Python自动化批量下载ECWMF和GFS最新预报数据脚本

一、白嫖EC和GFS预报数据

EC的openData部分公开了一部分预报数据，作为普通用户只能访问这些免费预报数据，具体位置在这

可以发现，由于是Open Data，我们只能获得临近四天的预报结果，虽然时间较短，但是我们可以通过每天都执行脚本储存在本地 ，日积月累就可以存储完整的EC预报数据

---

同样的，NCEP的GFS数据也是只提供近几天的数据 ，因此也是需要一直爬取才能获取连续的预报数据

注意：该网站的gfs数据是包含41层数据，如果想要选择变量和高度层的话请访问这里

1.1 脚本核心思路

• 本质上是使用Python的request库通过拼接好的url发送get请求，然后每天执行一次，就可以爬取最新的数据保存下来
• 我们点进去下载目录中点击一个文件下载 ，按F12调试中可以从"网络"中抓包下载时候请求的url
  
• 详细看一下这个url，可以发现是由几个变量拼接起来的，包括：预报时长（forecast_hour）, 起报时间（start_hour），基本url（base_url），分辨率(resolution)当然这几个名字是我自己取的，跟后面代码中的相对应
  
• 这样只需要我们在脚本中指定好这几个参数，之后按一定规律拼接url，并发送get请求，就可以相应下载

1.2 脚本编写中的面向对象思路（模板方法设计模式）

• 在编写过程中发现两种数据下载的逻辑完全相同，只有使用的base_url和文件名拼接规则不同
• 将核心功能和公共功能封装为基类
• 两个继承了基类 的具体的实现类只需要根据不同的数据下载需求将filename和url的拼接规则函数重写即可
• 启示：在python中用子类不实现该方法就会NotImplementedError 的方式来实现接口，将不同的逻辑用接口的形式让子类实现，实现多态
• 后来想起来好像无意中运用了一个之前见过的设计模式，模板方法设计模式，基类规定好算法骨架，部分会随着实现类变化的部分的实现方式延迟到子类中实现

1.3 基类ForecastDownloader类

ForecastDownloader作为基类，其核心方法是start和download，是控制整个下载流程的函数，同时有两个抽象方法需要子类实现，这样做的目的是面对不同的下载需求，其实只有一小部分在变化，将拼接方法延迟到子类中实现就好了

import requests
import os
from datetime import datetime, timedelta
from urllib.parse import urljoin
import sys
sys.path.append(os.path.abspath(os.path.join(os.path.dirname(__file__), '../utils')))
from utils.logger import Logger


class ForecastDownloader:
    """
        下载天气预报数据的基类。

        这个类定义了天气预报数据下载器的基础功能，包括文件的下载和保存。
        子类应该实现 `construct_filename` 和 `construct_download_url` 方法来提供具体的文件名构造和下载 URL 构造。

        属性:
            forecast_hour (list): 预报小时列表，例如 [0, 6, 12, 18]。
            start_hour (str): 预报开始小时，例如 '00'。
            save_dir (str): 文件保存目录。
            base_url (str): 基础下载 URL。
            previous_days (int): 需要下载的前几天数据。
            log_savepath (str): 日志记录器路径。

        方法:
            start(): 开始下载数据，遍历指定的日期范围。
            download(time): 根据时间下载数据。
            construct_filename(time, hour): 构造文件名。子类需实现。
            construct_download_url(time, filename): 构造下载 URL。子类需实现。
        """
    def __init__(self, forecast_hour, start_hour, save_dir, base_url, previous_days, log_savepath):
        self.save_dir = save_dir
        self.forecast_hour = forecast_hour
        self.start_hour = start_hour
        self.base_url = base_url
        self.previous_days = previous_days
        self.logger = Logger.setup_logger(log_savepath)
        if not os.path.exists(save_dir):
            os.makedirs(save_dir)

    def start(self):
        """
            开始下载数据，遍历指定的日期范围。

            这个方法会从当前日期向过去的日期循环，并调用 `download` 方法来下载数据。
        """
        today = datetime.now().date()
        for i in range(self.previous_days):
            date = today - timedelta(days=i)
            self.logger.info(str(date))
            time_str = f'{date.year}{date.month:02}{date.day:02}'
            self.download(time_str)

    def download(self, time):
        """
        根据时间下载数据。

        这个方法会下载指定时间的数据，并保存到指定目录。

        参数:
            time (str): 数据的时间字符串，例如 '20240721'。
        """
        for hour in self.forecast_hour:
            filename = self.construct_filename(time, hour)
            if not os.path.exists(os.path.join(self.save_dir, time, filename)):
                url = self.construct_download_url(time, filename)
                try:
                    response = requests.get(url, verify=False)
                    if response.status_code == 200:
                        self.logger.info(f"Downloading {url}")
                        day_dir = os.path.join(self.save_dir, time)
                        if not os.path.exists(day_dir):
                            os.makedirs(day_dir)

                        save_path = os.path.join(self.save_dir, time, filename)
                        with open(save_path, 'wb') as f:
                            f.write(response.content)
                        self.logger.info(f"Finished downloading {url}")
                    else:
                        self.logger.error(f"Failed to download {url}: Status code {response.status_code}")
                except Exception as e:
                    self.logger.error(f"Error downloading {url}: {e}")
            else:
                self.logger.info('data exists')

    def construct_filename(self, time, hour):
        """
            构造文件名。

            这个方法应该在子类中实现，用于构造特定格式的文件名。

            参数:
                time (str): 数据的时间字符串。
                hour (int): 预报小时。

            返回:
                str: 构造出的文件名。

            抛出:
                NotImplementedError: 子类必须实现此方法。
        """
        raise NotImplementedError("This method should be overridden by subclasses")

    def construct_download_url(self, time, filename):
        """
            构造下载 URL。

            这个方法应该在子类中实现，用于构造特定格式的下载 URL。

            参数:
                time (str): 数据的时间字符串。
                filename (str): 文件名。

            返回:
                str: 构造出的下载 URL。

            抛出:
                NotImplementedError: 子类必须实现此方法。
        """
        raise NotImplementedError("This method should be overridden by subclasses")

1.4 子类EcForecastDownloader类

• 继承自ForecastDownloader类 ，只需要把baserl改一下和重写两个拼接文件名和url的方法，其他逻辑与基类完全一致，这样就轻松实现了代码复用

class EcForecastDownloader(ForecastDownloader):
    def __init__(self, forecast_hour, start_hour, save_dir, previous_days, log_savepath='../logs/ecLog.log'):
        base_url = "https://data.ecmwf.int/forecasts/"
        super().__init__(forecast_hour, start_hour, save_dir, base_url, previous_days, log_savepath)

    def construct_filename(self, time, forecast_hour):
        return f'{time}{self.start_hour}0000-{forecast_hour}h-oper-fc.grib2'

    def construct_download_url(self, time, filename):
        return urljoin(self.base_url, f"{time}/{self.start_hour}z/ifs/0p25/oper/{filename}")

1.5 子类NecpForecastDownloader类

class NecpForecastDownloader(ForecastDownloader):
    def __init__(self, forecast_hour, start_hour, save_dir, previous_days, log_savepath='../logs/ncepLog.log'):
        base_url = "https://nomads.ncep.noaa.gov/pub/data/nccf/com/gfs/prod/"
        super().__init__(forecast_hour, start_hour, save_dir, base_url, previous_days, log_savepath)

    def construct_filename(self, time, forecast_hour):
        return f'gfs.t{self.start_hour}z.pgrb2.0p25.f0{forecast_hour}'

    def construct_download_url(self, time, filename):
        return f'{self.base_url}/gfs.{time}/{self.start_hour}/atmos/{filename}'

1.6 日志类

import logging
import os


class Logger:
    @staticmethod
    def setup_logger(log_file):
        if not os.path.exists('../logs'):
            os.makedirs('../logs')

        logger = logging.getLogger()
        logger.setLevel(logging.INFO)

        # 文件处理器
        file_handler = logging.FileHandler(log_file)
        file_handler.setLevel(logging.INFO)
        file_formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')
        file_handler.setFormatter(file_formatter)
        logger.addHandler(file_handler)

        # 控制台处理器
        console_handler = logging.StreamHandler()
        console_handler.setLevel(logging.INFO)
        console_formatter = logging.Formatter('%(asctime)s - %(levelname)s - %(message)s')
        console_handler.setFormatter(console_formatter)
        logger.addHandler(console_handler)

        return logger

1.7 控制部分

将下载类和具体的使用逻辑分离，只要指定好构造函数的几个参量，之后间隔一定的小时数之后一直执行下载代码，这样就可以实现不间断更新数据

from forecast_downloader import EcForecastDownloader, NecpForecastDownloader
import time
def download_ec(interval_hour):
    save_dir = '../download_res/ec'
    D = EcForecastDownloader([24, 48, 72], '00', save_dir, 4)
    while True:
        D.start()
        time.sleep(interval_hour * 60 * 60)


def download_ncep(interval_hour):
    save_dir = '../download_res/ncep'
    D = NecpForecastDownloader([24, 48, 72], '00', save_dir, 4)
    while True:
        D.start()
        time.sleep(interval_hour * 60 * 60)


if __name__ == '__main__':
    download_ec(24)

1.8 使用时的目录结构

• 三个Downloader类都放在了forecasr_downloader.py中
• 控制部分放在start_downloading.py中
• 日志类放在utils下面
  

1.9 挂服务器上后台运行

• 传入服务器后，直接后台运行，只要线程不被杀，就可以一直将最新的数据自动下载

nohup python3 start_downloading.py &

二、小节

• 上述脚本适用于一切需要定时执行拼接url来自动下载最新数据的数据爬取
• 如果再来一个数据下载需求，只需要创建一个类，继承基类后重写拼接规则以及base url即可，代码的可拓展性和复用性较强
• 一开始也是直接写，不断抽象为各个方法，类，类与类之间再抽象出基类，通过合理的抽象和设计模式的运用使代码优雅，复用性强WMF