爬虫——Python爬英文文献ScienceDirect论文的标题、摘要，并保存在本地

最新推荐文章于 2023-05-29 18:48:38 发布

沼泽深处的王

最新推荐文章于 2023-05-29 18:48:38 发布

阅读量6.7k

点赞数 11

分类专栏：爬虫文章标签： python 数据挖掘

本文链接：https://blog.csdn.net/zeshen123/article/details/109299657

版权

相对于上一篇爬百度学术的，这篇爬的是ScienceDirect，英文版的，这里面提供的内容更全，有标题，完整摘要，作者，论文相关信息等
注意需要科学上网才能爬取

import time

import requests
from bs4 import BeautifulSoup
from urllib.request import quote

search = input('请输入关键词：')
kwen = search.encode('utf-8') #将汉字，用utf格式编码，赋值给gbkkw
f = open('Sciencedirect.txt', 'w', encoding ='utf-8') #创建txt格式文件，方便等会存储
#添加请求头，模拟浏览器正常访问，避免被反爬虫
headers={
   'user-agent':'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'}
for x in range(4): #想要爬取多少页数据
    #time.sleep(10)
    #https://ieeexplore.ieee.org/search/searchresult.jsp?newsearch=true&queryText=TCM%20treatment&highlight=true&returnType=SEARCH&matchPubs=true&pageNumber=1&returnFacets=ALL
    #https: // www.sciencedirect.com / search?qs = TCM & offset = 50
    url = 'https://www.sciencedirect.com/search?qs='+quote(kwen)+'&offset='+str(x*10)
    res = requests.get(url,headers = headers)
    print(res.status_code) #查看是否能获取数据
    bs1 = BeautifulSoup(res.text, 'html.parser') #解析数据
    list_titles = bs1.find_all('div'