Sci假论文爬虫

基于MIT的假论文生成器的爬虫,及简单的预处理

def fetch(start,end):
    t=0
    for t in xrange(start,end):
        urlText = []
        response = urllib2.urlopen('http://scigen.csail.mit.edu/cgi-bin/scigen.cgi?author=6&author=&author=&author=&author=')  
        html = response.read() 

        class parseText(HTMLParser.HTMLParser):
            def handle_data(self,data):
                if data != '\n' or data != '\n\n' or data!= '\n ' :
                    urlText.append(data)

        lParser = parseText()
        lParser.feed(html)

        #print urlText
        file_object = open('fakepaper/paper'+str(t)+'.txt', 'w')
        i=0
        while i<len(urlText):
            if 'Back to the SCIgen homepage.'==urlText[i]:
                del urlText[i]
                break
            else:
                del urlText[i]
        str2 = '\n'.join(urlText)
        str2 = ' '.join(str2.split('\n'))
        file_object.write(str2)
        file_object.close( )
        print t
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值