PowerBI提取IFC数据

NSDT工具推荐： Three.js AI纹理开发包 - YOLO合成数据生成器 - GLTF/GLB在线编辑 - 3D模型格式在线转换 - 可编程3D场景编辑器 - REVIT导出3D模型插件 - 3D模型语义搜索引擎 - AI模型在线查看 - Three.js虚拟轴心开发包 - 3D模型在线减面 - STL模型在线切割 - 3D道路快速建模

在这篇文章中，我将逐步介绍从IFC文件中提取数据以创建 Shift IFC4PowerBI 函数的步骤。通过了解此工作流程，你能够更轻松地将 IFC 数据合并到自己的流程中。

在本文中，我们将重点关注文件中的元数据，但你也可以应用相同的逻辑来提取几何图形。当然你也可以利用NSDT 3DConvert这个强大的在线工具预览IFC几何模型（企业版可查看IFC属性数据并提供API）或者将IFC文件转换为GLTF、OBJ、STL等其他3D格式，而无需安装任何本地文件：

1、文件格式

关于 IFC 文件，首先要了解的是它们是文本文件，非常长且复杂的文本文件，但仍然是文本文件。从数据的角度来看，这非常好，因为你通常会在建筑业遇到几种类型的本机文件：

基于文本的文件，例如 IFC 和 P6 XML
数据库文件，例如 Asta Powerproject 文件
二进制文件，例如 Revit 或 DWG

可以使用标准工具读取文本和数据库文件，并将其引入 PowerBI 等工具或合并到数据工作流程中，而二进制文件通常只能由其源工具或其他经过认证的工具进行解释。这使得基于文本的文件格式成为长期存储的绝佳解决方案，因为我们不依赖特定的软件来稍后查询数据。 Microsoft 的免费 VSCode 是我打开文本文件的首选工具，但你始终可以使用记事本、notepadd++ 或任何其他工具。下面可以看到Github 上的一个 IFC 文件部分的屏幕截图：

IFC 文件以 EXPRESS 结构编写，该结构涉及一大堆使用行号相互引用的行。有一些与该文件相关的序言，但数据的主要内容是 DATA;行之后的所有内容。

2、处理 IFC

第一步是使用以下 PowerQuery 将数据从简单行转换为 PowerBI 中的智能表：

let
Source = Table.FromColumns({Lines.FromBinary(#"IFC Binary", null, null, 1252)}),
      // Split by Equal Sign
      SplitByEquals = Table.SplitColumn(
        Source, 
        "Column1", 
        Splitter.SplitTextByEachDelimiter({"="}, QuoteStyle.Csv, false), 
        {"Element ID", "Values"}
      ), 
      // Replace Single Quotes
      ReplaceSingleQuotes = Table.ReplaceValue(
        SplitByEquals, 
        "'", 
        """", 
        Replacer.ReplaceText, 
        {"Values"}
      ), 
      // Trim Text
      TrimValues = Table.TransformColumns(
        ReplaceSingleQuotes, 
        {{"Values", Text.Trim, type text}, {"Element ID", Text.Trim, type text}}
      ), 
      // Filter Non-null Rows
      FilterNonNullValues = Table.SelectRows(TrimValues, each ([Values] <> null)), 
      // Split by Open Parenthesis
      SplitByOpenParenthesis = Table.SplitColumn(
        FilterNonNullValues, 
        "Values", 
        Splitter.SplitTextByEachDelimiter({"("}, QuoteStyle.None, false), 
        {"Category", "Values"}
      ), 
      // Extract Data Before Close Parenthesis
      ExtractBeforeCloseParenthesis = Table.TransformColumns(
        SplitByOpenParenthesis, 
        {{"Values", each Text.BeforeDelimiter(_, ")", {0, RelativePosition.FromEnd}), type text}}
      )

采取的基本步骤是：

加载 IFC 文件
使用 =符号作为分隔符分割每一行。在此步骤中，包含 QuoteStyle.csv参数非常重要，以确保忽略行实际值中包含的任何 =。这为我们提供了一列包含行号的列和一列包含该行内容的列。
将单引号替换为双引号，因为 PowerBI 理解引号的方式有点奇怪，这有助于我们稍后拆分数据。
修剪值可以帮助我们删除前导或尾随空格，以保持一切整洁。
过滤掉空值以可靠地删除与行数据无关的任何内容，你可以选择单独处理此标题数据。
从值字段中删除前括号和尾括号。

现在我们有一个可爱的干净数据集，显示行号、数据类别和该类别中的数据值。

由于我们希望以最有效的方式处理该文件，因此我们将稍微改变一下数据。

由于 IFC 数据使用一对多方法，这意味着相同的参数可以应用于多个父项，因此从参数开始并返回到几何元素更有意义，而不是循环遍历每个元素并多次重新处理相同的参数。

// Filtering & Transformation for IFCPROPERTYSINGLEVALUE
      FilterSingleValue = Table.SelectRows(
        ExtractBeforeCloseParenthesis, 
        each ([Category] = "IFCPROPERTYSINGLEVALUE")
      ), 
      SplitSingleValueDetails = Table.SplitColumn(
        FilterSingleValue, 
        "Values", 
        Splitter.SplitTextByDelimiter(",", QuoteStyle.Csv), 
        {"Property Name", "Property Description", "Property Value", "Property Unit"}
      ), 
      ExtractSingleValue = Table.TransformColumns(
        SplitSingleValueDetails, 
        {{"Property Value", each Text.BetweenDelimiters(_, "(", ")"), type text}}
      ),

因此，我们将首先过滤所有 IFCPROPERTYSINGLEVALUE 行，然后从那里开始：

用逗号分割值（记住之前的 QuoteStyle.csv）以获取属性名称、说明、值和度量单位。
从“属性值”列中提取值，目前我们不担心值类型，但我们可能会在将来的版本中返回并检索它以帮助自动计算。

这给我们留下了一组很好的属性：

PowerBI 的有趣之处在于，我们现在可以一路回到第一步并从那里继续，将该表保留在内存中并稍后调用。因此，接下来我们对 IFCPROPERTYSET 值执行相同的操作，最后合并到 IFCPROPERTYSINGLEVALUE 表中：

// Filtering & Transformation for IFCPROPERTYSET
      FilterPropertySet = Table.SelectRows(
        ExtractBeforeCloseParenthesis, 
        each [Category] = "IFCPROPERTYSET"
      ), 
      ExtractPropertyID = Table.AddColumn(
        FilterPropertySet, 
        "Property ID", 
        each Text.BetweenDelimiters([Values], "(", ")"), 
        type text
      ), 
      ExtractPsetName = Table.TransformColumns(
        ExtractPropertyID, 
        {{"Values", each Text.BetweenDelimiters(_, ",", ",", 1, 0), type text}}
      ), 
      RemoveQuotes = Table.ReplaceValue(ExtractPsetName, """", "", Replacer.ReplaceText, {"Values"}), 
      ExpandPropertyID = Table.ExpandListColumn(
        Table.TransformColumns(
          RemoveQuotes, 
          {
            {
              "Property ID", 
              Splitter.SplitTextByDelimiter(",", QuoteStyle.Csv), 
              let
                itemType = (type nullable text) meta [Serialized.Text = true]
              in
                type {itemType}
            }
          }
        ), 
        "Property ID"
      ), 
      RenamePsetColumns = Table.RenameColumns(ExpandPropertyID, {{"Values", "Pset Name"}}), 
      JoinSingleValueAndPset = Table.NestedJoin(
        RenamePsetColumns, 
        {"Property ID"}, 
        ExtractSingleValue, 
        {"Element ID"}, 
        "Properties", 
        JoinKind.LeftOuter
      ), 
      ExpandProperties = Table.ExpandTableColumn(
        JoinSingleValueAndPset, 
        "Properties", 
        {"Property Name", "Property Value"}, 
        {"Property Name", "Property Value"}
      ),

然后我们再做两次同样的事情，一直回到 IFCBUILDINGELEMENT和他们所有的子节点。

      // Filtering & Transformation for IFCRELDEFINESBYPROPERTIES
      FilterRelDefines = Table.SelectRows(
        ExtractBeforeCloseParenthesis, 
        each [Category] = "IFCRELDEFINESBYPROPERTIES"
      ), 
      ExtractObjectID = Table.AddColumn(
        FilterRelDefines, 
        "Object ID", 
        each Text.BetweenDelimiters([Values], "(", ")", {0, RelativePosition.FromEnd}, 0), 
        type text
      ), 
      ExtractPsetID = Table.TransformColumns(
        ExtractObjectID, 
        {{"Values", each Text.AfterDelimiter(_, ",", {0, RelativePosition.FromEnd}), type text}}
      ), 
      RenameForRelDefines = Table.RenameColumns(ExtractPsetID, {{"Values", "Pset ID"}}), 
      ExpandObjectID = Table.ExpandListColumn(
        Table.TransformColumns(
          RenameForRelDefines, 
          {
            {
              "Object ID", 
              Splitter.SplitTextByDelimiter(",", QuoteStyle.Csv), 
              let
                itemType = (type nullable text) meta [Serialized.Text = true]
              in
                type {itemType}
            }
          }
        ), 
        "Object ID"
      ), 
      JoinRelDefinesAndPset = Table.NestedJoin(
        ExpandObjectID, 
        {"Pset ID"}, 
        ExpandProperties, 
        {"Element ID"}, 
        "Property Sets", 
        JoinKind.LeftOuter
      ), 
      ExpandPropertySets = Table.ExpandTableColumn(
        JoinRelDefinesAndPset, 
        "Property Sets", 
        {"Pset Name", "Property Name", "Property Value"}, 
        {"Pset Name", "Property Name", "Property Value"}
      ), 
      // Final Join and Expansion
      JoinMain = Table.NestedJoin(
        ExpandPropertySets, 
        {"Object ID"}, 
        ExtractBeforeCloseParenthesis, 
        {"Element ID"}, 
        "Model", 
        JoinKind.LeftOuter
      ), 
      ExpandModel = Table.ExpandTableColumn(
        JoinMain, 
        "Model", 
        {"Category", "Values"}, 
        {"Ifc Type", "Values"}
      ), 
      FinalSplit = Table.SplitColumn(
        ExpandModel, 
        "Values", 
        Splitter.SplitTextByDelimiter(",", QuoteStyle.Csv), 
        {"GUID"}
      )
    in
      FinalSplit

剩下的最终表是每个属性引用其所有父项，一直到 IFC 元素的 IFCGUID。

此时，你可能想知道为什么我们有一个很长的属性列表，而不是每个项目单独一行，并在列中包含各种参数。有几个原因：

它可能会导致无限数量的列，具体取决于 IFC 文件
不能再将属性集合并到数据集中
过滤和利用仪表板内的数据要容易得多

发布项目涉及的最后一件事是使用 PowerBI 中的 let指令将其转换为函数：

let
    Source = (#"IFC File" as any) => let

      // REST OF THE CODE GOES HERE
    in
      FinalSplit
in
    Source

原文链接：How to extract data from IFC files (in PowerBI)

BimAnt翻译整理，转载请标明出处

PowerBI提取IFC数据

1、文件格式

2、处理 IFC

admin

TOP7 钢结构BIM应用

7个影响AEC行业的AI工具

1、文件格式

2、处理 IFC

TOP7 钢结构BIM应用

7个影响AEC行业的AI工具

You might also like...

You might also like...