批次下載作業相關程式

基本說明

• 網路爬蟲是一類越來越普及的資訊技術¹，此處使用此一名詞稱呼批次下載作業技術，僅為網路爬蟲部分功能，此處不涉及無特定目標的索引作業。
• 下載或上傳
  • 包括定期或不定期，前者是運用電腦的排程控制、定期執行特定程式上網進行驗證、搜尋、畫面截取、下載等，「合理流量」的作業。
    • 數據檔案之下載一般使用wget或cURL²
    • 後者雖為手動批次進行，也可能因無約束而造成網路攻擊事件。
  • 至於上網填報、上傳檔案等上載作業，除非對方網站允許，一般是不接受機器人作業方式的。
  • 無目標、通用性目標之爬蟲行為，此處並不加以討論。
• 此處之作業對象包括：
  1. 官方網頁提供之公開數據、文件、圖片、或文字
  2. 官方或商務網頁提供之畫面、影片
• 下載頻度與流量之控制
  • 雖然大多數具有管理的網站，都會設定訪問頻率與下載流量的門檻，對不同需要的使用者提供不同程度的應對與資源分配，但下載者還是需要合理管理自己的程式與設定，避免造成遠端網站的拒絕或傷害。
  • 除此之外，因下載數據量很龐大，也需在本地儲存、處理、品管、應用等等，有良好的管理。
• 由於是專案性質的應用，因此詳盡的技術細節、設定說明、與應用實證，見諸專案筆記，此處僅就一般或共同部分加以彙總。
  1. 網站特性之解析與應對策略
  2. 電腦排程之設定³
  3. 下載工具與程式
  4. 後續應用及發展

定期爬蟲專案簡介

• 自2016年以來陸續建置自動數據下載的專案條列如下。

氣象數據方面

• 觀測與再分析數據
  1. 中央氣象局(CWB)每天公開其自動站觀測結果在CODiS(CWB Observation Data Inquire System)網站，此處每日12時執行全國昨日監測結果的下載，詳CODiS筆記。
  2. 美國NCEP數據之每日下載：為氣象模式起始與邊界、同化等等所需要之觀測(或再分析)數據檔案，包括再分析結果、地面及高空觀測、以及海溫。
• 氣象模式產品
  1. 中央氣象局數值預報產品之下載：每日逐6小時下載，應用在軌跡模式預報、網格空品模式預報等等即時性的需求、同時也因應MMIF、歷史軌跡分析等等年度分析。
  2. 美國國家氣象局(NWS)全球尺度氣象數值預報模式和變分分析(GFS)逐日預報檔案之自動下載：用在驅動每日的東亞、南中國等地區氣象場的模式模擬，用以進行網格空品模式預報@iMacKuang⁴
• 天氣報告與天氣圖
  1. 中央氣象局逐6小時天氣預報(文字稿)及天氣圖
  2. 逐6小時NOAA天氣圖下載：6-Hourly NCEP/NCAR Reanalysis Data Composite，提供東亞範圍之天氣圖。

空氣品質部分

• 環保署空品監測數據下載
  1. 逐時aqi數據之下載
  2. 逐月全台空品測站數據之下載
• 特殊性工業區空品監測數據下載
• CAMS預報數據
• 日本大氣污染情報網站圖面之下載

排放活動部分

• CEMS
• 電廠運轉率
• 交通量

批次爬蟲專案

全球空品模擬數據

• CAMS近實時空品數據之下載
• CAM-chem模擬結果之下載
• MOZART(WACCM)

空品畫面之截取

• earth.nullschool.net
• Windy網頁畫面
• airvisual

其他

• 癌症數據之下載
• 同仁發表文獻資料庫之建立

Reference

1. wiki、網路爬蟲（英語：web crawler），也叫網路蜘蛛（spider），是一種用來自動瀏覽全球資訊網的網路機器人。其目的一般為編纂網路索引。” ↩

2. 知乎：cURL 和 Wget 的优缺点各是什么？ ↩

3. G. T. Wang, Linux 設定 crontab 例行性工作排程教學與範例,G. T. Wang, 2019/06/28 ↩

4. 運用GFS/CWB/CAMS數值預報數進行台灣地區CMAQ模擬實例、http://125.229.149.182:8084/@iMacKuang⁵ ↩

5. 125.229.149.182為Hinet給定，如遇機房更新或系統因素，將不會保留。敬請逕洽作者：sinotec2@gmail.com. ↩

---

Table of contents

• Download Hiway Forecasting Data
• Download Taipei Traffic Data
• PDF檔案之下載與整理
• Regulation Reader
• 環保專案報告之下載