简介：这份《2022FME转换器快速参考手册-中文版实用.pdf》面向使用FME Workbench进行空间数据处理的GIS从业者、数据工程师与初学者，帮助读者快速查阅400余个转换器的功能定位与适用场景，解决转换器种类繁多、英文文档查阅不便的问题。资源包共1个PDF文件，大小约2.04MB，内容按3D、计算器、收集器、坐标系、数据库、过滤器、几何操作符、KML、线性引用、列表、网络、点云、栅格、字符串、Styler、曲面、Web服务、工作流等类别组织，每类均给出转换器用途的概要说明，并穿插属性按钮颜色含义、必填字段提示等Workbench基本操作要点。手册以目录加分类条目的形式呈现，便于按功能模块检索，适合在搭建转换流程时随手翻阅、对照选型。目前已有1680人学习下载，可作为FME转换器速查与入门参考的实用中文资料。
1. FME转换器快速参考手册：从Workbench到PythonCaller的落地路径
手里有一份《2022FME转换器快速参考手册-中文版实用.pdf》，很多人第一反应是把它当字典翻——遇到哪个转换器不会用，查一下参数表就完事。但真正在项目里跑过FME Workbench的人都清楚，转换器从来不是孤立使用的，一个Workspace里往往串了十几个Transformer，数据从Reader进来，经过Geometry、Attribute、String、Database几大类转换器的接力，最后从Writer出去。这份手册的价值不在于让你背参数，而在于帮你建立一套“看到数据问题就知道该挂哪个转换器”的条件反射。
FME在空间数据ETL领域的位置很特殊：它既不是纯GIS软件，也不是纯数据库工具，而是夹在中间做格式翻译和几何运算的“万能胶”。做测绘的用它转CAD到Shapefile，做规划的用它批量处理DWG图层，做数据治理的用它清洗地址和坐标。手册里收录的转换器按功能分了几十个大类，但日常高频使用的其实集中在Geometry、Attribute、String、Database、Workflow这几类。如果你正在用FME做数据转换，或者准备把一批异构数据源统一到某个标准格式，这份手册配合Workbench实操，能省掉大量试错时间。下面按“先理解转换器分类逻辑，再动手搭最小Workspace，最后处理参数和排错”的顺序展开。
2. FME转换器分类体系与Workbench中的调用逻辑
2.1 转换器的五大功能族与选型依据
FME转换器按操作对象大致分五族：Geometry族处理几何对象的创建、修改、验证和坐标变换；Attribute族负责属性字段的增删改查和映射；String族做文本解析、正则匹配和编码转换；Database族面向SQL执行和表操作；Workflow族控制数据流的分支、合并和循环。选型时先看你要动的是几何还是属性，再看是否需要跨要素操作。比如要把一批点的坐标从WGS84转到CGCS2000，用Reprojector；要把一个字段按分隔符拆成多个字段，用AttributeSplitter；要过滤掉面积小于阈值的面，用AreaCalculator加Tester组合。
手册里每个转换器都有“典型用途”和“输入输出端口”说明，但实际选型时更关键的是看它的“端口行为”——有些转换器有多个输出端口，比如Tester有Passed和Failed，FeatureReader有多个输出端口对应不同表。Workbench里连线时如果端口接错，数据会静默丢失，这是新手最常见的翻车点。
2.2 在Workbench中定位并插入转换器的三种方式
第一种是画布右键菜单，输入转换器名称的前几个字母，FME会模糊匹配。第二种是顶部菜单栏Transformers，按分类浏览。第三种是快捷键F3打开转换器搜索框，直接输入全名。插入后转换器会以矩形块出现在画布上，双击进入参数面板。
# FME Workbench中常用快捷键 F3 # 打开转换器搜索 F5 # 运行Workspace Ctrl+S # 保存 Ctrl+Shift+R # 运行到当前转换器（部分版本支持）参数面板里每个参数都有默认值，但默认值不一定适合你的数据。比如AttributeCreator默认创建字符串类型字段，如果你要存数值，得手动改类型。参数面板右上角有个“帮助”按钮，点开就是手册对应页面的电子版，比翻PDF快。
2.3 一个最小Workspace的搭建流程
假设要把一个CSV文件里的经纬度字段转成点几何，再输出为Shapefile。Reader用CSV，转换器链是AttributeRenamer（把lon/lat改成x/y）→ VertexCreator（用x/y创建点）→ Reprojector（可选，如果坐标系不对）→ Writer用Shapefile。
# 这不是FME代码，而是用PythonCaller模拟上述逻辑的等价实现 # 实际FME中这些操作由图形化转换器完成 import fme import fmeobjects class FeatureProcessor(object): def input(self, feature): # 读取CSV中的lon/lat字段 lon = float(feature.getAttribute('lon')) lat = float(feature.getAttribute('lat')) # 创建点几何 point = fmeobjects.FMEPoint(lon, lat) feature.setGeometry(point) # 设置坐标系（示例为WGS84） feature.setCoordSys('EPSG:4326') self.pyoutput(feature)上面这段PythonCaller代码展示了VertexCreator和Reprojector的核心逻辑：从属性取坐标值，构造FMEPoint对象，设置几何和坐标系。实际用图形化转换器时，VertexCreator的X/Y属性直接选字段即可，Reprojector的源和目标坐标系从下拉框选。参数说明：VertexCreator的“X Attribute”和“Y Attribute”必须选数值型字段，如果CSV读进来是字符串，要先加AttributeConverter转类型，否则点会创建失败但不会报错，只是输出空几何。
3. 高频转换器参数配置与PythonCaller实战
3.1 Geometry族：Reprojector与GeometryValidator的参数陷阱
Reprojector的源坐标系如果选错，结果会偏到几百米外。常见错误是把CGCS2000的经纬度当成WGS84直接转投影坐标，虽然两者差异在米级，但做高精度拼接时不可接受。参数面板里“Source Coordinate System”建议用“Read from feature”让FME自动识别，如果数据本身没带坐标系信息，再手动指定。GeometryValidator用来修复自相交面、重复点等拓扑错误，但它的“Repair”模式会改变几何形状，做面积统计前要谨慎使用。
3.2 Attribute族：AttributeManager与AttributeCreator的配合
AttributeManager适合批量重命名、删除、改类型，AttributeCreator适合新建字段。两者配合的典型场景：先用AttributeManager把源字段名统一成标准名，再用AttributeCreator加一个“数据来源”字段标记批次。AttributeCreator的“Conditional Value”可以按条件赋值，比如当面积大于1000时标记为“大图斑”。
-- 在SQLExecutor或DatabaseJoiner中嵌入的SQL示例 -- 从PostGIS中读取与缓冲区相交的要素 SELECT a.id, a.name, b.zone_code FROM parcels a JOIN zones b ON ST_Intersects(a.geom, ST_Buffer(b.geom, 100)) WHERE a.area > 500;这段SQL展示了Database族转换器的典型用法：把空间运算下推到数据库执行，比在FME里用SpatialFilter快一个数量级。参数说明：SQLExecutor的“SQL Statement”里可以用FME的$(参数名)做动态替换，但要注意SQL注入风险，如果参数来自外部输入，用“SQL Parameters”绑定而不是字符串拼接。
3.3 String族：StringReplacer与正则表达式的配合
StringReplacer支持正则模式，处理地址清洗时特别有用。比如把“XX路123号”里的“号”去掉，用正则号$替换为空。但正则的贪婪匹配容易误伤，比如\d+会匹配所有数字，如果只想匹配末尾数字，要加锚点\d+$。手册里对正则的说明比较简略，建议配合在线正则测试工具先验证再填入。
3.4 PythonCaller的输入输出与异常处理
PythonCaller是FME里最灵活的转换器，但也是最容易出性能问题的。它的input方法每来一个要素调用一次，如果里面做了数据库查询或网络请求，整个Workspace会慢到不可用。正确做法是把重操作放到startup或process方法里，或者用FeatureReader批量读。
import fme import fmeobjects class FeatureProcessor(object): def __init__(self): # 初始化时建立数据库连接，避免每个要素都连一次 self.conn = None def startup(self): # 整个Workspace开始时执行一次 self.conn = fmeobjects.FMEUniversalReader('POSTGIS', False, ['CONNECTION_STRING', '...']) def input(self, feature): try: # 对每个要素的处理逻辑 name = feature.getAttribute('name') if name is None: # 属性缺失时输出到日志并跳过 fmeobjects.FMELogFile().logMessageString('Missing name attribute') return feature.setAttribute('name_upper', name.upper()) self.pyoutput(feature) except Exception as e: # 异常时把要素输出到 端口，便于后续排查 feature.setAttribute('error_msg', str(e)) self.pyoutput(feature, 1) def close(self): if self.conn: self.conn.close()参数说明：PythonCaller的“Class Name”必须和代码里的类名一致，默认是FeatureProcessor。“Output Ports”数量决定pyoutput的第二个参数，0是主输出，1是副输出。异常处理里用FMELogFile写日志比print更规范，日志会出现在FME的日志窗口里。注意PythonCaller默认用FME自带的Python解释器，如果要用第三方库（如pandas），需要在FME安装目录下用pip装到对应环境。
4. 转换器链的调试与性能优化
4.1 用FeatureInspector和日志定位数据丢失
Workspace跑完发现输出要素数比输入少，第一反应是看日志里的“Features Read/ Written”统计。如果中间某个转换器后数量骤降，双击该转换器看它的输出端口。Tester的Failed端口如果没接，被过滤的要素就静默丢弃了。FeatureInspector可以挂在任意端口上，运行后弹出数据表，逐字段看值是否符合预期。
4.2 批量转换时的并行与缓存策略
FME默认单线程处理，大数据量时慢得让人想砸键盘。Workbench里可以开“Parallel Processing”，在Navigator窗口的Workspace Settings里设“Number of Processes”。但并行不是万能的，如果转换器链里有依赖顺序的操作（比如先排序再取前N条），并行会打乱结果。缓存方面，FeatureReader的“Cache”选项可以避免重复读同一数据源，但缓存会占内存，数据量大时反而拖慢。
4.3 用Bookmark和Annotation管理复杂Workspace
超过20个转换器的Workspace，没有Bookmark就是一团乱麻。选中一组相关转换器，右键“Create Bookmark”，命名成“地址清洗”“坐标转换”等。Annotation用来写备注，比如某个参数为什么设成这个值。这些不影响运行，但下次改的时候能救命。
5. FME转换器使用中的避坑与排查
5.1 坐标系不匹配导致几何偏移
现象：输出的Shapefile在ArcGIS里打开，位置偏到几百米外。原因：Reader读进来的数据带了错误的坐标系信息，或者Reprojector的源坐标系选错。解决：先用CoordinateSystemExtractor看要素自带的坐标系，再用CoordinateSystemSetter强制设为正确值，最后Reprojector。
5.2 属性类型不匹配导致转换器静默失败
现象：VertexCreator没报错，但输出的点几何是空的。原因：X/Y字段是字符串类型，VertexCreator需要数值型。解决：在VertexCreator前加AttributeConverter，把字段类型转成Float或Integer。
5.3 PythonCaller性能断崖式下降
现象：Workspace跑小数据量正常，数据量一上来就卡死。原因：input方法里做了数据库查询或HTTP请求。解决：把查询移到startup里批量做，或者改用FeatureReader。如果必须逐要素处理，考虑用PythonCaller的“Group By”模式减少调用次数。
5.4 SQLExecutor的注入与参数绑定
现象：SQL语句里用字符串拼接参数，遇到特殊字符报错或结果异常。原因：没做转义。解决：用SQLExecutor的“SQL Parameters”绑定参数，FME会自动处理转义。如果必须拼接，用StringReplacer把单引号替换成两个单引号。
5.5 转换器版本差异导致参数面板不同
现象：手册里写的参数在Workbench里找不到。原因：FME版本不同，转换器参数有增减。解决：以Workbench实际参数面板为准，手册作为功能参考。2022版和2023版在Database族转换器上差异较大，升级前先备份Workspace。
6. 从手册到实战：用PythonCaller封装自定义转换器
手册翻多了会发现，有些操作组合反复出现，比如“按字段分组编号”“批量替换属性值”“几何中心点提取”。与其每次拖一堆转换器，不如用PythonCaller封装成一个自定义转换器。FME支持把一组转换器打包成Custom Transformer，但更轻量的做法是直接写PythonCaller，把逻辑收在一个类里。
我一般会建一个自己的“工具Workspace”，里面放几个常用的PythonCaller模板。比如下面这个按分组字段给要素编号的：
import fme import fmeobjects class FeatureProcessor(object): def __init__(self): self.group_counters = {} def input(self, feature): group = feature.getAttribute('group_id') if group not in self.group_counters: self.group_counters[group] = 0 self.group_counters[group] += 1 feature.setAttribute('seq_no', self.group_counters[group]) self.pyoutput(feature)这个类的逻辑很简单：用字典记录每个分组的当前计数，每来一个要素就加一，然后写回seq_no字段。参数说明：group_id必须是字符串或整数，如果是浮点数会有精度问题。这个模式比用Counter加Sorter快，因为不需要全局排序。
验证方法：造一组测试数据，三个分组各五条，跑完看seq_no是不是1到5。如果分组字段有空值，空值会被当成一个独立分组，编号从1开始。要排除空值，在input里加判断。
另一个常用的是几何中心点提取，用PythonCaller调FMEObjects的getCenterPoint方法：
def input(self, feature): geom = feature.getGeometry() if geom is not None: center = geom.getCenterPoint() feature.setGeometry(center) self.pyoutput(feature)这个比用CenterPointReplacer灵活，因为可以在取中心点前做条件判断，比如只对面积大于阈值的面取中心点。
最后说个血泪教训：PythonCaller里不要用全局变量存状态，FME的并行模式下每个进程有独立的解释器，全局变量不共享。要用状态就用类的实例变量，或者写到临时文件里。我早期做分组编号时踩过这个坑，单线程跑没问题，一开并行编号就乱。后来改成用FeatureReader先读全量数据在startup里建索引，才彻底解决。希望帮到你。
本文还有配套的精品资源，点击获取
