这几天做的一个爬天朝区气象雷达数据的爬虫，每 10 分钟 500+帧，跑 GAE 存 GitHub

[akfish]

作为一个数据控，爱好各类实时数据，最近在用 HTML5 把天朝区土鳖的气象雷达图去土鳖化，比如：

经过 HTML5 拖下来一堆算法撸过以后变成：


由于 Canvas CORS 的的限制，必须把图片爬下来放到同域名上，经过一番折腾撸出这样一个脑洞略大的方案：
找了一圈国外免费的云服务，能访问 nmc.gov.cn 的也就只有 GAE 。
天朝目前有 167 个气象雷达站，平均 10 分钟更新一帧（部分是 5 分钟），每帧 35k ，一天会产生 800M+的数据，GAE 是放不下的，于是用 GitHub API 放 GitHub Pages 上。
同时需要产生 json 文件供前端调用，撸了一圈发现 GAE 的 datastore quota 最多爬 3 次就会被撑爆，于是又用 GitHub API 把 commit 后的 git tree 拖回 GAE 当数据库用。

每个站要在百度地图上放叠加层，需要知道中心的经纬度，以及每帧数据的范围。之前爬到一个内部的 xml ，有所有站点的坐标，于是很愉快的解决了。数据范围没有现成的数据，于是顺便写了个简单的 OCR 算法从图片上识别出来。最后这些数据和爬虫爬到的整合，生成一个 json 文件供前端调用。

目前是 GAE 上跑两个 application 分时爬（一个 application 的 bandwidth quota 只够爬半天），GitHub 的 Repo 一天一清，避免超过 1GB 大小的限制被和谐。

数据有保障了，又可以愉快的把前端撸完早日上线。

爬虫源码：
https://github.com/catx-weather/radar-bot
爬虫数据：
https://github.com/catx-weather/data
OCR 脚本：
https://github.com/catx-weather/frame-range-ocr

无级缩放，保留空间分辨率信息，依然是原始数据无插值：

[neoz]

虽然没多大 用，但是看起来X格很高！赞！

[mywaiting]

LZ这么牛逼，你妈知道的吗！赞+1

[vigoss]

帅哭。

[arnofeng]

太流弊

[procen424]

官方雷达图虽然看上去土鳖，但是像素点的颜色和位置是精确的，结合刻度能读出非常有效的信息。
30dbZ基本就要下雨了 40dbZ就是短时雷雨大风天气
这么一处理反倒没法看了。。。

[akfish]

@procen424 处理后的位置也是精确对齐的，花了不少精力保证爬到能用来保证对齐精度的数据。
像素的颜色只是换了套伪彩方案而已，数据依然是用的原始数据，并且能保留空间分辨率无级放大。
后面会加上交互，鼠标到任意点就能获得该点dBz大小，比官方的易读得多了。

[akfish]

@procen424 见append。

[chenillen]

github 服務掛了肯定是因為這個 project 的！lz 贊！！！

[glogo]

赖斯啊！

[WangYan]

点个赞，若提示dBz大小，就真的比官方的易读多了

[scylla]

lZ, Tai Niue be le, zan!

[vbs]

nb。。。。
lz你那还有其他数据？

[lcj2class]

等会必须fork

[wzb350]

不明觉厉

[superbear]

真厉害，居然把gitgub当数据库用！

[valianliu]

坐等前段上线，太流弊了。

[KillAd]

能做成站点上线上来才是大家最期待的吧

[hao1032]

GAE的数据库是不给力，以前爬了几天的数据想删除。到现在已经删了2天了，删一会就提示配额不足，然后只能等到第二天继续删。 哭。。。。。。。。。。。

[procen424]

@akfish 棒！期待早日上线

[0065paula]

不知道楼主有没有玩过 caiyunapp.com ？也是获取是实时雷达数据，用来看什么时候雨停还不错。

[openroc]

@hao1032， 多弄几个GAE，轮流爬。:)

[akfish]

@0065paula 不错的app，我目前侧重交互和数据可视化，多增加几种数据源后才会开始做预报算法。

[akfish]

@vbs 目前只是雷达，这个做完善后再爬别的。

[no13bus]

@akfish 数据可视化，楼主玩 http://processingjs.org/
吗？

[akfish]

@no13bus 小玩过，还没在项目里用过。

[hao1032]

@openroc 我是删除数据

[crossmaya]

不错，mark！