- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我正在使用 Python 3.2.3 urllib.request
模块下载 Google 搜索结果,但我在 urlopen
适用于指向 Google 搜索结果的链接,但不适用于 Google 学术搜索。在此示例中,我正在搜索 "JOHN SMITH"
。此代码成功打印 HTML:
from urllib.request import urlopen, Request
from urllib.error import URLError
# Google
try:
page_google = '''http://www.google.com/#hl=en&sclient=psy-ab&q=%22JOHN+SMITH%22&oq=%22JOHN+SMITH%22&gs_l=hp.3..0l4.129.2348.0.2492.12.10.0.0.0.0.154.890.6j3.9.0...0.0...1c.gjDBcVcGXaw&pbx=1&bav=on.2,or.r_gc.r_pw.r_qf.,cf.osb&fp=dffb3b4a4179ca7c&biw=1366&bih=649'''
req_google = Request(page_google)
req_google.add_header('User Agent', 'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:15.0) Gecko/20120427 Firefox/15.0a1')
html_google = urlopen(req_google).read()
print(html_google[0:10])
except URLError as e:
print(e)
但是这段代码对 Google Scholar 做了同样的事情,引发了一个 URLError
异常:
from urllib.request import urlopen, Request
from urllib.error import URLError
# Google Scholar
try:
page_scholar = '''http://scholar.google.com/scholar?hl=en&q=%22JOHN+SMITH%22&btnG=&as_sdt=1%2C14'''
req_scholar = Request(page_scholar)
req_scholar.add_header('User Agent', 'Mozilla/5.0 (Windows NT 6.1; WOW64; rv:15.0) Gecko/20120427 Firefox/15.0a1')
html_scholar = urlopen(req_scholar).read()
print(html_scholar[0:10])
except URLError as e:
print(e)
回溯:
Traceback (most recent call last):
File "/home/ak5791/Desktop/code-sandbox/scholar/crawler.py", line 6, in <module>
html = urlopen(page).read()
File "/usr/lib/python3.2/urllib/request.py", line 138, in urlopen
return opener.open(url, data, timeout)
File "/usr/lib/python3.2/urllib/request.py", line 369, in open
response = self._open(req, data)
File "/usr/lib/python3.2/urllib/request.py", line 387, in _open
'_open', req)
File "/usr/lib/python3.2/urllib/request.py", line 347, in _call_chain
result = func(*args)
File "/usr/lib/python3.2/urllib/request.py", line 1155, in http_open
return self.do_open(http.client.HTTPConnection, req)
File "/usr/lib/python3.2/urllib/request.py", line 1138, in do_open
raise URLError(err)
urllib.error.URLError: <urlopen error [Errno -5] No address associated with hostname>
我通过在 Chrome 中搜索并从那里复制链接获得了这些链接。一位评论者报告了 403 错误,我有时也会遇到这种情况。我想这是因为谷歌不支持抓取学术搜索。但是,更改用户代理字符串并不能解决这个或原来的问题,因为大多数时候我都会遇到URLErrors
。
最佳答案
This PHP script似乎表明您需要在 Google 为您提供结果之前设置一些 cookie:
/*
Need a cookie file (scholar_cookie.txt) like this:
# Netscape HTTP Cookie File
# http://curlm.haxx.se/rfc/cookie_spec.html
# This file was generated by libcurl! Edit at your own risk.
.scholar.google.com TRUE / FALSE 2147483647 GSP ID=353e8f974d766dcd:CF=2
.google.com TRUE / FALSE 1317124758 PREF ID=353e8f974d766dcd:TM=1254052758:LM=1254052758:S=_biVh02e4scrJT1H
.scholar.google.co.uk TRUE / FALSE 2147483647 GSP ID=f3f18b3b5a7c2647:CF=2
.google.co.uk TRUE / FALSE 1317125123 PREF ID=f3f18b3b5a7c2647:TM=1254053123:LM=1254053123:S=UqjRcTObh7_sARkN
*/
Python recipe for Google Scholar comment 证实了这一点,其中包括一条警告,指出 Google 会检测脚本,如果您过度使用它,将会禁用您。
关于python - 为什么urlopen可以下载谷歌搜索页面,不能下载谷歌学术搜索页面?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11484250/
对于我正在学习的类(class),我们正在手动实现 3DES 方案,这在纸面上非常简单(双 key ,使用 EDE 加密)。我选择了 Java 作为实现语言,但遇到了一个问题,即它如何使用不同的 ke
我正在上计算机安全类(class),我们的一项任务是对具有弱 key 的 DES 进行暴力破解。 我的代码: public static void main(String[] args) th
到目前为止我的代码是: public class TripleDES { /** * @param args the command line arguments * @t
到目前为止我的代码是: public class TripleDES { /** * @param args the command line arguments * @t
我正在尝试查找任何分析 Qt 和 Qt Creator 最新版本的研究/学术/期刊论文/文章。 具体来说,我试图从实时安全关键的角度评估 Qt,所以任何信息都是有帮助的。 附言我尝试了典型的搜索方法:
我在这里试图找到我在 Java 中的合并排序实现中的错误,但我的头发掉了: Input: 10 9 8 7 6 5 4 3 2 1 Output: 5 4 3 2 1 10 9 8 7 6
我正在使用graph search Microsoft 学术 API 检索论文的引文 ID 和引用 ID 的方法。然而,虽然检索引文 ID 有效,但引用 ID 字段始终为空,即使对于应该具有链接引用文
是否有任何好的方法/解决方法来获取学科和子字段层次结构信息? 例如,光学是物理学的子学科,它有 gem 学、光学物理学等子学科。哪个实习生可能有另一个子研究领域? 最佳答案 首先,使用 these i
我正在使用 Bootstrap 为生物医学工程 session 设计一个网站,但在针对移动设备进行配置时遇到了一些问题。 具体来说,在标题为 cochairs.html 的页面上,折叠的导航栏与其下方
我是一名优秀的程序员,十分优秀!