linux - 如何修改/设置 wget 脚本以指定日期范围以仅将某些年份下载到不同的脚本中?
问题描述
我正在尝试从为每个模型提供 wget 脚本的 CMIP6 网站 ( https://esgf-node.llnl.gov/search/cmip6/ ) 下载大量数据以进行一些研究。
脚本从 1850 年到 2014 年每 6 小时或每月一次。日期格式如下所示(第一个脚本):185001010600-185101010000或(对于第二个脚本)195001010600-195002010000、195002010600-195003010000
我的目标是从 1980 年到 2015 年将一个巨大的剧本变成几个较小的剧本,每个五年
例如,我想将主脚本分成不同的脚本,间隔为 5 年(“19800101-19841231”,然后是“19850101-19901231”等),每个脚本命名为 wget-1980_1985.sh,wget-1985_1990.sh,分别
对于第二个脚本的示例日期范围,我需要:197912010600 到 198601010000,然后每隔 5 年
我是初学者,如果可以,请帮助!
每个文件的部分 wget 脚本格式如下所示(它不会让我复制和粘贴整个内容,因为链接太多[请参阅下文以自行查找文件]):
1.) #这些是要下载的嵌入文件 download_files="$(cat <185001010600-185101010000.nc' ' http://esgf-data2.diasjp.net/thredds/fileServer/esg_dataroot/CMIP6/CMIP/MIROC/ MIROC6/historical/r1i1p1f1/6hrPlevPt/hus/gn/v20191204/hus_6hrPlevPt_MIROC6_historical_r1i1p1f1_gn_185001010600-185101010000.nc ' 'SHA256' 'fa9ac4149cc700876cb10c4e681173bcc0040ea03b9a439d1c66ef47b0253c5a' 'hus_6hrPlevPt_MIROC6_historical_r1i1p1f1_gn_ 185101010600-185201010000 .nc' ' http://esgf-data2.diasjp.net/thredds/fileServer /esg_dataroot/CMIP6/CMIP/MIROC/MIROC6/historical/r1i1p1f1/6hrPlevPt/hus/gn/v20191204/hus_6hrPlevPt_MIROC6_historical_r1i1p1f1_gn_185101010600-185201010000.nc''SHA256 '4ef4f99aa34aae6dfdafaa4aab206344125abe7808df675d688890825db53047'
2.) 对于第二个脚本,日期如下所示:' ps_6hrLev_MIROC6_historical_r1i1p1f1_gn_195001010600-195002010000 .nc'
要运行它,您只需从网站下载脚本(见下文)
2.)在这里可以看到一个类似的脚本(日期不同,但我也需要这个): https://esgf-node.llnl.gov/esg-search/wget/?distrib=false&dataset_id=CMIP6.CMIP。 MIROC.MIROC6.historical.r1i1p1f1.6hrLev.ps.gn.v20191114|esgf-data2.diasjp.net
在终端中运行脚本,这是我使用的命令
重击 wget* -H
它会下载每个文件。
我可以 vi 脚本并删除我不需要的每个文件(通过使用“dd”),但这将非常耗时。
要查找此数据并从网站获取 wget 脚本,请访问:https ://esgf-node.llnl.gov/search/cmip6/
并选择页面左侧的变量如下:Source ID:MIROC6,Experiment ID:Historical,Variant Label:r1i1p1f1,Table ID:6hrPlevPt,Variable:hus 看起来像这样
*如果这些文件太大,您也可以选择频率:每月来代替更小的文件。我只是想让你看看日期格式,因为每月只是月份和年份
然后点击搜索,它会给你一个模型来下载。它看起来像这样在底部,带有链接,它会显示“wget script”。单击它,它将下载。
你可以
vi wget*
查看和/或编辑它或
重击 wget* -H
运行/下载每个文件。它可能会要求您登录,但我发现在用户名和密码中输入废话仍然会启动下载。
请帮忙!这将是我生命中接下来的 6 个月,我真的不想“dd”所有这些我不需要的每个文件!
解决方案
bash
for
循环可以生成相关的日期范围和输出文件名。
一个简单的sed
脚本可以删除按顺序出现的相关行。
例如:
#!/bin/bash
in=esgf_script
for y in $(seq 1979 5 2014); do
out="wget_{$y}-$((y+4)).sh"
sed '/_gn_/{ # if some kind of url:
/_gn_'$((y+5))'/,$ d; # delete if year >= y+5
/_gn_2015/,$ d; # delete if year >= 2015
/_gn_'$y'/,$ !d; # delete if year < y
}' <"$in" >"$out"
done
该seq
命令从 1979 年到 2014 年每五年生成一次。
sed
脚本:
- 查找包含 url 的行:
/_gn_/
- 如果年份太大则删除
- 否则,如果年份足够大,则不会删除
此代码假定:
- 除了 urls 之外,没有任何行包含第一个正则表达式 (
/_gn_/
) - 网址按升序显示(例如,包含 1994 的网址不能出现在包含 1993 的网址之前)
推荐阅读
- json - 如何避免 json 字符串中的额外嵌套
- elasticsearch - 弹性,无法设置三个节点的集群
- node.js - 如何在 VS Code 中打开 Node.JS 终端
- python - 如何在 Python 中运行 MX 记录查找回退到 A 记录
- java - Spring 注入 SessionFactory 或 EntityManagerFactory 而不是 EntityManager
- python - 将 keras 模型输入馈送到输出层
- php - 如何访问 php 对象中的数据
- javascript - 如何针对 HackerRank 的欺诈活动通知问题优化代码
- javascript - 具有对象 JavaScript 的数组的对称差异
- multithreading - 多线程问题 - 不理解 printf 的概念是如何在并发中实现的