關(guān)于Python?Selenium自動化導出新版WOS(web?of?science)檢索結(jié)果的問題

更新時間：2022年01月07日 14:44:59 作者：Parzival_

這篇文章主要介紹了Python?Selenium自動化導出新版WOS(web?of?science)檢索結(jié)果,本代碼屬于半自動化導出，考慮到開發(fā)效率等因素，有兩處在首次導出時需要手動操作，具體實現(xiàn)過程跟隨小編一起看看吧

selenium 介紹

selenium 是一個 web 的自動化測試工具，不少學習功能自動化的同學開始首選 selenium ，因為它相比 QTP 有諸多有點：

免費，也不用再為破解 QTP 而大傷腦筋
小巧，對于不同的語言它只是一個包而已，而 QTP 需要下載安裝1個多 G 的程序。
這也是最重要的一點，不管你以前更熟悉 C、 java、ruby、python、或都是 C# ，你都可以通過 selenium 完成自動化測試，而 QTP 只支持 VBS
支持多平臺：windows、linux、MAC ，支持多瀏覽器：ie、ff、safari、opera、chrome
支持分布式測試用例的執(zhí)行，可以把測試用例分布到不同的測試機器的執(zhí)行，相當于分發(fā)機的功能。

官方文檔：

https://selenium-python.readthedocs.io/index.html
https://seleniumhq.github.io/selenium/docs/api/py/api.html

寫在前面

有的時候需要某個領(lǐng)域的所有論文數(shù)據(jù)，此時web of science數(shù)據(jù)庫檢索的論文結(jié)果可能動輒上萬甚至幾十萬，然而網(wǎng)站限制單次導出條數(shù)為1000（如果需要引文字段則僅500，僅導出為txt可包含引用詳細信息），需要導出幾十上百次，手動做太費神，因此寫一個爬蟲腳本自動導出。

2022.1.6舊版web of science正式下線了，這里是對新版網(wǎng)站重新開發(fā)的自動化導出代碼。

使用本代碼需要：

國內(nèi)大學學生賬號(登錄wos使用)
火狐瀏覽器
geckodriver 0.24.0 (放在爬蟲代碼同一個文件夾下)

嚴格來說本代碼屬于半自動化導出，考慮到開發(fā)效率等因素，有兩處在首次導出時需要手動操作，后文細說。

遇到“selenium.common.exceptions.NoSuchElementException: Message: Unable to locate element: …”的報錯首先排查網(wǎng)絡問題，可以把對應代碼行之前的瀏覽器等待時間加長。

正文

代碼情況：

輸入：wos檢索結(jié)果網(wǎng)址、需要導出的條數(shù)、導出結(jié)果存儲路徑
輸出：導出文件（格式自選，一般txt/excel）

1、需要導入的包，以及測試入口。

其中url是在完成wos檢索之后的檢索頁面網(wǎng)址。

from selenium import webdriver
from selenium.webdriver.common.keys import Keys
import time
import os
from selenium.webdriver.support.wait import WebDriverWait
from selenium.webdriver.support import expected_conditions as EC
from selenium.webdriver.common.by import By

if __name__=='__main__':

    '''WOS“檢索結(jié)果”頁面的網(wǎng)址'''
    url = 'https://www.webofscience.com/wos/woscc/summary/64c4e5ff-832d-476d-8112-51e908a600b1-1d5405d5/relevance/1'
    
    startdownload(url,80195,'/Users/username/folder',False) # 主要函數(shù)
    print('Done')

2、主要函數(shù)

兩次手動操作：

首次打開wos必須登錄, 在學校統(tǒng)一身份認證處需要手動輸入信息并點擊登錄;
第一次導出時需要手動修改文件處理方式為"保存文件", 并勾選"以后都采用相同動作處理此類文件"

輸入?yún)?shù)見函數(shù)說明。

選擇導出格式處給出了excel和txt兩種，默認excel，可自選。

def startdownload(url,record_num,SAVE_TO_DIRECTORY,record_format='excel',reverse=False):
    '''url -> 檢索結(jié)果網(wǎng)址; \n 
       record_num -> 需要導出的記錄條數(shù)(檢索結(jié)果數(shù)); \n
       SAVE_TO_DIRECTORY -> 記錄導出存儲路徑(文件夾);\n
       record_format -> 導出記錄格式, default='excel';\n
       reverse -> 是否設(shè)置檢索結(jié)果降序排列, default=False \n
       ----------------------------------------------------
       tip1:首次打開wos必須登錄,在學校統(tǒng)一身份認證處需要手動輸入驗證碼并點擊登錄; 
       tip2:第一次導出時需要手動修改文件處理方式為"保存文件",并勾選"以后都采用相同動作處理此類文件"
    '''
    # SAVE_TO_DIRECTORY = '/Users/chenzijing/Desktop/研/畢業(yè)論文/畢設(shè)研/代碼/論文數(shù)據(jù)'#/firefox'
    fp = webdriver.FirefoxProfile()
    fp.set_preference('browser.download.dir', SAVE_TO_DIRECTORY)
    fp.set_preference("browser.download.folderList", 2)
    fp.set_preference("browser.download.manager.showWhenStarting", False)
    fp.set_preference("browser.helperApps.neverAsk.saveToDisk", "text/plain")
    browser = webdriver.Firefox(executable_path=r'geckodriver',firefox_profile=fp)
    browser.get(url)
    time.sleep(3)
    login(browser)
    browser.get(url)
    time.sleep(5)
    '''獲取需要導出的文獻數(shù)量'''
    # record_num = int(browser.find_element_by_css_selector('.brand-blue').text)
    # 按時間降序排列
    if reverse: 
        browser.find_element_by_css_selector('.top-toolbar wos-select:nth-child(1) button:nth-child(1) span:nth-child(2)').click()
        browser.find_element_by_css_selector("div.wrap-mode:nth-child(2) span:nth-child(1)").click() 
        time.sleep(3)
    # 叉掉彈窗
    browser.find_element_by_css_selector('#onetrust-accept-btn-handler').click()
    time.sleep(1)
    browser.find_element_by_css_selector('#pendo-close-guide-7176fce7').click()
    # 開始導出
    start = 1 # 起始記錄
    i = 0 # 導出記錄的數(shù)字框id隨導出次數(shù)遞增
    while start<record_num:
        browser.find_element_by_css_selector('button.cdx-but-md:nth-child(2) span:nth-child(1)').click() # 導出
        # 選擇導出格式
        if record_format=='excel':
            browser.find_element_by_css_selector('#exportToExcelButton').click() # 選擇導出格式為excel
        else:
            browser.find_element_by_css_selector('#exportToFieldTaggedButton').click() # 選擇導出格式為txt
        browser.find_element_by_css_selector('#radio3 label:nth-child(1) span:nth-child(1) span:nth-child(1)').click() # 選擇自定義記錄條數(shù)
        send_key(browser,'#mat-input-%d'%i,start)#mat-input-2
        send_key(browser,'#mat-input-%d'%(i+1),start+999)
        browser.find_element_by_css_selector('.margin-top-5 button:nth-child(1)').click() # 更改導出字段
        browser.find_element_by_css_selector('div.wrap-mode:nth-child(3) span:nth-child(1)').click() # 選擇所需字段(3完整)(4自定義)
        browser.find_element_by_css_selector('div.flex-align:nth-child(3) button:nth-child(1)').click() # 點擊導出
        time.sleep(10) # 等待下載完畢
        # 導出文件按照包含的記錄編號重命名
        rename_file(SAVE_TO_DIRECTORY,'record-'+str(start)+'-'+str(start+999))
        start = start + 1000
        i = i + 2
    time.sleep(10)
    browser.quit()

3、主要函數(shù)中調(diào)用的其他函數(shù)

login函數(shù)中“學校的統(tǒng)一身份驗證”部分可以選擇手動，或者根據(jù)學校網(wǎng)站自行修改。
其他無需修改。

def login(browser):
    '''登錄wos'''
    # 通過CHINA CERNET Federation登錄
    browser.find_element_by_css_selector('.mat-select-arrow').click()
    browser.find_element_by_css_selector('#mat-option-9 span:nth-child(1)').click()
    browser.find_element_by_css_selector('button.wui-btn--login:nth-child(4) span:nth-child(1) span:nth-child(1)').click()
    time.sleep(3)
    login = browser.find_element_by_css_selector('#show')
    login.send_keys('xxxx大學') # 改成你的學校名
    time.sleep(0.5)
    browser.find_element_by_css_selector('.dropdown-item strong:nth-child(1)').click()
    browser.find_element_by_css_selector('#idpSkipButton').click()
    time.sleep(1)
    #! 跳轉(zhuǎn)到學校的統(tǒng)一身份驗證(想自動輸入賬號密碼就把下面兩行注釋解除,按照自己學校的網(wǎng)址修改一下css選擇器路徑)
    # browser.find_element_by_css_selector('input#un').send_keys('你的學號') # 改成你的學號/賬號
    # browser.find_element_by_css_selector('input#pd').send_keys('你的密碼') # 改成你的密碼
    time.sleep(20) #! 手動輸入賬號、密碼、驗證碼，點登錄
def send_key(browser,path,value):
    '''browser -> browser;\n
       path -> css選擇器;\n
       value -> 填入值
    '''
    markto=browser.find_element_by_css_selector(path)
    markto.clear()
    markto.send_keys(value)
def rename_file(SAVE_TO_DIRECTORY,name,record_format='excel'):
    '''導出文件重命名 \n
       SAVE_TO_DIRECTORY -> 導出記錄存儲位置(文件夾)；\n 
       name -> 重命名為
    '''
    # files = list(filter(lambda x:'savedrecs' in x and len(x.split('.'))==2,os.listdir(SAVE_TO_DIRECTORY)))
    while True:
        files = list(filter(lambda x:'savedrecs' in x and len(x.split('.'))==2,os.listdir(SAVE_TO_DIRECTORY)))
        if len(files)>0:
            break
    files = [os.path.join(SAVE_TO_DIRECTORY, f) for f in files]  # add path to each file
    files.sort(key=lambda x: os.path.getctime(x))
    newest_file = files[-1]
    # newest_file=os.path.join(SAVE_TO_DIRECTORY,'savedrecs.txt')
    if record_format=='excel':
        os.rename(newest_file, os.path.join(SAVE_TO_DIRECTORY, name+".xls"))
    else:
        os.rename(newest_file, os.path.join(SAVE_TO_DIRECTORY, name+".txt"))

4、導出結(jié)果

部分結(jié)果，展示導出形式。

到此這篇關(guān)于Python Selenium自動化導出新版WOS(web of science)檢索結(jié)果的文章就介紹到這了,更多相關(guān)Python Selenium自動化內(nèi)容請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: