cpu显示无效查询 wmic_无效决定的爬取、批量读取Python实现

在上一篇文章《开源Python爬取复审委决定代码——共享1.9万无效决定》中，公开了从专利复审委网站爬取决定的Python源代码，并共享了所爬取的无效决定和复审决定。从结果来看，大家对共享的决定，特别是无效决定比较感兴趣，百度网盘显示累计保存600多次，下载400多次。

为了方便维护，集思广益，我已将源代码托管到GITHUB上，名称为botouzi/Python-patent，网址为：https://github.com/botouzi/Python-patent，欢迎Star以及Fork。另外，在GITHUB上我也托管了批量读取无效决定的Python源代码，在同一个目录里。

GITHUB上托管Python源代码爬取流程

在Github托管的无效决定爬取Python源代码的思路是，根据决定号与网址的关系，直接获取某个无效决定的网址。以决定号为36696为例，其网址为后半段为：decidedetail.jsp?jdh=36696&lx=wx，进入该页面，利用网页的开发者工具，可以获得该决定号word文档的网络存储地址，如下图所示。

利用xpath进行解析提取，可以获取word文档网址，将该word文档读写到本地存储即可。决定号是变化且连续的，利用循环，可以实现决定号的连续提取。

该爬取方法相对简单，但缺点是如果网址发生变化，将导致爬取失败。实际上，复审委网站提供了采用决定号进行查询的输入框，利用该输入框，可以进行Python模拟查询爬取。

Python模拟查询爬取流程

专利复审委提供了决定号查询功能，如下图所示，用Python模拟输入决定号后36696，跳转至“审查决定查询”页面。由于决定号是模糊查询，可能导致查询列表中出现复审决定，但可以根据具体链接构造或者时间等定位无效决定网址，从而抽取该网址，其后的爬取方法可见托管的源代码。对于复审决定亦是如此。

由于我先前已经共享了无效决定，所以再爬取时可以设定一定余量，不必从头开始。

相较于以前的代码，由于多了查询、抽取网址步骤，运行效率变低。但如果决定网址变更，这种方法可用来爬取更新的决定。

Python批量读取无效决定

无效决定的格式统一，可以利用Python批量读取决定的表格信息和无效结论。下载的word文档均为doc格式，需要先转化为docx格式，以方便批量读取。无效决定有多个表格，其中无效表格信息为tables[1]。具体源代码见下图：

Excel中写入的内容如下图所示：

由于需要循环定位无效结论的段落，并且使用了表格，读取效率不高，该代码也托管到GITHUB上了，欢迎改进共享。

所读取的EXCEL文档我整理好后,也会共享到GITHUB上。