基于Python自动定时从天擎下载中国气象局格点指导预报产品

#文件名举例：Z_NWGD_C_BABJ_20230429102603_P_RFFC_SCMOC-ER03_202304290800_24003.GRB2

#第一个时间20230429102603表示文件生成时间，第二个时间202304290800表示起报时间

#降水预报场生成后，会持续人工订正，然后再次发布，因此，同样的起报时间，会有多个降水预报场文件存在

def extract_timestamp(filename):

# def 是定义函数的关键字。

# extract_timestamp 是函数的名称，通常反映函数的用途。

# filename 是传递给函数的参数，表示一个文件名字符串

match = re.search(r'Z_NWGD_C_BABJ_(\d{14})', filename)

# re.search 是正则表达式模块 re 中的函数，用于在字符串中搜索模式。

# r'Z_NWGD_C_BABJ_(\d{14})' 是正则表达式模式：

# r 前缀表示原始字符串，不需要转义反斜杠。如果不加r 前缀，\d{14}会被识别为/d{14}

# Z_NWGD_C_BABJ_ 是固定的字符串部分。

# (\d{14}) 是一个捕获组，匹配14个连续的数字（\d 表示数字，{14} 表示重复14次）。

# filename 是要搜索的目标字符串。

# 如果找到匹配，re.search 返回一个匹配对象；否则，返回 None。

if match:

# if条件语句

# 检查 match 是否不为 None，即是否找到了匹配。

# 如果 match 为真，表示找到了符合条件的时间戳

return dt.datetime.strptime(match.group(1), '%Y%m%d%H%M%S')

# 提取匹配的时间戳并解析为 datetime 对象

# match.group(1) 提取第一个捕获组的内容，即匹配到的14位时间戳字符串。

# dt.datetime.strptime 将字符串解析为 datetime 对象：

# '%Y%m%d%H%M%S' 是时间字符串的格式：

# %Y 表示4位年份。

# %m 表示2位月份。

# %d 表示2位日期。

# %H 表示2位小时（24小时制）。

# %M 表示2位分钟。

# %S 表示2位秒钟。

# 解析后的 datetime 对象作为函数的返回值。

return None

# 未找到匹配时返回 None

# 如果没有找到匹配，函数返回 None，表示无法从文件名中提取时间戳。

# 示例

# 假设文件名是 Z_NWGD_C_BABJ_20240605123000_somefile.txt，函数 extract_timestamp 的执行过程如下：

# 调用 re.search(r'Z_NWGD_C_BABJ_(\d{14})', filename) 进行正则表达式匹配。

# 匹配成功，match 是一个包含匹配信息的对象。

# if match: 条件为真，进入条件块。

# 提取匹配的时间戳字符串 20240605123000。

# 调用 dt.datetime.strptime('20240605123000', '%Y%m%d%H%M%S') 将字符串解析为 datetime 对象，表示时间 2024-06-05 12:30:00。

# 返回解析后的 datetime 对象。

# 如果文件名是 somefile.txt，则：

# 调用 re.search(r'Z_NWGD_C_BABJ_(\d{14})', filename) 进行正则表达式匹配。

# 匹配失败，match 为 None。

# if match: 条件为假，跳过条件块。

# 返回 None，表示没有找到时间戳

3.定义find_latest_file函数：从文件名列表中找到最新的文件

def find_latest_file(file_names):

# def 是定义函数的关键字。

# find_latest_file 是函数的名称，反映了函数的用途，即找到最新的文件。

# file_names 是传递给函数的参数，表示一个文件名列表。

latest_file = max(file_names, key=extract_timestamp, default=None)

# 使用 max 函数找到最新文件

# max 是一个内置函数，用于找到可迭代对象中的最大值。

# file_names 是传递给 max 函数的可迭代对象，即文件名列表。

# key=extract_timestamp 指定了一个键函数 extract_timestamp，用于从文件名中提取比较值（即时间戳）。

# extract_timestamp 函数用于从文件名中提取时间戳并解析为 datetime 对象，这样可以直接比较 datetime 对象的大小。

# default=None 指定了在 file_names 为空时返回的默认值，即 None。

return latest_file

# 返回最新文件名

# return 关键字用于返回 latest_file，这是 max 函数找到的最新文件名。

# 如果 file_names 为空，返回值将是 None。

# 示例

# 假设我们有一个文件名列表：

# file_names = [

#     "Z_NWGD_C_BABJ_20240605123000_file1.txt",

#     "Z_NWGD_C_BABJ_20240606123000_file2.txt",

#     "Z_NWGD_C_BABJ_20240604123000_file3.txt"

# ]

# 调用 find_latest_file(file_names) 的过程如下：

# 1.调用 max 函数

# max(file_names, key=extract_timestamp, default=None) 逐一将 file_names 列表中的文件名传递给 extract_timestamp 函数。

# 2.提取时间戳并进行比较

# 对于 "Z_NWGD_C_BABJ_20240605123000_file1.txt"，extract_timestamp 提取到时间戳 20240605123000，解析为 datetime.datetime(2024, 6, 5, 12, 30, 0)。

# 对于 "Z_NWGD_C_BABJ_20240606123000_file2.txt"，extract_timestamp 提取到时间戳 20240606123000，解析为 datetime.datetime(2024, 6, 6, 12, 30, 0)。

# 对于 "Z_NWGD_C_BABJ_20240604123000_file3.txt"，extract_timestamp 提取到时间戳 20240604123000，解析为 datetime.datetime(2024, 6, 4, 12, 30, 0)。

# 3.比较提取到的 datetime 对象

# max 函数比较这些 datetime 对象，找到最大的一个，即最晚的时间。

# datetime.datetime(2024, 6, 6, 12, 30, 0) 是最大的时间戳，对应的文件名是 "Z_NWGD_C_BABJ_20240606123000_file2.txt"。

# 4.返回最新文件名

# max 函数返回 "Z_NWGD_C_BABJ_20240606123000_file2.txt"。

# 函数 find_latest_file 返回这个文件名。

4.定义download函数:从源路径复制文件到目标路径

# 从源路径下载文件到目标路径

def download(src, dst):

# def 是定义函数的关键字。

# download 是函数的名称，表示该函数的用途是下载文件。

# src 和 dst 是传递给函数的参数，分别表示源文件路径和目标文件路径。

shutil.copy(src, dst)

# shutil 是Python标准库中的一个模块，提供了高级的文件操作功能。

# shutil.copy 函数用于复制文件，从源路径 src 到目标路径 dst。

# src 是源文件路径。

# dst 是目标文件路径。

# 需要注意的是，在使用 shutil 模块之前，必须先导入它，例如 import shutil。

print(f"Downloaded: {src} to {dst}")

# print 函数用于输出信息到控制台。

# f"Downloaded: {src} to {dst}" 是一个格式化字符串（f-string），用于插入变量值。

# f 字符串前缀表示这是一个格式化字符串。

# {src} 和 {dst} 分别表示插入 src 和 dst 变量的值。

# 输出的字符串格式为 Downloaded:to，例如 Downloaded: /path/to/source to /path/to/destination。

5.定义process_files函数:处理单个文件模板的文件下载

def process_files(src_base, dst_base, patterns, existing_files):

# def 是定义函数的关键字。

# process_files 是函数的名称，表示该函数的用途是处理文件下载。

# src_base, dst_base, patterns, existing_files 是传递给函数的参数，分别表示源文件基本路径、目标文件基本路径、文件模式列表和现有文件列表。

for pattern in patterns:

# for 循环用于遍历 patterns 列表中的每个模式。

# pattern 是当前循环中正在处理的文件模式。

srclist = glob(src_base + pattern)

# glob 函数用于查找与模式匹配的所有文件。

# src_base + pattern 将源文件基本路径和文件模式连接起来，形成完整的路径模式。

# srclist 是找到的文件列表。

if not srclist:

print(f"No files found for pattern: {pattern} in {src_base}")

continue

# if not srclist: 检查 srclist 是否为空列表。

# 如果 srclist 为空，打印提示信息，并使用 continue 语句跳过当前循环，继续处理下一个模式。

# 找到最新的源文件

latest_src_file = find_latest_file(srclist)

if not latest_src_file:

print(f"No valid files found for pattern: {pattern} in {src_base}")

continue

# latest_src_file = find_latest_file(srclist) 调用 find_latest_file 函数，从 srclist 中找到最新的文件。

# if not latest_src_file: 检查是否找到最新的文件。

# 如果没有找到，打印提示信息，并跳过当前循环。

# 设置目标文件路径

dst_file = dst_base + Path(latest_src_file).name

# dst_file 是目标文件路径。

# Path(latest_src_file).name 获取最新源文件的文件名。

# dst_base + Path(latest_src_file).name 将目标文件基本路径和文件名连接起来，形成完整的目标文件路径。

if Path(dst_file).exists():

print(f"File {dst_file} already exists. Checking if it's the latest version.")

latest_dst_file = find_latest_file([dst_file])

if extract_timestamp(latest_dst_file) >= extract_timestamp(latest_src_file):

print(f"Local file {dst_file} is up-to-date. Skipping download.")

continue

else:

print(f"Local file {dst_file} is outdated. Downloading the latest version.")

# if Path(dst_file).exists(): 检查目标文件是否存在。

# 如果存在，打印提示信息，并检查目标文件是否是最新版本。

# latest_dst_file = find_latest_file([dst_file]) 获取目标文件的最新版本。

# if extract_timestamp(latest_dst_file) >= extract_timestamp(latest_src_file): 比较目标文件和最新源文件的时间戳。

# 如果目标文件是最新版本，打印提示信息，并跳过当前循环。

# 否则，打印提示信息，准备下载最新版本。

# 下载最新的源文件到目标路径

download(latest_src_file, dst_file)

# download(latest_src_file, dst_file) 调用 download 函数，将最新源文件下载到目标路径。

def ml_task():

# def 是定义函数的关键字。

# ml_task 是函数的名称，这里表示某种任务，与机器学习（ML）有关，但具体任务是处理文件。

src_base = 'I:\\DATA\\NAFP\\NWFD\\SCMOC\\BEHT\\*\\*\\'

dst_base = 'E:\\DATA\\SCMOC\\BEHTNEW\\'

# src_base 和 dst_base 分别是源文件的基本路径和目标文件的基本路径。

# 使用 *\\*\\ 表示目录中的通配符，用于匹配任意子目录。

patterns = [

'Z_NWGD_C_BABJ_*_P_RFFC_SCMOC-ER03_*0800_*03.GRB2',

'Z_NWGD_C_BABJ_*_P_RFFC_SCMOC-ER03_*2000_*03.GRB2',

'Z_NWGD_C_BABJ_*_P_RFFC_SCMOC-TMIN_*0800_*024.GRB2',

'Z_NWGD_C_BABJ_*_P_RFFC_SCMOC-TMAX_*0800_*024.GRB2',

'Z_NWGD_C_BABJ_*_P_RFFC_SCMOC-TMP_*0800_*03.GRB2',

'Z_NWGD_C_BABJ_*_P_RFFC_SCMOC-TMIN_*2000_*024.GRB2',

'Z_NWGD_C_BABJ_*_P_RFFC_SCMOC-TMAX_*2000_*024.GRB2',

'Z_NWGD_C_BABJ_*_P_RFFC_SCMOC-TMP_*2000_*03.GRB2'

]

# patterns 是一个列表，包含多个文件模式，表示需要处理的文件格式。

folders = glob(src_base)

# glob(src_base) 查找并返回与 src_base 模式匹配的所有文件夹路径。

# folders 是找到的文件夹列表。

with ThreadPoolExecutor(max_workers=8) as executor:

# ThreadPoolExecutor 是 concurrent.futures 模块中的一个类，用于创建线程池。

# max_workers=8 指定线程池的最大工作线程数为8。

futures = []

for folder in folders:

futures.append(executor.submit(process_files, folder, dst_base, patterns, None))

# futures 是一个列表，用于存储提交的任务。

# for folder in folders: 循环遍历每个文件夹。

# executor.submit(process_files, folder, dst_base, patterns, None) 提交任务到线程池，调用 process_files 函数处理文件夹。

for future in as_completed(futures):

future.resul

t()

# as_completed(futures) 返回一个迭代器，当每个 future 完成时，迭代器会生成该 future。

# future.result() 等待任务完成并获取结果，如果任务抛出异常，会在此抛出。

7.定义download_init函数:初始化下载任务调度器。

# 初始化下载任务调度器

def download_init():

# def 是定义函数的关键字。

# download_init 是函数的名称。

ml_excutors = {

"default": ThreadPoolExecutor(1)

}

# ml_excutors 是一个字典，键为 "default"，值为 ThreadPoolExecutor(1)，表示创建一个包含单个线程的线程池执行器。

# ThreadPoolExecutor 是 concurrent.futures 模块中的一个类，用于创建线程池。参数 1 表示线程池中只有一个线程。

ml_scheduler = BlockingScheduler(ml_excutors)

# ml_scheduler 是 BlockingScheduler 类的一个实例，用于创建一个阻塞调度器。

# BlockingScheduler 是 apscheduler.schedulers.blocking 模块中的一个类，用于创建一个阻塞的调度器。它接受一个执行器字典作为参数。

ml_trigger = CronTrigger.from_crontab('3 9,19 * * *')  # 北京时间的9点3分和19点3分自动开始运行

# ml_trigger 是 CronTrigger 类的一个实例，用于创建一个基于 crontab 表达式的触发器。

# from_crontab('3 9,19 * * *') 方法从 crontab 表达式创建一个触发器。这个表达式表示在每天的 9 点 3 分和 19 点 3 分触发。

ml_scheduler.add_job(ml_task, trigger=ml_trigger)

# ml_scheduler.add_job(ml_task, trigger=ml_trigger) 将任务 ml_task 添加到调度器中，并设置触发器 ml_trigger。

# ml_task 是先前定义的函数，它将在触发器指定的时间点运行。

return ml_scheduler

# return ml_scheduler 返回创建的调度器实例。

8.