我想使用 python 来抓取谷歌学术搜索结果。我找到了两个不同的脚本来做到这一点，一个是gscholar.py https://github.com/venthur/gscholar另一个是scholar.py（那个可以用作 python 库吗？）。
现在，我也许应该说我对 python 完全陌生，如果我错过了显而易见的事情，我很抱歉！
问题是当我使用gscholar.py正如自述文件中所述，我得到的结果是
query() takes at least 2 arguments (1 given).
即使我指定了另一个参数（例如gscholar.query("my query", allresults=True), I get
query() takes at least 2 arguments (2 given).
这让我很困惑。我还尝试指定第三个可能的参数（outformat=4;这是 BibTex 格式），但这给了我一个函数错误列表。一位同事建议我导入 BeautifulSoup 并this http://code.activestate.com/recipes/523047-search-google-scholar/在运行查询之前，但这也不会改变问题。有什么建议如何解决问题吗？
我找到了 R 的代码（参见link http://www.github.com/gimoya/theBioBucket-Archives/blob/master/R/Functions/GScholarScraper_3.1.R）作为解决方案，但很快就被谷歌屏蔽了。也许有人可以建议如何改进该代码以避免被阻止？任何帮助，将不胜感激！谢谢！
我建议您不要使用特定的库来抓取特定的网站，而是使用经过良好测试且具有良好格式文档的通用 HTML 库，例如 BeautifulSoup。
要使用浏览器信息访问网站，您可以使用带有自定义用户代理的 url opener 类：
from urllib import FancyURLopener
class MyOpener(FancyURLopener):
version = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_9_2) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/33.0.1750.152 Safari/537.36'
openurl = MyOpener().open
然后下载所需的url，如下：
openurl(url).read()
要检索学者结果，只需使用http://scholar.google.se/scholar?hl=en&q=${query} url.
要从检索到的 HTML 文件中提取信息，您可以使用这段代码：
from bs4 import SoupStrainer, BeautifulSoup
page = BeautifulSoup(openurl(url).read(), parse_only=SoupStrainer('div', id='gs_ab_md'))
这段代码提取了一个具体的div包含 Google 学术搜索结果页面中显示的结果数的元素。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
