HT Meteo 海天气象

通知消息

2025-10-17 天气预报图集上线
提供全国城市未来7日天气预报图表和省会城市未来7日天气预报图表查看、下载功能,支持高清矢量图下载,用户可在图集-天气预报数据集查看
2025-10-15 历史天气数据集上线
2000~2025全国城市40要素逐小时历史气象数据集上线运行,针对此项数据提供在线浏览、数据下载和API接口服务,接口说明和示例源代码可在文档查看
2024-04-09 海天气象正式上线
2024年4月9日首次上线
匿名用户
登录/注册
登录已有账户 注册新账户 需要帮助?
  • 天气
    天气预报 历史天气 新
  • 数据
    天气预报数据集 历史天气数据集 新
  • 图集
    全国城市未来一周天气预报图集 新 省会城市未来一周天气预报图集 新
  • 开发文档
    用户权限分级 用户注册和账户管理 历史和预报天气查询浏览 新 历史和预报气象数据下载 新 天气预报图表下载服务 新 数据格式详细说明 新 WMO天气现象定义速查表 新 气象数据API使用说明 新 本地数据自动同步更新 新 社区论坛使用说明 新 查看站点更新记录 新 常见问题 捐助开发者
  • 论坛
  • 订阅
  • 关于
    关于本站 更新记录 新 FAQ
  • 捐助我们

1.用户权限和开放服务

海天气象是一个专注于提供精细化专业气象数据信息服务的平台,主要收集全球范围内各种预报模式的精细化气象预报数据、气象观测数据和气候资料数据,并根据以上数据生成图表供用户查询使用。针对注册用户提供论坛服务,用户可以在此提出问题、回答问题或发表评论、发布需求。高级用户可以使用数据下载功能,批量下载本站收录的精细化气象预报数据。专业用户可以使用API功能,在自己的应用程序中随时调取气象预报数据资源。

总的来说,我们区分普通用户、高级用户和专业用户3种权限一共开放了以下16项服务:

  • 管理使用个人账户 普通用户
  • 访问预报数据摘要 普通用户
  • 访问天气预报图集报表 普通用户
  • 下载测试数据 普通用户
  • 查看天气预报图表 普通用户
  • 注册使用社区论坛 普通用户
  • 在线帮助支持 普通用户
  • 下载最新预报数据 高级用户
  • 下载历史预报数据 高级用户
  • 下载高清天气预报图表 高级用户
  • 下载历史天气数据 专业用户
  • 历史天气API接口 专业用户
  • 天气预报API接口 专业用户
  • 预报数据自动推送 专业用户
  • 本地化服务部署 专业用户
  • 全过程技术支持 专业用户
  • 自定义格点数据定制开发 专业用户
  • 全国地市2000~2025年历史天气数据打包下载 年付专业用户
  • 全国市区县2000~2025年历史天气数据打包下载 另行定价

如果您想要了解详细的不同层级用户权限对比信息,请移步至订阅计划页面。

2.用户注册

我们的注册流程非常简单,只需要您提供1个常用邮箱地址,并设置好自己的昵称和密码即可,如果您忘记密码,您的邮箱可以用来重置密码。注册成功后您可以在个人信息设置页面内填写您的其他详细信息(当然这不是必须的)。

拥有一个个人账户是使用本站服务的基础,因此建议您尝试完成以下步骤,获取您的专属账户:

  1. 进入注册页面,输入您的昵称、常用邮箱和密码,点击注册按钮,几秒钟之后会为您自动登录新注册的账户并跳转至主页。
  2. 进入个人设置页面完成账户设置并填写详细个人信息。
  3. 浏览您的用户信息。
  4. 按需选择适合您的订阅计划。
  5. 使用数据下载功能和图表下载功能。
  6. 如果忘记了预设密码,可以进入密码重置页面填写邮箱重置您的密码。

我们坚信任何进步都离不开社区的支持,因此我们在本站点开放了论坛服务,您可以在此尽情与行业内的从业者交流经验或看法,或对我们的数据服务现状指点江山,我们渴望听到并发自心底尊重任何善意的不同声音。

3.个人账户管理和设置

您可以在个人信息资料查看页面浏览您的个人信息和偏好设置,也可以在用户设置页面更改您的个人信息和偏好设置。如果您不喜欢系统为您自动生成的头像,请点击“我不太喜欢我的头像”按钮为您更换新头像,我们丰富的头像库一定可以帮助选择困难您找到一张满意且符合自己特征的头像。您的部分非敏感用户信息将在论坛中有限展示,其余信息我们不会向除了您之外的任何人透露,它们仅作帮助我们提升改进您的使用体验之用,当然您完全可以不添加除邮箱之外的任何个人信息。

您的高级用户和专业用户订阅计划也可以在个人中心查看,便于您及时掌握个人账户的订阅计划信息,您可以随时延长订阅计划,,叠加的订阅计划不会刷新而是累加,针对非可抗因素导致的数据服务中断故障,我们将根据中断时长自动顺延您的订阅计划。

如果您是专业用户,您的API Key也可以在您的个人中心中查看,它是我们为您提供API数据服务和其他专业用户服务的必要条件,请您不要随意向其他人透露您的API Key。

4.历史和预报天气查询浏览

历史和预报天气查询浏览服务在主页为您提供,这项服务面向所有用户提供,且无论您是否为已登录状态。在此页面您可以查看全国未来10日天气变化情况和各种气象要素的发展趋势,通过浏览降水区域和极值统计数据以及焦点气象要素变化情况您可以迅速掌握需要及时应对处理的突发天气状况,为您的户外活动天气辅助分析决策提供支持。

您也可以在站点主页查看历史天气信息,通过选择城市名称查找您感兴趣的地点过去26年内气候如何变化。我们的数据来自地面气象观测数据集再分析资料,该数据非常庞大,我们截取了中国境内的主要城市相关部分供您直接浏览,通过折线图或柱形图,您可以直观感受到该地点过去25年内气温、降水、空气湿度、土壤含水量有何变化,这项服务是免费的,我们清楚在气象领域的从业者们非常需要这项服务。

5.历史天气和气象预报数据下载服务

我们的历史天气和气象预报数据集主要包含以下气象要素:

作为普通用户,您可以下载测试数据,测试数据是2025年9月26日的全国主要城市未来10日32要素气象预报数据和2019年茂名市逐小时历史天气数据以及一些高清图片资源。您可以下载完整数据包,内含了ECMWF预报模式的10日逐小时预报数据,,包括CSV常用数据交换格式,这项数据可以在应用开发阶段或模型训练测试阶段为您提供暂时的测试功能。

作为普通用户,您需要升级您的账户类型为高级用户或专业用户,以获取更加丰富及时的数据下载功能。如果您已经是高级用户或专业用户,可以在数据下载页面检索您需要的数据类型,选择不同预报模式和您习惯处理的数据格式,下载您完成专业任务所需的批量化全国城市气象预报数据,高级用户只能在数据下载页面选择单个数据下载,如果您的软件工程项目需要数据定时推送(或拉取)功能,则必须升级账户成为专业用户,以便于我们为您提供精准的数据推送服务。

如果您对历史气象预报数据有兴趣,请在数据下载页面点击“下载历史数据”按钮,依次选择日期、预报模式和数据格式,再点击“下载选定数据”按钮,该日期当日生成归档的预报数据将在几秒内下载至您的计算机。请注意:若要下载过期气象预报数据请务必选择近一个月内的时间,在此时间范围之外的数据本站会定期滚动清除。

所有数据均以.zip格式压缩,单个数据(即单日特定预报模式下未来10日32要素逐小时气象预报数据)文件大小在6~12 MB,解压后大小约为20~30 MB,如果您倾向于更小的文件体积,请优先选择CSV格式数据下载。待归档数据包下载至您的计算机之后,请用解压软件解压数据包,您将看到包含371个小文件的以城市名称为索引的预报数据集,至此,您已拥有了全国主要城市未来10日32要素逐小时气象预报数据,尽情发挥您的创意吧!

作为专业用户您可以下载全国城市2000年至今的逐小时历史观测数据,该数据集时间跨度26年,每年包含8760时次,气象要素种类多达40种,能够充分满足各种应用场景需求,同样您可以免费下载测试数据以供开发调试使用,待您的项目部署完毕可以再升级为专业用户享受不间断的数据更新服务。历史气象数据集更新周期为每月或每季度,这主要取决于我们团队忙不忙,如果您亟需使用最最邻近的数据,请在社区论坛给我们留言或发邮件告知我们。

6.气象预报图表查看和下载服务

作为普通用户或非登录用户,您可以在图集页面查看有限图片资源(低清晰度图片),我们的图集包含了2种形式,分别是全国城市未来一周天气预报图表和省会城市未来一周天气预报图表,您可以通过选择“预报时效”或“选择城市”来定位您想查看的图表,如果您是专业用户,则可以点击右上角按钮下载图集内的所有无损品质高清图片,包括png格式的位图和svg格式的矢量图。图集页面收录的图表资源是我们在源数据的基础上充分考虑各行业领域专业需求精心绘制的,包括位图、矢量图,您可以在您的工作成果中无限制引用,我们非常乐意为您生成脑海中的创意提供多元化的数据图表支持。如果您认为我们的图集对您的帮助过于有限,或者您关注的地点未收录在我们的索引中,请在论坛发布您的宝贵意见或联系我们的开发人员,以完善我们的气象预报数据图集帮助您更进一步完成您的奇思妙想。

7.历史和预报数据格式详细说明

数据字段介绍

字段名 物理名称 单位 定义和描述
date 时间 时 数据的时间标记。默认采用UTC+8时间(北京时间)。
temperature_2m 气温 ℃ 距地面2米高度的气温。
relative_humidity_2m 相对湿度 % 距地面2米高度的空气相对湿度。
dew_point_2m 露点温度 ℃ 距地面2米高度的空气露点温度。
apparent_temperature 体感温度 ℃ 指将人体所感受到的冷暖程度,转换成同等之温度。体感温度会受到气温、风速与相对湿度的综合影响。
precipitation 降水量 mm 一定时间内,降落到水平面上,假如无渗漏,不流失,也不蒸发,累积起来的水的深度。
rain 降水量 mm 大尺度天气系统所引发的降水量。
showers 降水量 mm 中小尺度对流天气系统所引发的降水量。
snowfall 降雪量 cm 一定持续时间(1小时)内累积降雪的深度。大约为降水量的7倍。
snow_depth 雪深 m 当前时刻地面积雪深度。
weather_code 天气现象 WMO定义的天气现象代码(详见下文)。
pressure_msl 海平面气压 hPa 温度15摄氏度条件下,由本站气压推算到平均海平面上的气压值。
surface_pressure 气压 hPa 本站气压或场面气压,地表气压值。
cloud_cover 总云量 % 天空高、中、低云覆盖率。
cloud_cover_low 低云量 % 天空低云覆盖率。
cloud_cover_mid 中云量 % 天空中云覆盖率。
cloud_cover_high 高云量 % 天空高云覆盖率。
visibility 能见度 m 地面水平可视距离。
dew_point_2m 露点温度 ℃ 距地面2米高度的空气露点温度。
et0_fao_evapotranspiration 蒸发量 mm 持续时间内(1小时内)地表蒸发的水量。
vapour_pressure_deficit 水汽压差 kPa 饱和水汽压与实际水汽压差值。
wind_speed_10m 平均风速 m/s 地面10米高度平均风速。
wind_direction_10m 风向 ° 地面10米高度风向。
wind_gusts_10m 阵风风速 m/s 地面10米高度阵风风速。
surface_temperature 地表温度 ℃ 地面温度,即地温。
soil_moisture_0_to_10cm 土壤温度 ℃ 地下0~10厘米厚度层平均温度。
cape 对流有效位能 J/kg CAPE,评估垂直大气是否稳定、对流是否容易发展的指标之一。
lifted_index 抬升指数 LI,自由对流高度以上不稳定能量大小的指数。
convective_inhibition 对流抑制能 J/kg CIN,阻止气块自地面上升至自由对流高度的能量大小。
shortwave_radiation_instant 短波辐射 W/m² 波长短于3μm的太阳辐射。
direct_radiation_instant 直接短波辐射 W/m² 未被大气阻挡而能够直达到地面的太阳短波辐射。
diffuse_radiation_instant 散射辐射 W/m² 太阳光经大气层中的空气分子、云滴和气溶胶的散射作用(天空散射)以及地表漫反射(地面散射)等形成的辐射。
direct_normal_irradiance_instant 直接辐射 W/m² DNI,未被大气阻挡而能够直达到地面的辐射。
global_tilted_irradiance_instant 倾角辐射 W/m² 特定倾斜面上接收到的直接辐射(DNI)和散射辐射(DHI)之和。
terrestrial_radiation_instant 地面辐射 W/m² 短波辐射和长波辐射之和,由地球本身的辐射和太阳辐照后的反射组成的辐射。

WMO天气现象代码说明

代码 天气现象 描述
0 晴 晴朗天气,无天气现象。
1 大部晴 天空主要为晴朗天气。
2 多云 局部为多云甜腻去。
3 阴 云量95%以上。
45 雾 雾。
48 雾凇 雾凇。
51 小细雨 细雨。雨滴直径0.5毫米以下。
53 中细雨 细雨。雨滴直径0.5毫米以下。
55 大细雨 细雨。雨滴直径0.5毫米以下。
56 轻度冻细雨 冻雨。雨滴直径0.5毫米以下。
57 重度冻细雨 冻雨。雨滴直径0.5毫米以下。
61 小雨 24小时累积降水量10毫米以下。雨滴直径0.5毫米以上。
63 中雨 24小时累积降水量10~25毫米。雨滴直径0.5毫米以上。
65 大雨 24小时累积降水量25~50毫米。雨滴直径0.5毫米以上。
66 轻度冻雨 雨滴直径0.5毫米以上。
67 重度冻雨 雨滴直径0.5毫米以上。
71 小雪 24小时累积降水量0.1~2.4毫米。
73 中雪 24小时累积降水量2.4~4.9毫米。
75 大雪 24小时累积降水量5.0~9.9毫米。
77 霰 雪粒。
80 小阵雨 阵雨。
81 中阵雨 阵雨。
82 大阵雨 阵雨。
85 小阵雪 阵雪。
86 大阵雪 阵雪。
95 雷暴 小型或大型雷暴。
96 小冰雹雷暴 伴随冰雹的小型雷暴。
99 大冰雹雷暴 伴随冰雹的大型雷暴。

8.城市气象历史和预报数据API调用

您可以通过本节帮助文档了解如何使用本站的应用程序接口(API),接口调用的前提之一是您已升级您的账户成为本站的“专业用户”,我们设置专业用户这一门槛的初衷是为了防止API资源的滥用并有节制的收回云计算成本,如果您还不是专业用户,请移步至订阅页面先行升级。

我们的API接口能够查询站点上所有您看到的数据,包括气象预报数据和历史气象数据,接口区分功能主要有以下4种:

API名称 API参数 主要功能 返回数据说明
某日某地天气预报查询 城市名称、年、月、日、API Key 查询该地点选定日期未来10日逐小时气象预报数据 选定日期至未来10天内240个时次32种气象要素数据
某坐标最新天气预报查询 坐标经度、坐标纬度、API Key 查询该坐标地点最新未来10日逐小时气象预报数据 该坐标未来10天内240个时次32种气象要素数据
某日某地历史天气查询 城市名称、年、月、日、API Key 查询该地点选定日期逐小时历史气象数据 选定日期当日的24个时次40种气象要素历史数据
某月某地历史天气查询 城市名称、年、月、API Key 查询该地点选定月份逐小时历史气象数据 选定月份当月的720个时次40种气象要素历史数据
某年某地历史天气查询 城市名称、年、API Key 查询该地点选定年份逐小时历史气象数据 选定年份当年的8760个时次40种气象要素历史数据
坐标地名信息查询 坐标经度、坐标纬度、API Key 查询该坐标的关联地名信息 坐标最近的区县名称和所在省、市以及和最近区县的大圆距离

在调用API接口时,查询数据时间跨度越长,时间越久,网络资源占用越高,因此尽量选择能符合自己使用需求的短时间跨度API使用,简言,能按天查询的历史数据不要按年或按月查询。

每一位专业用户在个人信息页面都能查看到自己的应用程序接口密钥(API Key),如果您的应用程序想自动获取批量精细化数据服务或精准调取某一地点的天气预报或历史数据,您首先需要构建一个GET请求,请求包含了日期、地名、API Key等信息,我们的服务端应用会处理您的请求,并返回JSON格式的数据(数据详细说明请参阅上节),您可以解析调用此数据完成您的既定开发企图。我们提供实现API调用的Python代码(点击下载源代码)供您参考:

                          
import requests

# api主要提供以下5个接口,其中1个用于调取天气预报数据,3个用于调取历史天气数据,1个用于查询坐标信息
# 1.调取某日天气预报数据,时间跨度:选定日期起未来10日,共240小时(通过地名和坐标两种方式)
# 2.调取某日历史天气数据,时间跨度:选定日期的当日,共24小时
# 3.调取某月历史天气数据,时间跨度:选定年月的当月,共30日720小时
# 4.调取某年历史天气数据,时间跨度:选定年的当年,共12月365日8760小时
# 5.通过坐标查询地名信息

# API Key可以在“个人中心”页面查看,所有用户都有API Key但是仅专业用户可以使用API功能,所有接口都需要API Key
api_key = "您的26位API Key"

# -------------------------------------1.调取某日天气预报数据----------------------------------------
# -------------------------------------1.1 通过地名和日期调取----------------------------------------
# 日期年月日参数,整型,须为近30日的日期
year, month, day = 2025, 9, 26

# 地名参数,目前收录全国333个地级市,城市列表请在说明文档中下载查看(https://app.cornicelli.net/meteo/download/resource/cities_list.csv)
city_name = '西安市'

# 构造url,获取该城市该日期起,未来10日逐小时天气预报
forecast_daily_url = f"https://app.cornicelli.net/meteo/api/forecast/daily/{city_name}/{year}/{month}/{day}/{api_key}"
forecast_daily_data = requests.get(forecast_daily_url)
print(forecast_daily_data.text)

# -------------------------------------1.2 通过地理坐标调取----------------------------------------
# 地理坐标经纬度参数
lon, lat = 108.940509, 34.617382

# 构造url,获取该坐标未来10日逐小时天气预报,如果需要查询确认坐标地名信息,参考第5点
forecast_coords_url = f"https://app.cornicelli.net/meteo/api/forecast/daily_coords/{lon}/{lat}/{api_key}"
forecast_coords_data = requests.get(forecast_daily_url)
print(forecast_coords_data.text)

# -------------------------------------2.调取某日历史天气数据----------------------------------------
# 日期年月日参数,整型,须为2000年1月1日至今日之间的日期,历史天气数据更新有1个月左右的延迟,所以近1个月的数据可能无法调取
year, month, day = 2025, 3, 26

# 地名参数,目前收录全国333个地级市,城市列表请在说明文档中下载查看(https://app.cornicelli.net/meteo/download/resource_cities_list.csv)
city_name = '南京市'

# 构造url,获取该城市该日期内24个时次的历史天气数据
history_daily_url = f"https://app.cornicelli.net/meteo/api/history/daily/{city_name}/{year}/{month}/{day}/{api_key}"
history_daily_data = requests.get(history_daily_url)
print(history_daily_data.text)

# -------------------------------------3.调取某月历史天气数据----------------------------------------
# 年月参数,整型,须为2000年1月至今日之间的月份,历史天气数据更新有1个月左右的延迟,所以近1个月的数据可能无法调取
year, month = 2025, 3

# 地名参数,目前收录全国333个地级市,城市列表请在说明文档中下载查看(https://app.cornicelli.net/meteo/download/resource/cities_list.csv)
city_name = '成都市'

# 构造url,获取该城市该月份内720个时次的历史天气数据
history_monthly_url = f"https://app.cornicelli.net/meteo/api/history/monthly/{city_name}/{year}/{month}/{api_key}"
history_monthly_data = requests.get(history_monthly_url)
print(history_monthly_data.text)


# -------------------------------------4.调取某年历史天气数据----------------------------------------
# 年份参数,整型,须为2000年至今日之间的年份,历史天气数据更新有1个月左右的延迟,所以近1个月的数据可能无法调取
year = 2025

# 地名参数,目前收录全国333个地级市,城市列表请在说明文档中下载查看(https://app.cornicelli.net/meteo/download/resource/cities_list.csv)
city_name = '上海市'

# 构造url,获取该城市该年份内8760个时次的历史天气数据
history_yearly_url = f"https://app.cornicelli.net/meteo/api/history/yearly/{city_name}/{year}/{api_key}"
history_yearly_data = requests.get(history_yearly_url)
print(history_yearly_data.text)

# -------------------------------------5.通过经纬度坐标查询地名信息----------------------------------------
# 地理坐标经纬度参数
lon, lat = 108.940509, 34.617382

# 构造url,获取该坐标关联的地名信息
coords_info_url = f"https://app.cornicelli.net/meteo/api/gis/coords_location/{lon}/{lat}/{api_key}"
coords_info_data = requests.get(coords_info_url).json()
print(coords_info_data)

                          
                        

有几个问题需要您在调用API的过程中特别注意:

  • 我们定期清除10天前的气象预报数据,您的GET请求日期范围必须在最近一个月之内,否则不会返回任何数据
  • 预报模式仅可选ECMWF,由于数据完整性和时效性原因我们放弃了CMA模式数据支持,现在预报模式不再是参数之一
  • 您构建GET请求时,务必在地名列表中选择地名,名称错误会导致您的请求不会返回任何数据
  • 调取历史天气数据时,您的时间参数必须在2000年1月1日和2025年12月31日之间,此外的数据没有上线,如您需要可以联系开发者或在论坛留言获取

9.数据自动推送

我们可以通过邮件方式将自动分析后的全国城市未来10日气象预报摘要信息和特定地点的预报详细信息以及图表信息推送给您,您也可以尝试通过微信接口获取以上信息,请搜索关注“海天气象”公众号。

10.本地化服务部署

如果您想在本地部署我们的数据服务和图表信息服务,请安装我们的PC端软件以获取自动化无人值守的数据本地化服务。只要您的计算机保持开机并联网,您的本地预报数据集将会一直是最新的。 请勿使用爬虫爬取本站数据,本站是公益性质的气象数据共享平台,旨在为气象爱好者和从业者提供优质精细的数据信息服务,仅通过低廉订阅费用和捐助维持运行,因此网络带宽和服务器计算资源负载十分有限,为了他人的正常使用请勿使用网络爬虫程序抓取本站数据。 您可以通过以下脚本(点击下载源代码)每日快速更新本地数据:

                          
# 请勿使用爬虫爬取本站数据,本站是公益性质的气象数据共享平台,旨在为气象爱好者和从业者提供优质精细的数据信息服务,
# 仅通过低廉订阅费用和捐助维持运行,因此网络带宽和服务器计算资源负载十分有限,为了他人的正常使用请勿使用网络爬虫程序抓取本站数据。
'''
这是海天气象数据自动更新脚本,能够将“海天气象”天气预报信息服务网站的ECMWF、CMA数值天气预报数据同步到本地计算机,使用
本脚本前请确保您的账户已升级订阅海天气象“专业用户”,服务器端数据更新时间一般在每日凌晨02时(UTC+8),因此务必在此时
间之后运行本数据更新脚本。本脚本运行需要Python环境,并正确安装BeautifulSoup、requests等库,如果成功下载文件但无法打开
请检查登录用户名和密码是否正确。如需更多使用帮助请浏览 https://app.cornicelli.net/meteo/doc,或通过邮件与开发者取
得联系:cornicelli@outlook.com。
'''
import requests
from bs4 import BeautifulSoup
import datetime
import time

# -----------------------⬇请修改以下参数:本地数据存放目录、海天气象网站专业用户账号、密码⬇-----------------------
DATA_SAVE_DIR = "C:/Users/Administrator/Desktop/"  # 本地计算机数据存放目录,更改时不要遗漏最后一个斜线字符
USER_NAME = "htqx@cornicelli.net"  # 您的海天账户注册账号(邮箱),须先升级为高级用户或者专业用户
USER_PASSWORD = "htqx123456"  # 您的登录密码
PROJECT_CODE = "cn"  # 项目代号,默认cn无需更改
# ---------------------------------------⬆请修改以上参数⬆---------------------------------------

# 定义待下载数据文件名(以当前日期命名)
today = datetime.datetime.now().strftime("%Y-%m-%d")  # 定义当前日期,即下载最新数据
# some_day = "2024-05-01"  # 如需下载历史数据,请用该格式定义目标日期,历史数据留存留存时限为最近1个月,此前无数据
FILE_NAME_ECMWF = f"ecmwf_{PROJECT_CODE}_10_days_hourly_weather_forecast_csv_{today}.zip"  # ECMWF预报模式数据文件名
DATA_URL_ECMWF = f"https://app.cornicelli.net/meteo/download/project/{PROJECT_CODE}/{FILE_NAME_ECMWF}"

print(f"正在通过 {USER_NAME} 登录海天气象...")
# 模拟人工登录网站,验证用户名和密码
login_url = "https://app.cornicelli.net/meteo/login"
session = requests.Session()
resp = session.get(login_url)
soup = BeautifulSoup(resp.text, 'html.parser')
csrf_token = soup.find('input', {'name':'csrfmiddlewaretoken'}).get('value')
login_data = {
    'csrfmiddlewaretoken': csrf_token,
    'user-email': USER_NAME,
    "user-password": USER_PASSWORD
}
headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/126.0.0.0 Safari/537.36',
    'referer': 'https://app.cornicelli.net/meteo/'
}
login_resp = session.post(login_url, data=login_data, headers=headers)

print(f"正在下载{today}数据...")
# 下载数据,数据文件会被保存在设定目录下
print(f"请勿关闭本窗口,预计需等待不超过26秒。")
ecmwf_data_file = session.get(f"{DATA_URL_ECMWF}")
with open(DATA_SAVE_DIR + FILE_NAME_ECMWF, "wb") as f:
    f.write(ecmwf_data_file.content)

print(f"{FILE_NAME_ECMWF} 数据文件下载完成...")
print(f"所有数据下载完毕,请在 {DATA_SAVE_DIR} 目录查看。\n5秒后程序自动退出。")
time.sleep(5)

                          
                        

11.社区论坛使用

我们的社区论坛与其他主流论坛相比功能上大同小异,它是一个正在处于快速更新迭代中的先行试用版本,我们正在全力改进它的功能以使其符合您的预期,欢迎您及时向我们反馈使用过程中存在的问题。请通过电子邮件联系我们,或在论坛中发帖阐述相关问题,您的观点随时在我们的特别关注之中。

您可以点击右上角的“发布新问题”按钮来表达您的关切,当然也可以通过此方法向我们反馈您的需求倡议,任何注册用户都可以回复您的问题,您也可以凭借您的经验为他人的问题答疑解惑。

右上角的搜索框可以帮助您快速搜索您感兴趣的内容,您只需键入一两个关键词再按Enter按钮发起搜索即可。

您可以为有价值的回答或评论点赞,点赞数量是衡量发言质量的重要因素,优质的发言都将被用户优先浏览。

您可以点击用户头像查看他们的详细信息,并通过邮件与您感兴趣的用户取得联系。

友善是社区的首要准则,请大家谨记。

12.查看更新记录

更新记录是记录我们改进用户使用体验的日志性内容,如果您对我们的站点发生了哪些变化有兴趣,请移步至更新记录页面查看详情。

13.常见问题

常见问题页面收录了用户疑虑最多的问题目录,如果您需要此文档之外的帮助,您可以在去论坛发帖求助之前查阅FAQ页面,或许会有令人欣喜的收获。

14.捐助我们

我们的宗旨是为气象爱好者和气象从业者提供优质可靠的精细化气象数据服务,我们渴望看到在我们有限的支持下我们的用户在自己深耕的领域有长足的进步,我们希望通过订阅计划有限地回收计算资源成本,在此基础上您的每一次捐助都将鼓舞我们在改进产品服务质量上更进一步。让我们为热爱干杯!

  • 开发文档
  • 更新记录
  • 关于
  • 捐助我们
  • Copyright © 2024 海天气象. 保留所有权利。
  • v2.0.0