python知网下载_GitHub - ppho99/CNKI-download: 知网(CNKI)文献下载及文献速览爬虫

CNKI_download 中国知网爬虫

项目是基于Python3 实现的爬取知网数据的爬虫，可根据知网高级检索进行搜索，提供文献基本信息、文献下载、文献摘要等详细信息爬取功能。

实现过程可以查看我的博客

程序运行如下：

详细信息excel表格如下：

下载caj如下：

特点

通过发送解析包形式抓取数据，相比于使用selenium等方式性能稍高一些。

可使用知网高级检索功能进行搜索，更高效检索文献。

可根据网络及知网反爬虫情况选择性开启详细信息抓取及下载caj文献功能。

利用excel表格快速查看所需文献摘要等信息，可根据excel提供下载链接选择性下载，防止下载过快导致知网反爬。

使用方法

安装依赖

在验证码处理部分使用了tesserocr，不过验证效果目前不是很好，所以默认开启手动识别验证码。

如果本地没有安装tesseract，可以先安装这个，再执行pip install tesserocr。或者将CrackVerifyCode.py文件第15、63、64行注释后再执行安装命令。

pip install -r requirements.txt

配置选项

# Config.ini 为项目配置文件

# 0为关闭 1为开启

isDownloadFile = 1 # 是否下载文件

isCrackCode=0 # 是否自动识别验证码

isDetailPage=0 # 是否保存文献详细信息到excel

isDownLoadLink # 是否在excel中保存下载链接

stepWaitTime=5 # 每次下载及爬取详情页面停顿时间

建议下载和爬取详情页面不要同时开启，停顿时间不低于3秒。

启动程序

python main.py

运行后文件结构说明

爬虫运行完毕后，所有数据将保存在data文件夹下，data文件夹每次重新运行程序会自动删除旧的。

CNKI_download

-- data 存放所有爬取数据

-- CAJs 存放所有下载的caj原文

-- xxxxxxx.caj

-- Links.txt 所有爬取文献的下载链接

-- ReferenceList.txt 爬取文献简要信息

-- Reference_detail.xls 文献详细信息excel表

注意事项

项目运行的前提是电脑可以通过ip访问知网并下载(一般学校都买了数据库)，快写完时候发现目前还有一个跳转接口，后续后增加公网访问。

如果出现“远程主机拒绝了访问”可以适当加长每次停顿的时间。

如果在运行过一次后，再次运行前记得关闭data文件夹中所有文件，否则可能会由于无法删除data文件夹报错。

如果只爬取信息不下载的话，可能会在运行1000条文献左右出现反复输入验证码情况(即使输入正确)。目前还不知道是什么原因

TO DO LIST

完成高级检索的其他未实现功能。

增加指定开始爬取页面信息，实现从上次错误处再次爬取。

增加公网跳转至知网接口，保证无法IP登录用户也可使用本爬虫。

创建代理池，基于公网跳转实现代理ip访问，减少知网封ip及输入验证码次数。

撰写程序实现及分析过程记录。

python知网下载_GitHub - ppho99/CNKI-download: 知网(CNKI)文献下载及文献速览爬虫相关推荐

python 批量下载知网(cnki)论文_Python 实现 CNKI批量下载和FireFox Extension 入门学习笔记...
‍Python 实现 CNKI批量下载和FireFox Extension 入门学习笔记‍ 由于需要也是为了督促自己学习新的东西,我原本想要尝试着写一个爬虫程序,能够在cnki上自动得将论文进行批量 ...
python 批量下载知网(cnki)论文_Python 实现 CNKI批量下载和FireFox Extension 入门学习笔记顶...
‍Python 实现 CNKI批量下载和FireFox Extension 入门学习笔记‍ 由于需要也是为了督促自己学习新的东西,我原本想要尝试着写一个爬虫程序,能够在cnki上自动得将论文进行批量 ...
《知网》被停用的背后，CNKI数据库是否占据主要因素？
近日,一则落款为中国科学院"文献信息中心"的邮件在网上流传.该邮件指责知网近"千万级别"的续订费用和"苛刻"的续订条件,并表示因谈判无法达成 ...
IEEE 文献下载,文献下载，知网下载
大家好,我是文献检索学堂,专注于在家免费下载文献的科研引路人~ 在家如何使用中国知网?暑假刚过去,估计很多小伙伴都有这样的苦恼~ 一.首先认识一下中国知网知网界面二.通过搜索框搜索关键词这里简单 ...
同是网盘下载工具，Pan Download和速盘Speedpan的对比
由于百度网盘的限速机制,非会员用户想要拥有类似迅雷下载那种超快的,甚至满带宽的下载速度,变得几乎不可能.广大的非会员用户非常渴求一种免费的下载工具,能够破除百度网盘的限速机制,快速下载网盘资源.速盘和 ...
知网、万方数据库免费下载论文------比连接学校内网速度快数倍不止（有的学校万方数据库不支持下载）
最近正值毕业设计准备之际,相信很多小伙伴没法下载论文,不过有部分计算机专业的小伙伴肯定有办法的. 之前使用学校开发的***(不多说,因为打上发不出来)软件可以连接学校内网,不过只有老师才能拥有账号,并 ...
Internet Download Manager(IDM)下载器（世上最好用的下载软件,可以和插件,同时运用,可不限速下载百度网盘,下载所有视频，软件只有7M）
安装 Internet Download Manager(IDM)下载器下载地址 : Internet官网安装成功后浏览器扩展栏中会出现 IDM 图标 , 成功后重启浏览器 (Chrome浏览 ...
可爱的python下载_GitHub - palxiao/PythonWebSpider: 一个可爱的python简单爬虫
Python网络爬虫语言环境:Python2.7 运行爬虫入口开始爬取 output.html查看结果简单py爬虫,修改入口及解析器改变规则新增存入数据库操作需要插件(MySql) 补充:(折 ...
国内外文献下载（万方知网IEEE）
学校并没有购买文献数据库,没办法只能找网上的一些方法了. 国内文献下载: 在广西壮族自治区读书馆注册账号:http://www.gxlib.org.cn/ 点击电子证注册,填写一下信息就可以了. 登录 ...
python 类对象知乎_GitHub - egrcc/zhihu-python: 获取知乎内容信息，包括问题，答案，用户，收藏夹信息...
zhihu-python:获取知乎信息注意: 本项目不再维护更新! zhihu-python 采用 Python2.7 编写,用来方便地获取知乎上各种内容的信息,并且可以方便地将答案备份导出为 tx ...

python知网下载_GitHub - ppho99/CNKI-download: 知网(CNKI)文献下载及文献速览爬虫

python知网下载_GitHub - ppho99/CNKI-download: 知网(CNKI)文献下载及文献速览爬虫相关推荐

最新文章

热门文章