- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
溢出物,
我目前正在从事一个无意的网络抓取项目,如果我能看到某些(公共(public))赠款产生了多少/哪些出版物,那将会很有用。如果我要手动执行此操作,我将访问此 query page ,输入授权号(如链接图像中所示),然后登陆此results page ,在左上角有我想要的数字——我可以通过路径 #hitCount\.top
获得.我遇到的问题是我认为没有任何可自动化的 GET
我可以在这里使用的方法。例如,对于授权 ID 1206221
结果页面的网址是:
http://apps.webofknowledge.com.proxy.library.stonybrook.edu/Search.do?product=WOS&SID=6FdNHV29fpcZSoXHZyz&search_mode=GeneralSearch&prID=b73e71a3-ddcd-443f-ab9b-282955dc3028
(注意:亲爱的读者,此 URL 不适合您。我将其包括在内以用于诊断/说明目的。)
我的第一个问题是,是否有可能拥有一个授权 ID 向量并自动检索出版物?如果是,那么 R 或 Python 包会帮助我吗?
谢谢你的智慧!
最佳答案
您可以通过 python 使用 Selenium 打开查询页面,找到并关注搜索框,使用 send_keys 输入一些输入(在您的情况下为授权 ID),然后使用 click() 单击搜索按钮(或以其他方式触发HTML 表单的 SUBMIT Action 使用 submit())。然后,Selenium 会以与普通浏览器相同的方式将您带到结果页面,即使 GET 请求参数是以某种方式动态生成的,无论是使用 JavaScript,服务器端的 session 变量和 cookie ID 号等。您最终会在 page_source 变量中获得结果页面的 HTML,您可以使用正则表达式或 BeautifulSoup 来抓取它(如果结果页面恰好是由 JavaScript 等动态生成的,您可以再次使用 Selenium在生成的页面中找到您想要的内容)。
页面中的元素,如搜索框,可以使用多种识别方法来挑选——如果它在 HTML 中具有唯一的“名称”或“ID”属性,这通常是最简单的(否则,请尝试 XPATH 查询或 CSS 选择器)。由于您只发布了页面的屏幕截图,因此我们无法查看源代码来确切说明什么会起作用。
如果您想破解代码并发布代码片段,人们可以对其发表评论。同时,这里有一些关于这种通用技术的教程,几乎可以肯定它们可以用于抓取您的网站。如果您还没有它,您将需要使用 selenium 和 webdriver(例如 Chromedriver)设置 python。这可以使用 GUI 运行(屏幕上会弹出一个浏览器窗口,您会看到 Python 正在填写表单),也可以 headless 运行(隐藏)。
https://www.scrapingbee.com/blog/selenium-python/
https://www.tutorialspoint.com/what-are-the-ways-of-submitting-a-form-in-selenium-with-python
关于python - 抓取由搜索/身份验证生成的页面,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/64977150/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!