【爬虫】使用Python爬取百度学术页面的标题、作者、摘要和关键词 ...

在本文中，我将介绍如何使用Python编写一个网络爬虫，从百度学术页面提取研究论文的标题、作者、摘要和关键词。我们将使用 requests和 BeautifulSoup库来实现这一目标。
安装所需库

首先，确保已安装所需的Python库：

1. pip install requests beautifulsoup4

复制代码

编写爬虫

以下是一个示例脚本：

1. import requests
2. from bs4 import BeautifulSoup
4. # 百度学术页面URL
5. url = "https://xueshu.baidu.com/usercenter/paper/show?paperid=7ea6e4650085a4bf2457468cc815cabe&site=xueshu_se"
7. # 请求头
8. headers = {
9.     "User-Agent": "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36"
10. }
12. # 发送请求
13. response = requests.get(url, headers=headers)
14. response.encoding = 'utf-8'
16. if response.status_code == 200:
17.     # 解析HTML
18.     soup = BeautifulSoup(response.text, 'html.parser')
20.     # 提取标题
21.     title_tag = soup.find('a', {'data-click': "{'act_block':'main','button_tp':'title'}"})
22.     title = title_tag.get_text(strip=True) if title_tag else "未找到标题"
24.     # 提取作者
25.     author_tag = soup.find('p', {'class': 'author_text'})
26.     author = author_tag.get_text(strip=True) if author_tag else "未找到作者"
28.     # 提取摘要
29.     abstract_tag = soup.find('p', {'class': 'abstract'})
30.     abstract = abstract_tag.get_text(strip=True) if abstract_tag else "未找到摘要"
32.     # 提取关键词
33.     keywords_tag = soup.find('div', {'class': 'kw_wr'})
34.     if keywords_tag:
35.         keywords = [keyword.get_text(strip=True) for keyword in keywords_tag.find_all('a')]
36.         keywords = ', '.join(keywords)
37.     else:
38.         keywords = "未找到关键词"
40.     # 打印提取结果
41.     print("标题:", title)
42.     print("作者:", author)
43.     print("摘要:", abstract)
44.     print("关键词:", keywords)
45. else:
46.     print("无法访问网页")

复制代码

代码表明

• 哀求头设置：使用哀求头模仿浏览器哀求，避免被网站屏蔽。
  
• 解析网页内容：使用BeautifulSoup解析HTML，提取所需信息。
  
• 处理未找到元素的情况：如果元素未找到，输出相应的提示信息。
  

运行脚本

将上述代码保存为一个Python文件，比方scraper.py，然后在命令行中运行：

1. python scraper.py

复制代码

结果

---

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。