关键词:modis,selenium,Python,批量下载
上文中讲到如何通过Python获得所需modis影像的下载链接,本文中将讲述如何通过Python根据下载链接进行下载。
首先需要准备的是chrome浏览器和与之对应版本的chromedriver.exe,通过selenium库进行下载。
利用selenium控制chromedriver打开chrome,使用get方法访问NASA个人界面,获得账号密码元素并输入账号密码,获得登录按钮并自动点击,页面跳转,访问成功。
s = Service(r'chromedriver的目录') wd = webdriver.Chrome(service=s) wd.get('https://urs.earthdata.nasa.gov/home') # 访问NASA个人界面 wd.find_element(By.ID, 'username').send_keys('我的账号') # 账号 wd.find_element(By.ID, 'password').send_keys('我的密码') # 密码 wd.find_element(By.CSS_SELECTOR, '[value="Log in"]').click()
下一步读取下载链接txt,将txt内的所有链接存放到一个列表,便于遍历。
with open(link_path, 'r') as f: links = [i.replace('\n', '') for i in f.readlines()]
遍历列表,依次访问下载链接,便可下载至临时目录。
for url in links: js = "window.open('" + url + "');" # 访问下载界面 wd.execute_script(js)
这样就能自动下载了。
然后再增加亿点点细节。
比如:可以设置灵活等待时间为120秒。
wd.implicitly_wait(120)
为了避免下载的文件错误,先将文件下载至临时目录,增加检查步骤。
可以借助osgeo下的gdal库来检查下载的hdf文件是否完整,用gdal打开hdf文件,依次打开内部的数据集,并将数据转为数组,如果这个过程中没有报错,说明该文件完整可用,再将文件转移到目标目录中。
def check_hdf(path): hdf = gdal.Open(path) sds = hdf.GetSubDatasets() for i in sds: ds = gdal.Open(i[0]) arr = ds.ReadAsArray()
有时候目标文件夹中已经下载好了一部分文件,就不需要重复下载,可以增加一步判断,减少时间浪费。将目标文件夹中已经下载好的文件记录在列表havedone中,如果访问下载链接下载的文件在havedone中,则不需要下载。
file_folder = os.path.join(out_folder, product, tile) if not os.path.exists(file_folder): os.makedirs(file_folder) havedone = os.listdir(file_folder) if url.split('/')[-1] in havedone: print(url, '已下载') continue
也有可能在下载前临时文件夹中也存在一部分下载好的文件,可以检查这些文件是否完整,若完整则剪切至目标目录中,并将其追加在havedone列表中。
此外,需要灵活设置下载链接间的缓冲时间,不能访问第一个下载链接后又立刻访问下一个链接,不然电脑直接死给你看……
可以在访问下载链接后,设置一个等待时间为wait_time秒,可以根据hdf文件的大小进行调整,时间设置得越短,浏览器访问得越频繁(如果网络不好,可能会出现全部访问失败的情况……),时间设置得越长,越有可能产生时间上的浪费,效率变低。
由于第一次访问需要登录验证,时间会稍长,可以将这个时间设置长一些(20 - 40秒)。
wait_time = 10 if len(wd.window_handles) == 2: time.sleep(20) else: time.sleep(wait_time)
同理,也可以通过限制浏览器标签数来限制同一时间访问的链接数,这么做也是为了避免访问太多浏览器挂掉,因为访问链接并不是一瞬间就完成的,即使设置了等待时间,也并不代表这次访问在设定的时间内一定能完成,这就可能出现浏览器的标签越来越多,产生意料之外的后果。我们可以设置浏览器标签数目阈值,在访问链接前,先读取当前标签数,判断是否大于该阈值,如果是,则再等待wait_time秒,如果否的话,则直接进行访问。
更完善一点,可以设置一个最大等待时间thr_quit秒,这个值可以设置得大一些,如果超过标签数目阈值的状态持续时间超过最大等待时间,说明很有可能所有的访问全部失效了,再等下去也没有意义,可以将临时目录中的文件检查后移动至目标目录,然后关闭浏览器,重新再开一个进行下载。
thr = 6 thr_quit = 160 flag = True btime = time.time() while len(wd.window_handles) >= thr: if time.time() - btime > thr_quit: flag = False wd.quit() break else: havedone = moving(havedone) time.sleep(wait_time) if flag: js = "window.open('" + url + "');" # 访问下载界面 wd.execute_script(js) if len(wd.window_handles) == 2: time.sleep(20) else: time.sleep(wait_time)
以上就是全部的modis影像下载步骤,需要本篇完整代码的看官移步公众号回复关键字'modis'便可获得。
公众号:小猪被骑的日常