-
Notifications
You must be signed in to change notification settings - Fork 1
/
k1_xml.py
executable file
·586 lines (465 loc) · 24.4 KB
/
k1_xml.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Sat Mar 5 12:40:26 2022
@author: anton
Purpose: Verwerk BAG XML bestanden naar parquet of CSV met multiprocessing
version 1.3
Notes
------
Een verblijfsobject kan een polygon zijn (lijkt op pand, maar is het niet)
---------------
###### Typical XML layout ##########################################
<Objecten:Verblijfsobject>
<Objecten:heeftAlsHoofdadres>
<Objecten-ref:NummeraanduidingRef domein="NL.IMBAG.Nummeraanduiding">0501200002014848</Objectenref:NummeraanduidingRef>
</Objecten:heeftAlsHoofdadres>
<Objecten:voorkomen>
<Historie:Voorkomen>
<Historie:voorkomenidentificatie>1</Historie:voorkomenidentificatie>
<Historie:beginGeldigheid>2015-11-06</Historie:beginGeldigheid>
<Historie:eindGeldigheid>2017-07-05</Historie:eindGeldigheid>
<Historie:tijdstipRegistratie>2015-11-06T16:02:17.000</Historie:tijdstipRegistratie>
<Historie:eindRegistratie>2017-07-05T08:58:28.000</Historie:eindRegistratie>
<Historie:BeschikbaarLV>
<Historie:tijdstipRegistratieLV>2015-11-06T16:30:03.891</Historie:tijdstipRegistratieLV>
<Historie:tijdstipEindRegistratieLV>2017-07-05T09:01:12.799</Historie:tijdstipEindRegistratieLV>
</Historie:BeschikbaarLV>
</Historie:Voorkomen>
</Objecten:voorkomen>
<Objecten:identificatie domein="NL.IMBAG.Verblijfsobject">0501010002007128</Objecten:identificatie>
<Objecten:geometrie>
<Objecten:punt>
<gml:Point srsName="urn:ogc:def:crs:EPSG::28992" srsDimension="3">
<gml:pos>69920.523 435585.372 0.0</gml:pos>
</gml:Point>
</Objecten:punt>
</Objecten:geometrie>
<Objecten:gebruiksdoel>woonfunctie</Objecten:gebruiksdoel>
<Objecten:oppervlakte>72</Objecten:oppervlakte>
<Objecten:status>Verblijfsobject gevormd</Objecten:status>
<Objecten:geconstateerd>N</Objecten:geconstateerd>
<Objecten:documentdatum>2015-11-06</Objecten:documentdatum>
<Objecten:documentnummer>BRI-CONS-259</Objecten:documentnummer>
<Objecten:maaktDeelUitVan>
<Objecten-ref:PandRef domein="NL.IMBAG.Pand">0501100001999616</Objecten-ref:PandRef>
</Objecten:maaktDeelUitVan>
</Objecten:Verblijfsobject>
######### Properties of input XML that are used in this code #########
##### general part for vbo,sta,lig,pand,num,opr,wpl
Objecten:voorkomen
Historie:Voorkomen
Historie:voorkomenidentificatie
Historie:beginGeldigheid
Historie:eindGeldigheid [optional]
Objecten:identificatie
Objecten:status
##### vbo specific
Objecten:gebruiksdoel
Objecten:oppervlakte
Objecten:maaktDeelUitVan
Objecten-ref:PandRef [1:n]
##### pnd specific
Objecten:oorspronkelijkBouwjaar
##### num specific
Objecten:huisnummer
Objecten:postcode
Objecten:typeAdresseerbaarObject
Objecten:ligtAan
Objecten-ref:OpenbareRuimteRef [1:n]
##### opr specific
Objecten:naam
Objecten:type
Objecten:ligtIn
Objecten-ref:WoonplaatsRef [1:n]
# #### vsl specific
Objecten:heeftAlsHoofdadres
Objecten-ref:NummeraanduidingRef [1:n]
"""
# --------------------------------------------------------------------------
# ################ Import libraries ###############################
# --------------------------------------------------------------------------
import xml.etree.ElementTree as ET
# import lxml.etree as ET
import os
# from os.path import exists
import sys
import pandas as pd
import time
import logging
import baglib # general functions user defined
from config import KOPPELVLAK0, KOPPELVLAK1, KOPPELVLAK2, NS, SHORT,\
STATUS_DICT, FUTURE_DATE, GEBRUIKSDOEL_DICT, COLS_DICT,\
BAG_OBJECTEN, LOGFILE, BATCH_SIZE, FILE_EXT, BAG_OBJECTEN
from k0_unzip import k0_unzip
# from k2_fixvk import k2_fixvk
# --------------------------------------------------------------------------
# ############### Define functions #################################
# --------------------------------------------------------------------------
# The main function:
def k1_xml(bagobject, maand, logit):
'''Zet om:
de xml bestanden van bagobject van kadaster in koppelvlak k1 van
extractmaand maand
naar:
parquet (of csv, zie FILE_EXT) formaat in koppelvlak k2'''
tic = time.perf_counter()
logit.info(f'start functie k1_xml met {bagobject} en {maand}')
# input
dir_k1_maand_bagobject = os.path.join(KOPPELVLAK1, maand, bagobject)
# if not os.path.exists(dir_k1_maand_bagobject):
baglib.make_dirs(dir_k1_maand_bagobject, logit)
xml_files = os.listdir(dir_k1_maand_bagobject)
if len(xml_files) == 0:
logit.info(f'geen xml bestanden in {dir_k1_maand_bagobject}. Probeer ze te unzippen')
k0_unzip(bagobject, maand, logit)
xml_files = os.listdir(dir_k1_maand_bagobject)
# logit.debug(f'zoek XML bestanden in {dir_k1_maand_bagobject}')
# output
dir_k2_maand = os.path.join(KOPPELVLAK2, maand)
file_k2_maand_bagobject = os.path.join(dir_k2_maand, bagobject)
file_k2_maand_bagobject_ext = file_k2_maand_bagobject + '.' + FILE_EXT
baglib.make_dirs(dir_k2_maand, logit) # only make it if it doesn't exist yet
# remove if outputfile is already present
if os.path.isfile(file_k2_maand_bagobject_ext):
logit.debug(f'removing {file_k2_maand_bagobject_ext}')
os.remove(file_k2_maand_bagobject_ext)
# de wplgem koppeling is niet van het kadaster zelf en heeft een afwijkend
# formaat. We nemen het soms mee als bagobject en soms niet.
if bagobject == 'wplgem':
k1_xmlgem(bagobject, inputdir=dir_k1_maand_bagobject, xml_files=xml_files,
outputfile=file_k2_maand_bagobject, logit=logit)
else:
k1_xmlbag(bagobject, inputdir=dir_k1_maand_bagobject, xml_files=xml_files,
outputfile=file_k2_maand_bagobject, logit=logit)
toc = time.perf_counter()
logit.info(f'einde k1_xml {bagobject}, {maand} in {(toc - tic)/60} min')
# def k1_xmlbag(bagobject, inputdir, outputfile, logit):
def k1_xmlbag(bagobject, inputdir, xml_files, outputfile, logit):
'''Zet xml bestanden van alle bagobjecten (exclusief wplgem) om van
KV1 naar KV2.'''
# tellertjes
input_bagobject_count = 0
output_bagobject_count = 0
file_count = 0
batch_count = 0
report_count = 0
dubbel_gebruiksdoel_count = 0
vsl = {'vbo', 'sta', 'lig'}
# xml_files = os.listdir(inputdir)
outp_lst_d = [] # list of dict containing output records
file_k2_maand_bagobject = outputfile
file_k2_maand_bagobject_ext = file_k2_maand_bagobject + '.' + FILE_EXT
logit.debug(f'k1_xmlbag: aantal input xml bestanden van {bagobject}: {len(xml_files)}')
for xml_file in xml_files:
bagtree = ET.parse(os.path.join(inputdir, xml_file))
root = bagtree.getroot()
tag = '{' + NS['Objecten'] + '}' + SHORT[bagobject]
input_bagobject_filecount = 0
output_bagobject_filecount = 0
file_count += 1
batch_count += 1
report_count += 1
# ######### Loop over bagobjects in one bag file #####
for level0 in root.iter(tag): # level0 is the bagobject-tree
input_bagobject_filecount += 1
id1 = baglib.assigniffound(level0, ['Objecten:identificatie'], NS)
status = STATUS_DICT[
baglib.assigniffound(level0, ['Objecten:status'], NS)]
vkid = baglib.assigniffound(level0, ['Objecten:voorkomen',
'Historie:Voorkomen',
'Historie:voorkomenidentificatie'],
NS)
date_str = baglib.assigniffound(level0, ['Objecten:voorkomen',
'Historie:Voorkomen',
'Historie:beginGeldigheid'],
NS)
vkbg = baglib.date2int(date_str)
date_str = baglib.assigniffound(level0, ['Objecten:voorkomen',
'Historie:Voorkomen',
'Historie:eindGeldigheid'],
NS,
str(FUTURE_DATE))
vkeg = baglib.date2int(date_str)
output_record = {bagobject + 'id': id1,
bagobject + 'status': status,
bagobject + 'vkid': vkid,
bagobject + 'vkbg': vkbg,
bagobject + 'vkeg': vkeg}
# ######### vsl: VBO, Staplaats, Ligplaats ###########
if bagobject in vsl:
output_record['numid'] = \
baglib.assigniffound(level0,
['Objecten:heeftAlsHoofdadres',
'Objecten-ref:NummeraanduidingRef'],
NS)
# specific for sta, lig
if bagobject in {'sta', 'lig'}:
gml_string = baglib.assigniffound(level0, ['Objecten:geometrie',
'gml:Polygon',
'gml:exterior',
'gml:LinearRing',
'gml:posList'],
NS)
if gml_string is not None:
xyz = gml_string.split()
(output_record[bagobject + 'gmlx'],
output_record[bagobject + 'gmly']) = middelpunt(xyz)
output_record['docnr'] = \
baglib.assigniffound(level0, ['Objecten:documentnummer'],
NS)
output_record['docdd'] = baglib.date2int(\
baglib.assigniffound(level0, ['Objecten:documentdatum'],
NS))
outp_lst_d.append(output_record.copy())
output_bagobject_filecount += 1
# specific for VBO
if bagobject == 'vbo':
gml_string = baglib.assigniffound(level0, ['Objecten:geometrie',
'Objecten:punt',
'gml:Point',
'gml:pos'],
NS)
if gml_string is not None:
xyz = gml_string.split()
output_record[bagobject + 'gmlx'] = float(xyz[0])
output_record[bagobject + 'gmly'] = float(xyz[1])
else: # BUGFIX: ook een VBO kan een Polygon zijn
gml_string = baglib.assigniffound(level0, ['Objecten:geometrie',
'Objecten:vlak',
'gml:Polygon',
'gml:exterior',
'gml:LinearRing',
'gml:posList'],
NS)
if gml_string is not None:
xyz = gml_string.split()
(output_record[bagobject + 'gmlx'],
output_record[bagobject + 'gmly']) = middelpunt(xyz)
gebruiksdoelen = level0.findall('Objecten:gebruiksdoel', NS)
if len(gebruiksdoelen) > 1:
dubbel_gebruiksdoel_count += 1
for gebruiksdoel in gebruiksdoelen:
# baglib.aprint(ll+40, 'DEBUG: gebruiksdoelen', gebruiksdoelen)
try:
output_record[GEBRUIKSDOEL_DICT[gebruiksdoel.text]] = True
except KeyError:
print('gebruiksdoel', gebruiksdoel.text, 'niet gevonden')
output_record['oppervlakte'] = \
baglib.assigniffound(level0,
['Objecten:oppervlakte'],
NS)
level1 = level0.find('Objecten:maaktDeelUitVan', NS)
if level1 is not None:
level2 = level1.findall('Objecten-ref:PandRef', NS)
if level2 is not None:
for j in level2:
output_record['pndid'] = j.text
outp_lst_d.append(output_record.copy())
output_bagobject_filecount += 1
else:
outp_lst_d.append(output_record.copy())
output_bagobject_filecount += 1
else:
outp_lst_d.append(output_record.copy())
output_bagobject_filecount += 1
# ######### pnd: Pand #######
if bagobject == 'pnd':
output_record['bouwjaar'] = \
baglib.assigniffound(level0, ['Objecten:oorspronkelijkBouwjaar'],
NS)
output_record['docnr'] = \
baglib.assigniffound(level0, ['Objecten:documentnummer'],
NS)
output_record['docdd'] = baglib.date2int(\
baglib.assigniffound(level0, ['Objecten:documentdatum'],
NS))
gml_string = baglib.assigniffound(level0, ['Objecten:geometrie',
'gml:Polygon',
'gml:exterior',
'gml:LinearRing',
'gml:posList'],
NS)
if gml_string is not None:
xyz = gml_string.split()
(output_record[bagobject + 'gmlx'],
output_record[bagobject + 'gmly']) = middelpunt(xyz)
outp_lst_d.append(output_record.copy())
output_bagobject_filecount += 1
# ######### num: Nummeraanduiding #######
if bagobject == 'num':
output_record['huisnr'] = \
baglib.assigniffound(level0, ['Objecten:huisnummer'], NS)
output_record['postcode'] = \
baglib.assigniffound(level0, ['Objecten:postcode'], NS)
output_record['typeao'] = \
baglib.assigniffound(level0, ['Objecten:typeAdresseerbaarObject'],
NS)
level1 = level0.find('Objecten:ligtAan', NS)
if level1 is not None:
level2 = level1.findall('Objecten-ref:OpenbareRuimteRef',
NS)
if level2 is not None:
for j in level2:
output_record['oprid'] = j.text
outp_lst_d.append(output_record.copy())
output_bagobject_filecount += 1
else:
outp_lst_d.append(output_record.copy())
output_bagobject_filecount += 1
else:
outp_lst_d.append(output_record.copy())
output_bagobject_filecount += 1
# #################################################################
# ######### opr: Openbare Ruimte - #######
# #################################################################
if bagobject == 'opr':
output_record['oprnaam'] = \
baglib.assigniffound(level0, ['Objecten:naam'], NS)
output_record['oprtype'] = \
baglib.assigniffound(level0, ['Objecten:type'], NS)
level1 = level0.find('Objecten:ligtIn', NS)
if level1 is not None:
for j in level1:
output_record['wplid'] = j.text
outp_lst_d.append(output_record.copy())
output_bagobject_filecount += 1
else:
outp_lst_d.append(output_record.copy())
output_bagobject_filecount += 1
# #################################################################
# ######### wpl: Woonplaats - #######
# #################################################################
if bagobject == 'wpl':
output_record['wplnaam'] = \
baglib.assigniffound(level0, ['Objecten:naam'], NS)
outp_lst_d.append(output_record.copy())
output_bagobject_filecount += 1
input_bagobject_count += input_bagobject_filecount
output_bagobject_count += output_bagobject_filecount
if batch_count == BATCH_SIZE:
logit.debug(f'tussendoor bewaren: {file_count} van {len(xml_files)}')
bob_df = pd.DataFrame.from_dict(outp_lst_d)
bob_df = bob_df.reindex(columns=COLS_DICT[bagobject])
append = os.path.exists(file_k2_maand_bagobject_ext)
baglib.save_df2file(df=bob_df[COLS_DICT[bagobject]],
outputfile=file_k2_maand_bagobject,
file_ext='parquet', includeindex=False,
append=append, logit=logit)
# dict2df2file(output_dict=outp_lst_d, outputfile=outputfile,
# cols=cols_dict[bagobject], file_ext=file_ext,
# loglevel=ll)
batch_count = 0
outp_lst_d = []
if outp_lst_d != []:
bob_df = pd.DataFrame.from_dict(outp_lst_d)
bob_df = bob_df.reindex(columns=COLS_DICT[bagobject])
append = os.path.exists(file_k2_maand_bagobject_ext)
baglib.save_df2file(df=bob_df[COLS_DICT[bagobject]],
outputfile=file_k2_maand_bagobject,
file_ext=FILE_EXT, includeindex=False,
append=append, logit=logit)
logit.debug(f'outputfile: {bagobject}.{FILE_EXT}; records in: {input_bagobject_count};\
records aangemaakt: {output_bagobject_count} {bagobject}')
if bagobject == 'vbo':
if output_bagobject_count != 0:
logit.debug(f'gedeelte vbo met dubbel gebruiksdoel: {dubbel_gebruiksdoel_count / output_bagobject_count}')
'''
baglib.aprint(ll+40, '\n*** bag_xml: hernoem bestand wpl naar wpl_naam\n')
wpl_naam = os.path.join(KOPPELVLAK2, maand, 'wpl_naam.parquet')
if os.path.exists(wpl_naam):
os.remove(wpl_naam)
os.rename(os.path.join(KOPPELVLAK2, maand, 'wpl.parquet'),
os.path.join(KOPPELVLAK2, maand, 'wpl_naam.parquet'))
'''
def k1_xmlgem(bagobject, inputdir, xml_files, outputfile, logit):
'''Zet het xml bestand voor de woonplaats-gemeente koppeling (dat in koppelvlak k1 staat)
om in een parquet/csv bestand dat in koppelvlak k2 wordt gezet met de naam wplgem.parquet.
Input: xml bestanden in wplgem
Output: wplgem.parquet
'''
# namespace stuff we have to deal with
ns = {'gwr-bestand': "www.kadaster.nl/schemas/lvbag/gem-wpl-rel/gwr-deelbestand-lvc/v20200601",
'selecties-extract': "http://www.kadaster.nl/schemas/lvbag/extract-selecties/v20200601",
'bagtypes': "www.kadaster.nl/schemas/lvbag/gem-wpl-rel/bag-types/v20200601",
'gwr-product': "www.kadaster.nl/schemas/lvbag/gem-wpl-rel/gwr-producten-lvc/v20200601",
'DatatypenNEN3610': "www.kadaster.nl/schemas/lvbag/imbag/datatypennen3610/v20200601"}
# ######### works only for wplgem ###########
# xml_files = os.listdir(inputdir)
logit.debug(f'gemeente-woonplaats map bevat {len(xml_files)} bestand')
output_dict = [] # list of dict containing output records
input_bagobject_count = 0
output_bagobject_count = 0
file_count = 0
# ######### Loop over files in a directory with same bag objects #####
for inputfile in xml_files:
bagtree = ET.parse(os.path.join(inputdir, inputfile))
root = bagtree.getroot()
tag = '{' + ns['gwr-product'] + '}' + 'GemeenteWoonplaatsRelatie'
input_bagobject_filecount = 0
output_bagobject_filecount = 0
file_count += 1
logit.debug(f'inputfile: {inputfile}')
# ######### Loop over bagobjects in one bag file #####
for level0 in root.iter(tag): # level0 is the bagobject-tree
input_bagobject_filecount += 1
wpl = baglib.assigniffound(level0, ['gwr-product:gerelateerdeWoonplaats',
'gwr-product:identificatie'], ns)
gem = baglib.assigniffound(level0, ['gwr-product:gerelateerdeGemeente',
'gwr-product:identificatie'], ns)
status = STATUS_DICT[
baglib.assigniffound(level0, ['gwr-product:status'], ns)]
date_str = baglib.assigniffound(level0,
['gwr-product:tijdvakgeldigheid',
'bagtypes:begindatumTijdvakGeldigheid'],
ns)
vkbg = baglib.date2int(date_str)
date_str = baglib.assigniffound(level0, ['gwr-product:tijdvakgeldigheid',
'bagtypes:einddatumTijdvakGeldigheid'],
ns, str(FUTURE_DATE))
vkeg = baglib.date2int(date_str)
output_record = {'wplid': wpl,
'gemid': gem,
'wplstatus': status,
'wplvkbg': vkbg,
'wplvkeg': vkeg}
output_dict.append(output_record.copy())
output_bagobject_filecount += 1
input_bagobject_count += input_bagobject_filecount
output_bagobject_count += output_bagobject_filecount
df = pd.DataFrame.from_dict(output_dict)
df.index.name = 'idx'
logit.debug('voeg wplvkid toe')
logit.debug('deze actie hoort thuis tussen koppelvlak 2 en 3, maar wordt hier uitgevoerd zodat ook dit bestand een vkid heeft, net als alle andere.')
# df = df.sort_values(['wplid', 'wplvkbg'])
df = baglib.make_counter(df=df, dfid='wplid', dfvkbg='wplvkbg',
old_counter='',
new_counter='wplvkid', logit=logit)
logit.debug(f'outputfile: wplgem.parquet; records in: {input_bagobject_count}; records aangemaakt: {output_bagobject_count}')
baglib.save_df2file(df=df, outputfile=outputfile, file_ext=FILE_EXT,
append=False, includeindex=False, logit=logit)
def middelpunt(float_lst):
'''Return tuple that is the middle of a polygon float_lst. float_list
contains a list coordinates [x1, y1, z1, x2, y2, z2, ...xn, yn, zn]'''
# baglib.aprint(ll+40, 'DEBUG1: entering middelpunt')
_x = [float(i) for i in float_lst[0::3]]
_y = [float(j) for j in float_lst[1::3]]
# baglib.aprint(ll+40, 'DEBUG2: _x _y: ', _x, _y)
return (sum(_x)/len(_x), sum(_y)/len(_y))
# --------------------------------------------------------------------------
# --------------------------------------------------------------------------
# ################ Main program ###########################
# --------------------------------------------------------------------------
if __name__ == '__main__':
logging.basicConfig(
level=logging.DEBUG,
format="%(asctime)s [%(levelname)s] %(message)s",
handlers=[
logging.FileHandler(LOGFILE),
logging.StreamHandler()])
logit = logging.getLogger()
logit.debug('Start k1_xml lokaal')
maand_lst = baglib.get_args(sys.argv, KOPPELVLAK0)
for maand in maand_lst:
for bagobject in BAG_OBJECTEN + ['wplgem']:
k1_xml(bagobject, maand, logit)