当前位置:首页 > 文章列表 > 文章 > 软件教程 > QGIS怎样只导出选中的矢量要素

QGIS怎样只导出选中的矢量要素

来源:17golang原创 2026-10-13 21:52:55 0浏览 收藏

只导出选中的矢量要素,可以在源图层上右键,进入 Export → Save Selected Features As…,并在保存窗口确认 Save only selected features 已勾选。完成后,核对新图层的全部要素数量及业务编号,而不是只看文件是否生成。

QGIS 官方入口:https://www.qgis.org/。本文依据 QGIS 3.44 官方手册说明,保留英文控件名称便于对照;其他版本或中文界面的措辞可能不同。以下“园区地块”、12条源记录、3条选择及编号均为虚构教学示例,配图为原创操作说明图,不是实际运行截图。

1. 先确认活动图层,再确认真实选择

在 Layers 面板单击目标矢量图层,使它成为活动图层。图层前面的可见性勾选只是控制是否显示;选择工具作用于当前活动图层,因此不能只勾选显示就开始框选。

如果担心旧选择残留,先使用 Edit → Select 中清除当前活动图层选择的命令,再用 Select Features by area or single click 工具点击或框选需要的要素。需要逐条精确选择时,也可以在属性表中操作记录。

右键源图层打开属性表,查看选中数量。教学示例中,源图层共有12条,选中3条,业务字段 plot_id 的值为 P-02、P-05、P-09。实际操作应记录自己的选择数量和可识别业务编号;如果选中数量为0,先完成选择再继续。

原创教学说明图:活动园区地块图层与三条选中记录

属性表底部的 Show Selected Features 是只显示已经选中的记录;Show Features visible on map 是按地图可见范围过滤表格。它们都不能代替建立选择。“表格现在只看见3行”并不自动等于“选择了3个要素”。本步通过条件是选中数量明确大于0,并已记下目标编号。

2. 在导出窗口限制选择,保存到新文件

回到 Layers 面板,右键刚才的源图层,选择 Export → Save Selected Features As…。如果使用 Export → Save Features As… 入口,也必须检查 Save only selected features,不能仅凭菜单入口推断最终输出范围。

先选一个未使用的文件名,例如 plots_subset.gpkg,图层名填 plots_subset。GeoPackage 是可以容纳图层的文件,文件名和内部图层名是两个字段。本文使用新文件,避免误选覆盖整个容器或覆盖既有图层;出现覆盖提示时,可以取消并换用新路径。

控件本次设置目的
FormatGeoPackage保存独立的矢量数据文件
Save only selected features勾选将选择集作为输出范围
CRS保留源图层坐标参考系统本例不额外改变坐标系
Extent不增加额外范围限制避免选择集再次被范围截取
GeometryAutomatic保持原有几何类型
Add saved file to map勾选方便立即查看新图层

字段列表保留需要交付的业务编号和名称,例如 plot_id、name。不要只依赖存储驱动生成的内部要素ID来判断记录是否相同,换格式后这类ID未必保持原值。如果接收方确实要求另一个CRS,应在导出设置中明确进行重投影,而不是事后随意改坐标系标签。

原创导出窗口说明图:仅保存选中要素已勾选并输出GeoPackage

再次确认选中项勾选状态和输出路径,点击 OK。等待保存完成及新图层加入地图;若有写入错误,应先解决路径或权限问题。此时只说明导出动作完成,是否导出了正确范围还要看下一步。

3. 用新图层的总数和业务编号确认结果

选中新加入的 plots_subset 图层,打开它的属性表,将底部显示方式切换为 Show All Features。比较的是新图层全部记录数量,不是继承某个表格过滤状态后的可见行数。

在教学示例中,正确目标是新图层总数3条,plot_id 集合为 P-02、P-05、P-09,没有遗漏和额外编号。新图层显示 Selected 0 并不代表导出失败:记录已经属于新数据集,是否处于选择状态是另外一件事。

原创结果说明图:新图层显示全部三条记录,选中数为零

暂时取消源图层的可见性勾选,只显示新图层,看看预期位置的几何是否存在。这样能避免把源图层显示的图形误认为输出。不要删除源图层来做这项检查,也不要求导出后的渲染颜色一定与原图层相同。

现象优先回查
新图层包含全部源记录是否在正确源图层导出;是否勾选仅保存选中要素
数量少于源选择数量是否另设Extent;选择是否在导出前发生变化;是否打开了正确文件
数量一致但编号不符是否选择了其他记录;是否打开同名旧图层;是否保留正确业务字段
地图看起来仍有很多地块源图层是否仍然可见;不要用叠加后的视觉印象替代记录核对

通过条件是新图层全部记录数量与导出前的选择数量一致,业务编号集合对应,空间位置符合目标范围。若不符,先回查选择和导出设置,再决定是否重新输出;不要直接交付无法解释的结果。

交付时保留什么

记录源图层名称、选择数量、业务编号、输出文件路径、内部图层名、CRS以及保留字段。交付本例的 .gpkg 数据文件;仅保存 .qgz 项目并不能替代交付外部数据。可将这些信息写进交接说明,接收者不必依赖你的源图层选择状态。

常见疑问

地图当前视窗内的要素会自动被选中吗?不会。地图范围、属性表显示过滤和要素选择是不同状态,要按选中数量判断。

清除源图层选择会让新文件失去记录吗?已经成功写入的输出数据不依赖源图层后续是否保持选择。仍应确认打开的是新文件,而非源图层。

导出后符号样式变化是否说明丢了要素?不能这样判断。本文核对的是数据范围、数量及业务编号;样式与项目配置要另行处理。

参考资料

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
GIMP图层蒙版与直接擦除像素有什么区别GIMP图层蒙版与直接擦除像素有什么区别
上一篇
GIMP图层蒙版与直接擦除像素有什么区别
Audacity怎样用标签轨拆分自录音频
下一篇
Audacity怎样用标签轨拆分自录音频
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    463次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    526次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    544次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    493次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    311次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码