ArcGIS Python API 中获取StoryMap主题信息的技术解析
2025-07-05 17:24:13作者:虞亚竹Luna
在ArcGIS平台中,StoryMap是一种流行的故事地图工具,它允许用户通过交互式地图、图像和文本讲述引人入胜的地理故事。StoryMap支持多种主题(Themes)来定制故事的外观和风格,包括内置主题和自定义主题。本文将详细介绍如何通过ArcGIS Python API获取StoryMap的主题信息。
StoryMap主题概述
StoryMap主题决定了故事地图的整体视觉风格,包括颜色方案、字体、布局等元素。主题可以是:
- 系统内置主题
- 用户自定义创建的主题
- 组织内共享的主题
了解组织内StoryMap主题的使用情况对于统一品牌形象、优化用户体验具有重要意义。
获取StoryMap主题的技术实现
在ArcGIS Python API中,虽然目前没有直接提供获取主题的属性或方法,但我们可以通过访问StoryMap的内部数据结构来提取主题信息。
基本实现方法
以下是获取StoryMap主题的核心代码实现:
def get_theme(story):
"""
获取StoryMap、Briefing或Collection使用的主题
返回主题名称或主题的item ID
"""
for node, node_info in story._properties["resources"].items():
for key, val in node_info.items():
if key == "type" and val == "story-theme":
return story._properties["resources"][node]["data"]["themeId"]
方法解析
- 该方法遍历StoryMap的所有资源节点
- 查找类型为"story-theme"的节点
- 从找到的主题节点中提取themeId字段
- 返回主题ID或名称
使用示例
from arcgis.apps.storymap import StoryMap
# 创建StoryMap对象
story = StoryMap("<your-storymap-item-id>")
# 获取主题信息
theme = get_theme(story)
print(f"当前StoryMap使用的主题是: {theme}")
关于StoryMap Collections的特殊处理
需要注意的是,StoryMap Collections(故事地图集)也支持主题设置,但在当前API版本中,直接通过StoryMap类访问Collections会返回404错误。对于Collections的主题信息,目前需要通过以下方式获取:
- 通过ArcGIS REST API直接获取Collection的JSON数据
- 从JSON数据中解析主题信息
未来API改进
根据ArcGIS Python API开发团队的反馈,以下改进即将到来:
- 2.3.0版本将增加对StoryMap Collections的支持
- 2.3.1版本计划为StoryMap、Collections和Briefings添加直接的主题属性
这些改进将使主题信息的获取更加简便和直观。
实际应用场景
获取StoryMap主题信息的主要应用包括:
- 组织主题使用统计:分析组织内各类主题的使用频率
- 品牌一致性检查:确保组织发布的StoryMap符合品牌规范
- 主题迁移工具:批量修改或更新StoryMap主题
- 最佳实践研究:分析最受欢迎的主题及其应用场景
总结
虽然当前ArcGIS Python API没有直接提供获取StoryMap主题的方法,但通过访问内部数据结构,我们仍然可以可靠地获取这些信息。随着API的不断更新,这一功能将变得更加便捷。对于需要统计和分析StoryMap主题使用的组织来说,掌握这一技术具有重要意义。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
213
226
暂无简介
Dart
659
150
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
656
293
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.17 K
644
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
489
React Native鸿蒙化仓库
JavaScript
251
320
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,提供Transformer定制化场景的高性能融合算子。
C++
79
104
openGauss kernel ~ openGauss is an open source relational database management system
C++
159
216
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1