第五篇 Python统计论文被引量和自引量

Python统计论文被引量和自引量

昨天替老板写了一个统计文章被引次数的脚本，现在分享给大家，开源万岁！这里的引用统计是基于Web of Science的数据库，这就意味着你必须有Web of Science的账号或者你所在的ip可以正常使用它。适用于广大理工科的研究工作者，适用于英文主流期刊（SCI）的统计。中文核心要看Web of Science具体的收录情况。

所需库

wos

这个是Web of Science提供的数据接口，它有一个非常难读的官方说明，感兴趣的同学可以试一试：
http://ipscience-help.thomsonreuters.com/wosWebServicesLite/WebServicesLiteOverviewGroup/Introduction.html

re

这个库anaconda自带，可以用来处理字符串。我们扒取的各种网页信息实际上都是字符串，所以这个库在写爬虫的时候非常有用。

xml

这个库同样anaconda自带，wos返回的各种数据均是以xml格式存储的，所以需要用这个库处理。

sys

我们只调用了其中的exit函数，用来终止脚本。

代码实现

这个代码貌似很有用的样子，很多人哭着喊着想要，所以我就贴在这里。使用的话请注明作者和出处，禁止用于商业用途，开源就是开源！

# -*- coding: utf-8 -*-
"""
Created on Tue Feb 26 14:43:45 2019

@author: danphnis
"""

from wos import WosClient
import wos.utils
import xml.dom.minidom
import re
import sys

class paper:
    def __init__(self,xml_txt,r):
        self.year = int(xml_txt.childNodes[r*2-1].childNodes[r*1-1].childNodes[r*2-1].getAttribute('pubyear'))
        self.uid = xml_txt.childNodes[r*1-1].firstChild.data
        self.title = xml_txt.childNodes[r*2-1].childNodes[r*1-1].childNodes[r*3-1].childNodes[-r].firstChild.data
        print('已找到文章，开始处理，请核对文章名及DOI：')
        print(self.title)
        doi_temp = '未找到doi'
        if xml_txt.childNodes[r*3-1].childNodes[r*2-1].childNodes[r*1-1].childNodes[-r].hasAttribute('value'):
            doi_temp = xml_txt.childNodes[r*3-1].childNodes[r*2-1].childNodes[r*1-1].childNodes[-r].getAttribute('value')
        self.doi = doi_temp
        print(self.doi)
        
        self.loc = []
        self.org = []
        temp = xml_txt.childNodes[r*2-1].childNodes[r*2-1].childNodes[r*5-1]
        for i in range(int(temp.getAttribute('count'))):
            self.loc.append(temp.childNodes[r*i+r-1].childNodes[r*1-1]