快捷導(dǎo)航

Python實(shí)現(xiàn)一個(gè)論文下載器的過(guò)程

更新時(shí)間：2021年01月18日 10:05:24 作者：程序猿小白^

這篇文章主要介紹了Python實(shí)現(xiàn)一個(gè)論文下載器的過(guò)程,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下

在科研學(xué)習(xí)的過(guò)程中，我們難免需要查詢相關(guān)的文獻(xiàn)資料，而想必很多小伙伴都知道SCI-HUB，此乃一大神器，它可以幫助我們搜索相關(guān)論文并下載其原文。可以說(shuō)，SCI-HUB造福了眾多科研人員，用起來(lái)也是“美滋滋”。

然而，當(dāng)師姐告訴我：“xx，可以幫我下載幾篇文獻(xiàn)嘛?”。樂(lè)心助人的我自當(dāng)是滿口答應(yīng)了，心想：“這種小事就交給我叭~”

于是乎，我收到了一個(gè)excel文檔，66篇論文的列表安靜地趟在里面（此刻心中碎碎念：“這尼瑪，是幾篇嘛...”）。我粗略算了一下，復(fù)制、粘貼、下載，一套流程走下來(lái)，每篇論文少說(shuō)也得30秒，66篇的話....啊，這不能忍！

很顯然，一篇一篇的下載，不是我的風(fēng)格所以，我決定寫(xiě)一個(gè)論文下載器助我前行。

一、代碼分析

代碼分析的詳細(xì)思路跟以往依舊如此雷同，逃不過(guò)的還是：抓包分析->模擬請(qǐng)求->代碼整合。由于一會(huì)兒kimol君還得去搬磚，今天就不詳細(xì)展開(kāi)了。

1. 搜索論文

通過(guò)論文的URL、PMID、DOI號(hào)或者論文標(biāo)題等搜索到對(duì)應(yīng)的論文，并通過(guò)bs4庫(kù)找出PDF原文的鏈接地址，代碼如下：

def search_article(artName):
 '''
 搜索論文
 ---------------
 輸入：論文名
 ---------------
 輸出：搜索結(jié)果（如果沒(méi)有返回""，否則返回PDF鏈接）
 '''
 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: # 未找到相應(yīng)文章
  return ''
 else:
  downUrl = iframe['src']
  if 'http' not in downUrl:
   downUrl = 'https:'+downUrl
  return downUrl

2. 下載論文

得到了論文的鏈接地址之后，只需要通過(guò)requests發(fā)送一個(gè)請(qǐng)求，即可將其下載：

def download_article(downUrl):
 '''
 根據(jù)論文鏈接下載文章
 ----------------------
 輸入：論文鏈接
 ----------------------
 輸出：PDF文件二進(jìn)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、完整代碼

將上述兩個(gè)函數(shù)整合之后，我的完整代碼如下：

# -*- 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):
 '''
 搜索論文
 ---------------
 輸入：論文名
 ---------------
 輸出：搜索結(jié)果（如果沒(méi)有返回""，否則返回PDF鏈接）
 '''
 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: # 未找到相應(yīng)文章
  return ''
 else:
  downUrl = iframe['src']
  if 'http' not in downUrl:
   downUrl = 'https:'+downUrl
  return downUrl
  
def download_article(downUrl):
 '''
 根據(jù)論文鏈接下載文章
 ----------------------
 輸入：論文鏈接
 ----------------------
 輸出：PDF文件二進(jìn)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():
 '''
 歡迎界面
 '''
 os.system('cls')
 title = '''
    _____ _____ _____  _ _ _ _ ____ 
    / ____|/ ____|_ _| | | | | | | | _ \ 
    | (___ | |  | |______| |__| | | | | |_) |
    \___ \| |  | |______| __ | | | | _ < 
    ____) | |____ _| |_  | | | | |__| | |_) |
    |_____/ \_____|_____| |_| |_|\____/|____/
    
   '''
 print(title)
 
if __name__ == '__main__':
 while True:
  welcome()
  request = input('請(qǐng)輸入U(xiǎn)RL、PMID、DOI或者論文標(biāo)題：')
  print('搜索中...')
  downUrl = search_article(request)
  if downUrl == '':
   print('未找到相關(guān)論文，請(qǐng)重新搜索！')
  else:
   print('論文鏈接：%s'%downUrl)
   print('下載中...')
   pdf = download_article(downUrl)
   with open('%s.pdf'%request, 'wb') as f:
    f.write(pdf)
   print('---下載完成---')
  time.sleep(0.8)

不出所料，代碼一跑，我便輕松完成了師姐交給我的任務(wù)，不香嘛？

到此這篇關(guān)于Python實(shí)現(xiàn)一個(gè)論文下載器的過(guò)程的文章就介紹到這了,更多相關(guān)python論文下載器內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: