python爬取会议论文pdf_【python2.7】爬取知网论文

# -*- coding: utf-8 -*-

import time

import urllib

import urllib2

import cookielib

from lxml import etree

import random

'''

爬取第一页,获取共页数

爬取第二页至最后一页

'''

# 下载当前页所有文章的pdf或caj

def download_paper(treedata, opener, localdir):

'''

传入参数:

treedata:当前列表页的treedata数据

opener: referer已修改为当前页

localdir: 保存目录

'''

tr_node = treedata.xpath("//tr[@bgcolor='#f6f7fb']|//tr[@bgcolor='#ffffff']")

for item in tr_node:

paper_title = item.xpath("string(td/a[@class='fz14'])")

paper_link = item.xpath("td/a[@class='fz14']/@href")

paper_author = item.xpath("td[@class='author_flag']/a/text()")

paper_source = item.xpath("td[4]/a/text()")

paper_pub_date = item.xpath("td[5]/text()")

paper_db = item.xpath("td[6]/text()")

paper_cited = item.xpath("td[7]//a/text()")

paper_download_count = item.xpath("td[8]/span/a/text()")

print paper_title

print paper_link

# 获取paper详情页面链接,访问详情页前,要设置referer

paper_detail_url_fake = "http://kns.cnki.net" + paper_link[0]

response = opener.open(paper_detail_url_fake)

paper_detail_page_treedata = etree.HTML(response.read())

# 下载前要设置referer为详情页

opener.addheaders = [("Referer", response.url)]

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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