Python实现一个论文下载器的过程
更新时间：2021年01月18日 10:05:24 作者：程序猿小白^
这篇文章主要介绍了Python实现一个论文下载器的过程,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
在科研学习的过程中，我们难免需要查询相关的文献资料，而想必很多小伙伴都知道SCI-HUB，此乃一大神器，它可以帮助我们搜索相关论文并下载其原文。可以说，SCI-HUB造福了众多科研人员，用起来也是“美滋滋”。
然而，当师姐告诉我：“xx，可以帮我下载几篇文献嘛?”。乐心助人的我自当是满口答应了，心想：“这种小事就交给我叭~”
于是乎，我收到了一个excel文档，66篇论文的列表安静地趟在里面（此刻心中碎碎念：“这尼玛，是几篇嘛...”）。我粗略算了一下，复制、粘贴、下载，一套流程走下来，每篇论文少说也得30秒，66篇的话....啊，这不能忍！
很显然，一篇一篇的下载，不是我的风格所以，我决定写一个论文下载器助我前行。
一、代码分析
代码分析的详细思路跟以往依旧如此雷同，逃不过的还是：抓包分析->模拟请求->代码整合。由于一会儿kimol君还得去搬砖，今天就不详细展开了。
1. 搜索论文
通过论文的URL、PMID、DOI号或者论文标题等搜索到对应的论文，并通过bs4库找出PDF原文的链接地址，代码如下：
def search_article(artName):
'''
搜索论文
---------------
输入：论文名
---------------
输出：搜索结果（如果没有返回""，否则返回PDF链接）
'''
url = 'https://www.sci-hub.ren/'
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:84.0) Gecko/20100101 Firefox/84.0',
'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
'Accept-Language':'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
'Accept-Encoding':'gzip, deflate, br',
'Content-Type':'application/x-www-form-urlencoded',
'Content-Length':'123',
'Origin':'https://www.sci-hub.ren',
'Connection':'keep-alive',
'Upgrade-Insecure-Requests':'1'}
data = {'sci-hub-plugin-check':'',
'request':artName}
res = requests.post(url, headers=headers, data=data)
html = res.text
soup = BeautifulSoup(html, 'html.parser')
iframe = soup.find(id='pdf')
if iframe == None: # 未找到相应文章
return ''
else:
downUrl = iframe['src']
if 'http' not in downUrl:
downUrl = 'https:'+downUrl
return downUrl
2. 下载论文
得到了论文的链接地址之后，只需要通过requests发送一个请求，即可将其下载：
def download_article(downUrl):
'''
根据论文链接下载文章
----------------------
输入：论文链接
----------------------
输出：PDF文件二进制
'''
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:84.0) Gecko/20100101 Firefox/84.0',
'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
'Accept-Language':'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
'Accept-Encoding':'gzip, deflate, br',
'Connection':'keep-alive',
'Upgrade-Insecure-Requests':'1'}
res = requests.get(downUrl, headers=headers)
return res.content
二、完整代码
将上述两个函数整合之后，我的完整代码如下：
# -*- coding: utf-8 -*-
"""
Created on Tue Jan 5 16:32:22 2021
@author: kimol_love
"""
import os
import time
import requests
from bs4 import BeautifulSoup
def search_article(artName):
'''
搜索论文
---------------
输入：论文名
---------------
输出：搜索结果（如果没有返回""，否则返回PDF链接）
'''
url = 'https://www.sci-hub.ren/'
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:84.0) Gecko/20100101 Firefox/84.0',
'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
'Accept-Language':'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
'Accept-Encoding':'gzip, deflate, br',
'Content-Type':'application/x-www-form-urlencoded',
'Content-Length':'123',
'Origin':'https://www.sci-hub.ren',
'Connection':'keep-alive',
'Upgrade-Insecure-Requests':'1'}
data = {'sci-hub-plugin-check':'',
'request':artName}
res = requests.post(url, headers=headers, data=data)
html = res.text
soup = BeautifulSoup(html, 'html.parser')
iframe = soup.find(id='pdf')
if iframe == None: # 未找到相应文章
return ''
else:
downUrl = iframe['src']
if 'http' not in downUrl:
downUrl = 'https:'+downUrl
return downUrl
def download_article(downUrl):
'''
根据论文链接下载文章
----------------------
输入：论文链接
----------------------
输出：PDF文件二进制
'''
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.3; Win64; x64; rv:84.0) Gecko/20100101 Firefox/84.0',
'Accept':'text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8',
'Accept-Language':'zh-CN,zh;q=0.8,zh-TW;q=0.7,zh-HK;q=0.5,en-US;q=0.3,en;q=0.2',
'Accept-Encoding':'gzip, deflate, br',
'Connection':'keep-alive',
'Upgrade-Insecure-Requests':'1'}
res = requests.get(downUrl, headers=headers)
return res.content
def welcome():
'''
欢迎界面
'''
os.system('cls')
title = '''
_____ _____ _____ _ _ _ _ ____
/ ____|/ ____|_ _| | | | | | | | _ \
| (___ | | | |______| |__| | | | | |_) |
\___ \| | | |______| __ | | | | _ <
____) | |____ _| |_ | | | | |__| | |_) |
|_____/ \_____|_____| |_| |_|\____/|____/
'''
print(title)
if __name__ == '__main__':
while True:
welcome()
request = input('请输入URL、PMID、DOI或者论文标题：')
print('搜索中...')
downUrl = search_article(request)
if downUrl == '':
print('未找到相关论文，请重新搜索！')
else:
print('论文链接：%s'%downUrl)
print('下载中...')
pdf = download_article(downUrl)
with open('%s.pdf'%request, 'wb') as f:
f.write(pdf)
print('---下载完成---')
time.sleep(0.8)
不出所料，代码一跑，我便轻松完成了师姐交给我的任务，不香嘛？
到此这篇关于Python实现一个论文下载器的过程的文章就介绍到这了,更多相关python论文下载器内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
您可能感兴趣的文章:
相关文章
今天小编就为大家分享一篇python中struct模块之字节型数据的处理方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-08-08
这篇文章主要为大家介绍了如何利用OpenCV实现视频的循环播放，本文为大家提供了两种方式，一个是利用Python语言实现，一个是利用C++语言实现，需要的可以参考一下2022-02-02
这篇文章主要介绍了Python利用前序和中序遍历结果重建二叉树的方法,实例分析了Python二叉树的定义与遍历操作技巧,需要的朋友可以参考下2016-04-04
下面小编就为大家带来一篇Python文件和流(实例讲解)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-09-09
今天小编就为大家分享一篇Python二进制串转换为通用字符串的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-07-07
这篇文章主要介绍了python3转换code128条形码的方法，非常不错，具有一定的参考借鉴价值,需要的朋友可以参考下2019-04-04
这篇文章主要介绍了python端口扫描系统实现方法,可实现简单的外网IP扫描及写入MySQL数据库等功能,需要的朋友可以参考下2014-11-11
这篇文章主要为大家详细介绍了Python绘制计算机CPU占有率变化的折线图，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2022-03-03
这篇文章主要为大家介绍了Python3.10新特性之match语句示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2023-02-02
这篇文章主要介绍了Python用requests库爬取返回为空的解决办法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-02-02
最新评论