ArcGIS Python API 中获取StoryMap主题信息的技术解析
2025-07-05 09:15:48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
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
热门内容推荐
最新内容推荐
Degrees of Lewdity中文汉化终极指南:零基础玩家必看的完整教程Unity游戏翻译神器:XUnity Auto Translator 完整使用指南PythonWin7终极指南:在Windows 7上轻松安装Python 3.9+终极macOS键盘定制指南:用Karabiner-Elements提升10倍效率Pandas数据分析实战指南:从零基础到数据处理高手 Qwen3-235B-FP8震撼升级:256K上下文+22B激活参数7步搞定机械键盘PCB设计:从零开始打造你的专属键盘终极WeMod专业版解锁指南:3步免费获取完整高级功能DeepSeek-R1-Distill-Qwen-32B技术揭秘:小模型如何实现大模型性能突破音频修复终极指南:让每一段受损声音重获新生
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
535
3.75 K
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
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
67
20
暂无简介
Dart
773
191
Ascend Extension for PyTorch
Python
343
406
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++
886
596
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
React Native鸿蒙化仓库
JavaScript
303
355
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
336
178