GeoJSON与GeoBuf互相转换
时间:2019-09-22
本文章向大家介绍GeoJSON与GeoBuf互相转换,主要包括GeoJSON与GeoBuf互相转换使用实例、应用技巧、基本知识点总结和需要注意事项,具有一定的参考价值,需要的朋友可以参考一下。
GeoJSON格式通常比较大,网页需要较长时间加载,可以使用GeoBuf进行压缩。
使用GeoBuf有很多好处:结构紧凑、文件小、方便编码和解码、能适用各种GeoJSON等等。
使用:
1.安装 geobuf 和 pbf
1 npm install geobuf 2 npm install pbf
2.对GeoJSON编码
1 let buffer = geobuf.encode(featureCollection, new Pbf())
说明:需要引入geobuf 和 pbf,
featureCollection为GeoJSON
3.把GeoBuf写入文件
1 let buffer = geobuf.encode(featureCollection, new Pbf()) // 对GeoJSON编码 2 // 使用node写入文件 需要先引入'fs'库 3 fs.writeFile('./data/lamp.geobuf.bpf', buffer, function(error){ 4 if(error){ 5 console.info('geobuf error') 6 }else { 7 console.info('geobuf ok') 8 } 9 })
4.对GeoBuf解码
1 axios.get('./data/lamp.geobuf.bpf', { 2 responseType: 'arraybuffer' // note: responseType must be 'arraybuffer' 3 }).then((function (res) { 4 let data = res.data 5 let geojson = geobuf.decode(new Pbf(data)) // 对GeoBuf解码 6 console.info(JSON.stringify(geojson)) 7 }))
注意:读取GeoBuf是responseType必须是“arraybuffer”
看一下文件大小:只有大约1/5了,效果很明显呐!
完成应用案例请参考:
https://github.com/shiyuan598/common-tools.git
参考文档:
https://github.com/mapbox/geobuf
原文地址:https://www.cnblogs.com/jyughynj/p/11567569.html
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- 【tensorflow2.0】使用TPU训练模型
- 用C++跟你聊聊“外观模式”
- 【tensorflow2.0】使用tensorflow-serving部署模型
- 用C++跟你聊聊“模板方法模式”
- 用C++跟你聊聊“原型模式” (复制/拷贝构造函数)
- 【numpy】生成图片格式的数据
- 【numpy】新版本中numpy(numpy>1.17.0)中的random模块
- 用C++跟你聊聊“代理模式”
- mybatis与spring整合步骤以及自己遇到的错误
- 用C++跟你聊聊“装饰者模式”
- 【python实现卷积神经网络】激活函数的实现(sigmoid、softmax、tanh、relu、leakyrelu、elu、selu、softplus)
- 【python实现卷积神经网络】损失函数的定义(均方误差损失、交叉熵损失)
- 【python实现卷积神经网络】优化器的实现(SGD、Nesterov、Adagrad、Adadelta、RMSprop、Adam)
- 用C++跟你聊聊“策略模式”
- 【python实现卷积神经网络】卷积层Conv2D反向传播过程