当科研遇见python
R语言分析技术
扩增子专题
基于phyloseq的微生物群落分析
代谢组专题
当科研遇见python
杂谈
所需模块
定义函数
扫描下方二维码加入群聊
当科研遇见python
python爬虫爬取nature网站
历史目录
很高兴开展这一专栏的写作，本专栏作者抱起大块块将python之道结合科学研究以别样的方式让我们逐渐明朗--当科研遇见python 两者会产生怎样的火花呢？
下面来看看我们抱起大块块的表演：
python爬虫爬取nature网站
我们知道nature是开放性期刊，并且是静态的，爬取非常容易，今天我将为演示如何通过关键词，使用python爬取nature网站。
本函数运行
所需模块
import requests
import bs4
from bs4 import BeautifulSoup
import traceback
import re
import time
from fake_useragent import UserAgent
from pandas import Series,DataFrame
import pandas as pd
import numpy as np
定义函数
#获取url
def getHTMLText(url):#获取url
try:
ua = UserAgent()
user_agent = ua.random
print(user_agent)
headers = {'User-Agent': user_agent, 'Connection': 'close'}
r = requests.get(url, timeout = 30,headers=headers)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
print('网络连接错误')
下载PDF函数
def downPDF(tag):
for i in range(len(tag)):#下载pdf
downURL='https://www.nature.com/articles/'+herf[i]+'.pdf'
r = requests.get(downURL)
f=open('生成文件/'+herf[i]+'.pdf','wb')
f.write(r.content)
f.close()
获得文献ID
def getID(html,herf):#获得文献ID
tag = re.findall(r'href="/articles/s\w*-\w*-\w*-\w*', html) # 获取id
for i in range(len(tag)):
herf.append(tag[i].split('s/')[1])
获取DOI号
def getList(herf,list):
for i in herf:
r = requests.get('https://www.nature.com/articles/'+i)
print(i)
html = r.text
soup = BeautifulSoup(html,'html.parser')
title = soup.find(attrs={'name':'dc.title'})['content']
#publisher =soup.find(attrs={'name':'dc.publisher'})['content']
description =soup.find(attrs={'name':'dc.description'})['content']
doi = soup.find(attrs={'name':'prism.doi'})['content']
creator =soup.find(attrs={'name':'dc.creator'})['content']
list.append(title)
list.append(creator)
list.append(doi)
list.append(description)
time.sleep(5)
#list.append(doi)
计数函数
def printWenxianList(list):
tplt = '{:10}\t{:10}\t{:10}\t{:10}\t{:30}'
print(tplt.format("序号","题目","作者","DOI","摘要"))
count = 0
for g in list:
count=count+1
print(tplt.format(count,g[0],g[1],g[2],g[3]))'''
主函数 这里设置查找10页，根据自己需求更改页数
def main():
key = input('请输入关键字')
#key='iron'
depth =10
start_url ='https://www.nature.com/search?q='+key
herf = []
list = []
for i in range(1,depth):
try:
if i==1:
url=start_url
else:
url=start_url+'&page='+str(i)
html = getHTMLText(url)
getID(html,herf)
except:
print('程序错误')
print(herf)
getList(herf,list)
print(list)
data = np.array(list).reshape(int(len(list) / 4), 4)
df = DataFrame(data, columns=['title', 'author', 'doi', '摘要'])
df.to_csv('生成文件/ceshi.csv', sep='?')
main()
#print(herf)
#print(herf)
按照以上思路，我又写了：微生物领域的三个期刊。如果有需要可以连续我进行代码的索取或者加入群聊：微生信生物
专栏作者介绍： 抱起大快快，热衷于python，希望自己的生活科研可以拥抱python。尝试使用爬虫，科学数据处理，机器学习等处理科研中遇到的小困难。总之他愿意将python交给科研，两者究竟会如何摩擦，接下来的一段日子就拭目以待。