0

我想用 Python 和 BeautifulSoup从Ullmann 的工业化学百科全书中提取所有章节的 DOI。

所以从

<h2 class="meta__title meta__title__margin"><span class="hlFld-Title"><a href="/doi/10.1002/14356007.c01_c01.pub2">Aerogels</a></span></h2>

我想获得“气凝胶”和“/doi/full/10.1002/14356007.c01_c01.pub2”

更大的样本：

     <ul class="chapter_meta meta__authors rlist--inline comma">
        <li><span class="hlFld-ContribAuthor"><a href="/action/doSearch?ContribAuthorStored=H%C3%BCsing%2C+Nicola"><span>Nicola Hüsing</span></a></span></li>
        <li><span class="hlFld-ContribAuthor"><a href="/action/doSearch?ContribAuthorStored=Schubert%2C+Ulrich"><span>Ulrich Schubert</span></a></span></li>
     </ul><span class="meta__epubDate"><span>First published: </span>15 December 2006</span><div class="content-item-format-links">
        <ul class="rlist--inline separator">
           <li><a title="Abstract" href="/doi/abs/10.1002/14356007.c01_c01.pub2">Abstract</a></li>
           <li><a title="Full text" href="/doi/full/10.1002/14356007.c01_c01.pub2">
                 Full text
                 </a></li>

对于我尝试过的标题：

span['hlFld-Title'].a

对于我尝试过的 DOI：

for link in soup.find_all('a'.title):
    print(link.get('href'))

但可悲的是，我是一个十足的菜鸟（傻瓜），它不起作用。

网址是https://onlinelibrary.wiley.com/browse/book/10.1002/14356007/title?startPage= {1..59}

谢谢你的帮助。

4

1 回答 1

0

这是一个快速的解决方案，将“DOI;title”对打印到命令行：

import requests
from bs4 import BeautifulSoup

for i in range(59):
    page = requests.get("https://onlinelibrary.wiley.com/browse/book/10.1002/14356007/title?startPage={}".format(i))

    soup = BeautifulSoup(page.content, 'lxml')

    content = soup.findAll("span", class_="hlFld-Title")

    for c in content:
        print(c.a.get('href')+";"+c.get_text())
于 2018-04-18T14:50:42.213 回答