

什么是地图发布服务中间件(WeServer)

快速上手kettle小试牛刀

利用Kettle进行SQLServer与Oracle之间的数据迁移实践

使用谷歌地图加载本地 .kml 文件?

如何使用 kml 文件在地图上绘制路径?

KML 接受哪些可能的 3D 模型格式?