栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

Python入门——爬取pubmed文献做分析

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

Python入门——爬取pubmed文献做分析

问题描述:

需要爬取BVDV相关文献做研究,主要使用参数有title,pmid,abstract。
由于有些文章没有abstract,导致爬取失败。

错误代码:

Traceback (most recent call last):
File “E:////master/pythontest.py", line 106, in
main()
File "E:////master/pythontest.py", line 88, in main
parserPmidHtmlText(html, pmid)
File "E://****master/pythontest.py”, line 49, in parserPmidHtmlText
abstractTag = abstractTag[0].find_all(‘p’)
IndexError: list index out of range

问题分析:

虽然提示数组下标越界,但是实际上你看倒数第二行错误,在find_all方法调用的时候仅搜索

标签,是不对的,我们返回原网页去对比,发现没有abstract的页面使用的是标签,所以我们可以在这里用xpath方法做一个判断,或者在首页选定规则。解决办法如下:

解决办法1:

采用xpath做判断。
(时间有限,暂时搁置)

解决办法2:

在对应选项上勾选,在爬取页面上写增加一个拼接字段。
原字段:

https://pubmed.ncbi.nlm.nih.gov/?term=BCV&filter=simsearch3.fft&page=2
初始网站+搜索字段+(锁定字段)+页码

转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/960183.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号