Sorry, dass ich nicht sorgfältig genug gelesen habe.
Ich hatte ein python Skript auf Lager, das aus einer OVP Querry z.B. water_source=pond alle an den
Elementen vorhandene Tags auswertet.
Hier das Ergebnis für Deutschland:
{‘addr:city’: 1, ‘addr:housenumber’: 1, ‘addr:postcode’: 1, ‘addr:street’: 1, ‘bonnet:colour’: 2, ‘building’: 1, ‘check_date’: 1, ‘colour’: 12, ‘content’: 3, ‘couplings’: 80, ‘couplings:diameters’: 64, ‘couplings:type’: 59, ‘description’: 197, ‘description:de’: 1, ‘drinking_water’: 11, ‘emergency’: 944, ‘fire_hydrant:awwa_class’: 4, ‘fire_hydrant:count’: 8, ‘fire_hydrant:coupling_type’: 13, ‘fire_hydrant:couplings’: 13, ‘fire_hydrant:diameter’: 86, ‘fire_hydrant:diameter:signed’: 2, ‘fire_hydrant:location’: 21, ‘fire_hydrant:position’: 362, ‘fire_hydrant:pressure’: 381, ‘fire_hydrant:style’: 1, ‘fire_hydrant:type’: 483, ‘fixme’: 12, ‘flow_rate’: 11, ‘height’: 1, ‘inscription’: 1, ‘intermittent’: 1, ‘man_made’: 6, ‘name’: 95, ‘natural’: 13, ‘note’: 21, ‘operator’: 88, ‘pillar:type’: 39, ‘ref’: 57, ‘source’: 14, ‘survey:date’: 129, ‘survey_date’: 1, ‘verified’: 2, ‘water’: 12, ‘water_source’: 946, ‘water_tank:volume’: 33, ‘water_volume’: 21}
Die Details pro ::id gibt es als CSV Datei.
Ein Dump der DB ergibt eine Größe von 5,4MB nicht komprimiert sql-Datei.