哎呦，又到了每周一次的制图教室啦。经过前面两次制图教程的分享，相信大家对于白模填色和写实渲染这两种表达方式肯定有了较好的掌握。

那么今天我们就转战制图技巧篇，和童鞋们聊一下总平面图中的建筑名称标注问题。

对于总平面图，各位应该都知道，我们除了对于建筑，场地，道路等等图面元素的绘制之外，另外一个必不可少的过程就是对于周边已有建筑(场地)名称的标注(比如上图中黑色文字)。特别是对于城市中的设计，比如一些老旧城区的改造项目，因为周边已有的著名建筑较多，往往我们在总平面中需要进行很多名称标注。

而大部分童鞋对于名称标注的方法，应该都是图纸绘制好了之后，在PS或者AI这样的一些平面软件中进行逐一的绘制，这种方法本身没有什么问题，但是如果需要标注的建筑名称很多的话，这样无疑是一种比较低效的方法。

而目前在建筑行业，大家都在强调智能化和批量化，那么对于建筑名称标注这样一个简单的需求，我们能不能同样的通过一些手段实现智能化的高效操作了？这个就是我们今天制图技巧讲解的重点。

STEP 1

场地绘制

当然在进行标注之前我们首先要绘制场地，对于高效绘制场地的方法，相信各位制图教室的读者应该都非常清楚了，就是使用ELK这样一款GH插件，可以通过导入的OSM数据直接在Rhino中生成场地。

具体操作大家可以参考LAC往期的文章SITE ANALYSIS：从ELK到AI的工作流.

这里就不再赘述了。因为这次我们主要说的是后续的智能标注，所以我们就选择一个已有著名建筑最多的地方——帝都的故宫，在openstreetmap上选择北京，找到故宫，导出OSM数据。

在grasshopper中，使用file path 打开OSM文件，结合ELk的location和OSMData运算器，通过右键点击OSMData运算器选择不同的类型我们可以非常快的获取所需类型的位置点，使用polyline链接成线。

对于故宫这样一个场地的总平面，我们一般需要绘制的类型有building,highway和waterway。复制两份，设置不同的Feature Type就可以了。

到此为止，我们就完成了大家都非常熟悉的场地绘制了，下面我们就要进入第二环节，智能标注。

STEP 2

智能标注

对于标注，首先还是需要求助于我们的ELK运算器。因为这里面主要是建筑名称的标注，所以我们把道路和水系放在上面，重点关注我们的建筑。

那么这个时候大家需要仔细看下我们的OSMData运算器，除了用于生成点阵的W端，我们还有一个一直被忽略的K端，那么它是干什么的了？

通过链接Panel，我们可以发现K端包含的是每个建筑的建筑信息，并且在每个树状数据的第二项(Index为1)，就是我们需要的建筑名称。

那么我们直接使用List Item，提取每组数据中的第二项(Index为1)，就获得了如下图中的所有建筑的名称。

之后，按照大家的想法，我们只需要把建筑的名称在图纸上标注起来就可以了。使用Text Tag 3D运算器将文字标注在每个建筑中心处，通过S端我们可以改变文字的大小。

当然大家如果想对于文字位置进行调整的话，我们可以对中心坐标进行修正(比如减少X值使其居中)。

那么这样我们就智能的批量完成了文字的标注，但是我们的任务真的圆满完成了吗？答案是远远没有。

对于目前的文字标注，主要有三个问题：

1：重要建筑的确是成功的将名称标注上去了，但是对于附属建筑，标注的结果却非常奇怪，出现了类似于building yes之类的东西。并且大家绘制过总图应该知道，我们真正需要标注的是重要的已有建筑，对于一些无关紧要的建筑我们是不需要标注的，而目前模型中所有的建筑无论是否重要，都有相应的标注。

2：即使对于正确出现名字的重要建筑，显示上是name：名称这样的一种形式。相信大家在绘制总平面的时候应该没有人会在标注前面加一个‘’name：‘’吧。所以这里同样需要修正。

3：对于建筑图纸，我们是十分重视最终的图面效果的，文字标注同样如此，而目前我们的标注只能使用系统默认的字体，这与我们对于图纸外观的需求是不符合的，最好我们可以在Rhino中直接自定义标注字体。

所以对于目前的标注系统，我们还是需要进行后续的修正。

STEP 3

标注修正

针对上面提出的三个问题，我们一个个来看。首先第一个问题，附属建筑的标注问题。

首先我们需要明白为什么会有这种标注的问题，通过仔细观察链接的panel，我们发现原来是因为有些建筑并没有name信息，而在index为1的位置出现了其他的一些信息。这导致了如果我们直接使用list item提取第二项的话，会提取出来很多错误的信息。

那么知道原因之后，我们就要想办法对它进行修正了。最直观的处理方法应该是是如果第二项(Index为1)位置上不是name信息的话，我们就把他清除掉。那么如何进行这样一个判断和清除的操作了？

像这种对于数据直接的处理，虽然使用GH同样可以完成，但效率和便捷程度是远远弱于代码的，所以我们在这使用Python语言来完成这个操作。

打开GH Python，把输入的index=1的数据拍平。GH Python运算器的输入端设为list access.

之后双击GH Python，进入编码区域，我们先假设我们处理好的数据为a。将a设为一个空的列表[]。

之后我们先考虑一下如何判断。通过之前的观察我们知道正确名称的格式是“name:名称”，那么在这我们可以使用一个非常讨巧的方法，我们通过判断第一个字母是否为n进行筛选，是n的话保留，不是n的话删除(把一个空值赋予它)。

首先通过一个循环遍历所有元素。

如果每一项的第一个字母不是n的话，把这一项设为空值(等于删除)

把i值追加到a列表中(使用append方法)。

点击Test,使用panel链接输出的a端，我们可以看到所有不符合要求的数据都被清除了，通过短短几行的代码我们就实现了一个数据判断和修改的操作。

那下面我们来解决第二个问题，把那个烦人的'name:'的前缀删掉。这个操作通过Python同样非常简单。

我们再使用一个GH Python运算器，还是先用循环来遍历元素

转化为字符串后我们只保留从第六个开始的元素。把修改后的元素同样通过append方法加到a列表里面去。

当然对于这一步如果大家对于Python字符串没有任何了解的话可能会有一点的困惑，所以我们在这简单说一下Python字符串的事情。

比如我们在Python里面以我的名字洪宸创建一个字符串a,字符串里面每一个字母都对应着一个元素。(大家可以把这个字符串看做一个GH中的列表，里面每个字母是一个对应的物体，H是0项，o是1项，n是二项等等)

知道这个之后，对于name:名称这样一个字符串，我们只要从第6项开始截取就可以只获得后面的名称啦，所以在这里i=i[5:].

我们看一下修改后的结果。

链接到Text tag端。我们可以发现附属建筑不再具有标注，并且重要建筑的标注只有其名称。

最后我们解决最后一个问题，字体的问题。对于字体的自定义控制我们需要借助一个非常著名的GH插件叫做Human。在这里我们只需要使用到Human的两个运算器:Fonts和Text3d.

Fonts实际上是把电脑中所有的字体调入到GH中，我们可以通过list item运算器来选择自己的喜好的字体。

之后我们需要连接Text3d运算器，Human的Text3d实际上相当于一个GH原有的Text3d的加强版，多了很多可以自定义的输入端，比如字体的F端。所以连接方式也与原来的tag基本一致，我们只需要多连接一下控制字体的F端。

最后大家只要把这些生成的名称和其他Elk生成的建筑，道路，水网一起bake到Rhino相应的图层中，再倒入到AI中修改线宽就可以啦。不过倒入的时候小伙伴们需要注意下，直接使用AI格式导入的话，AI对于文字的识别会出现乱码，我们需要将Rhino物体导出为CAD文件，再导入进AI。

最后总结一下本次教程的重点：

1：Elk OSM Data运算器的 K端为建筑信息，包含主要建筑物的名称。

2：使用GH Python对于建筑名称信息进行筛选和修正

3：使用Human插件，自定义字体，生成标注

3：将bake好的Rhino物体以CAD格式导入AI进行后续的调整。