简介
- 最近看见一篇论文:《A first Chinese building height estimate at 10 m resolution (CNBH-10 m) using multi-source earth observations and machine learning》,估算了中国2020年10m空间分辨率的建筑物高度,其数据集已经在zenodo上公开,由于数据数量太多,所以我写了一个python代码,下载这些数据。
- 该网站站点不安全,进行数据下载时需要验证证书,所以需要禁用SSL证书验证警告(关键点),然后就是简单的发送GET请求获取需要的内容。
代码1
资源文件链接示例:
- https://www.zenodo.org/record/7923866/files/CNBH10m_X103Y41.tif?download=1
- https://www.zenodo.org/record/7923866/files/CNBH10m_X105Y25.tif?download=1
使用循环语句修改粗体文字内容,就能实现自动化,增加一个文件作为下载记录。
import os
import pandas as pd
import requests
import urllib3
# 禁用SSL证书验证警告
urllib3.disable_warnings(urllib3.exceptions.InsecureRequestWarning)
# 本案例中循环语句的i,j起始值由数据名称决定
for i in range(70,140,1):
for j in range(1,70,1):
# 记录文件,不存在就新建
if not os.path.exists('下载记录.csv'):
f = open('下载记录.csv','a')#append
f.write('name\n')
f.close()
download_link = f'https://www.zenodo.org/record/7923866/files/CNBH10m_X{i}Y{j}.tif?download=1' # 下载链接
# 根据特定需要进行更改
name = download_link[44:]
name = name[:-11] # 文件名
save_path ='data/建筑高度/' + name # 保存路径
# 读取记录文件,判断当前下载的数据是否已经下载
df = pd.read_csv('下载记录.csv')
if(name in df.values):
print(f'文件“{name}”已存在')
else:
try:
# 发送一个GET请求到指定的URL,并将响应保存在变量response中,verify=False表示不对SSL证书进行验证
response = requests.get(download_link, verify=False)
if response.status_code == 200: # 状态码为 200 表示请求成功
with open(save_path, 'wb') as file: # 以二进制写模式打开名为save_path的文件
file.write(response.content) # 将response对象的内容写入到文件中
print('文件下载成功!')
# 记录下载成功的文件名
f = open('下载记录.csv','a')#append
l = name + '\n'
f.write(l)
f.close()
else:
print('下载失败,状态码:', response.status_code) # 如果响应的状态码不是200,就打印错误信息
except requests.exceptions.RequestException as e: # 如果产生任何异常,都在这里处理
print('下载发生错误:', str(e))
'''上述代码使用requests库发送HTTP GET请求并禁用了SSL证书验证。
通过将verify参数设置为False,可以忽略不安全网站的 SSL 证书错误。
这种做法是为了应对特定情况下的需求,如在开发和测试环境中处理不安全网站。
在生产环境中,最好遵循安全最佳实践,并在与不安全网站进行通信时进行适当的证书验证。'''
代码2
import os
import time
import logging
import pandas as pd
import requests
from bs4 import BeautifulSoup
# 生成下载记录
def _log(log_file):
logging.basicConfig(filename=log_file, level=logging.INFO,
format="%(asctime)s %(name)s %(levelname)s %(message)s",
datefmt='%Y-%m-%d %H:%M:%S')
# 获取tif文件的下载连接
def get_link(url):
response = requests.get(url)
soup = BeautifulSoup(response.text)
head_text = soup.head
link_text = head_text.find_all('link')
links = [link.get('href') for link in link_text if link.get('href').endswith('.tif')]
return links
# 根据下载连接下载tif数据
def get_data(url, save_path):
filename = url.rsplit('/')[-1]
try:
response = requests.get(link)
response.raise_for_status() # 抛出HTTPError以捕获错误状态码
if response.status_code == 200: # 状态码为 200 表示请求成功
with open(os.path.join(save_path,filename), 'wb') as file: # 以二进制写模式打开名为save_path的文件
file.write(response.content) # 将response对象的内容写入到文件中
logging.info(f"成功下载: {link}")
print(f"成功下载: {link}")
except requests.exceptions.RequestException as e:
logging.error(f"下载失败: {link}, 错误信息: {str(e)}")
print(f"下载失败: {link}, 错误信息: {str(e)}")
url = 'https://zenodo.org/records/7923866'
log_file = 'data/下载记录.txt'
save_path = 'data/tif'
_log(log_file)
links = get_link(url)
for link in links:
get_data(link, save_path)
time.sleep(2) # 睡眠,防止下载过快