Criar gráficos, estatística da "Google-Scholar" usando wget
Você que é pesquisador já tentou gerar um gráfico do número de publicações vs data etc, mas ficou limitado por ferramentas pagas de terceiros?
Seus problemas acabaram! Esse script gera um gráfico do número de publicações de determinado assunto pelo ano de publicação. No futuro irei implementar mais funcionalidades, mas você está livre para pegar o script e melhorá-lo.
Observações:
Quando executei o script pela primeira vez, este funcionou de boa, mas quando executei várias vezes seguidas o "wget" retornou o erro 302. Consegui superar esse erro fazendo o seguinte:
1) Editar o arquivo: nano ~/.wgetrc;
2) Inserir o seguinte conteúdo em ~/.wgetrc:
header=authority:scholar.google.com
header=method:GET
header=scheme:https
header=accept:text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8
header=accept-language:pt-BR,pt;q=0.8,en;q=0.6,fr;q=0.4,gl;q=0.2,am;q=0.2,el;q=0.2,he;q=0.2
header=cache-control:max-age=0
header=cookie:SID=JgUiFjPvG5tQOvfOPhEOSBGIgINeH92h6SeG9xgOXSK-7ob0-LqpYrfnzJ4RR-eXwbqxzA.; HSID=AJixidx0AB6RcyN2E; SSID=A5UZreCHfbfZQL6a$
header=dnt:1
header=upgrade-insecure-requests:1
header=user-agent:Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.101 Safari/537.36
header=x-chrome-uma-enabled:1
header=x-client-data:CJG2yQEIo7bJAQj6nMoBCKmdygEI0p3KAQ==
3) Ctrl+o (para salvar) e Ctrl+x (para sair do editor);
4) Pronto, agora é só executar o script e ser feliz.
Você deve está curioso de onde tirei o conteúdo inserido no "~/.wgetrc", né? Pois bem, para saber fazer com outros sites é só entrar pelo google chrome, acessar a página e pressionar a tecla F12, clicar em network, pressionar F5 e clicar num dos links. Por último, vá até "Request Headers" e compare com o conteúdo inserido em "~/.wgetrc". Ia esquendo, não precisa inserir "referer" em "~/.wgetrc", já fiz isso no script. Não irei me aprofundar nisso.
Espero que gostem.
Seus problemas acabaram! Esse script gera um gráfico do número de publicações de determinado assunto pelo ano de publicação. No futuro irei implementar mais funcionalidades, mas você está livre para pegar o script e melhorá-lo.
Observações:
Quando executei o script pela primeira vez, este funcionou de boa, mas quando executei várias vezes seguidas o "wget" retornou o erro 302. Consegui superar esse erro fazendo o seguinte:
1) Editar o arquivo: nano ~/.wgetrc;
2) Inserir o seguinte conteúdo em ~/.wgetrc:
header=authority:scholar.google.com
header=method:GET
header=scheme:https
header=accept:text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8
header=accept-language:pt-BR,pt;q=0.8,en;q=0.6,fr;q=0.4,gl;q=0.2,am;q=0.2,el;q=0.2,he;q=0.2
header=cache-control:max-age=0
header=cookie:SID=JgUiFjPvG5tQOvfOPhEOSBGIgINeH92h6SeG9xgOXSK-7ob0-LqpYrfnzJ4RR-eXwbqxzA.; HSID=AJixidx0AB6RcyN2E; SSID=A5UZreCHfbfZQL6a$
header=dnt:1
header=upgrade-insecure-requests:1
header=user-agent:Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.101 Safari/537.36
header=x-chrome-uma-enabled:1
header=x-client-data:CJG2yQEIo7bJAQj6nMoBCKmdygEI0p3KAQ==
3) Ctrl+o (para salvar) e Ctrl+x (para sair do editor);
4) Pronto, agora é só executar o script e ser feliz.
Você deve está curioso de onde tirei o conteúdo inserido no "~/.wgetrc", né? Pois bem, para saber fazer com outros sites é só entrar pelo google chrome, acessar a página e pressionar a tecla F12, clicar em network, pressionar F5 e clicar num dos links. Por último, vá até "Request Headers" e compare com o conteúdo inserido em "~/.wgetrc". Ia esquendo, não precisa inserir "referer" em "~/.wgetrc", já fiz isso no script. Não irei me aprofundar nisso.
Espero que gostem.
Descrição
Você que é pesquisador já tentou gerar um gráfico do número de publicações vs data etc, mas ficou limitado por ferramentas pagas de terceiros?
Seus problemas acabaram! Esse script gera um gráfico do número de publicações de determinado assunto pelo ano de publicação. No futuro irei implementar mais funcionalidades, mas você está livre para pegar o script e melhorá-lo.
Observações:
Quando executei o script pela primeira vez, este funcionou de boa, mas quando executei várias vezes seguidas o "wget" retornou o erro 302. Consegui superar esse erro fazendo o seguinte:
1) Editar o arquivo: nano ~/.wgetrc;
2) Inserir o seguinte conteúdo em ~/.wgetrc:
header=authority:scholar.google.com
header=method:GET
header=scheme:https
header=accept:text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8
header=accept-language:pt-BR,pt;q=0.8,en;q=0.6,fr;q=0.4,gl;q=0.2,am;q=0.2,el;q=0.2,he;q=0.2
header=cache-control:max-age=0
header=cookie:SID=JgUiFjPvG5tQOvfOPhEOSBGIgINeH92h6SeG9xgOXSK-7ob0-LqpYrfnzJ4RR-eXwbqxzA.; HSID=AJixidx0AB6RcyN2E; SSID=A5UZreCHfbfZQL6a$
header=dnt:1
header=upgrade-insecure-requests:1
header=user-agent:Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.101 Safari/537.36
header=x-chrome-uma-enabled:1
header=x-client-data:CJG2yQEIo7bJAQj6nMoBCKmdygEI0p3KAQ==
3) Ctrl+o (para salvar) e Ctrl+x (para sair do editor);
4) Pronto, agora é só executar o script e ser feliz.
Você deve está curioso de onde tirei o conteúdo inserido no "~/.wgetrc", né? Pois bem, para saber fazer com outros sites é só entrar pelo google chrome, acessar a página e pressionar a tecla F12, clicar em network, pressionar F5 e clicar num dos links. Por último, vá até "Request Headers" e compare com o conteúdo inserido em "~/.wgetrc". Ia esquendo, não precisa inserir "referer" em "~/.wgetrc", já fiz isso no script. Não irei me aprofundar nisso.
Espero que gostem.
Seus problemas acabaram! Esse script gera um gráfico do número de publicações de determinado assunto pelo ano de publicação. No futuro irei implementar mais funcionalidades, mas você está livre para pegar o script e melhorá-lo.
Observações:
Quando executei o script pela primeira vez, este funcionou de boa, mas quando executei várias vezes seguidas o "wget" retornou o erro 302. Consegui superar esse erro fazendo o seguinte:
1) Editar o arquivo: nano ~/.wgetrc;
2) Inserir o seguinte conteúdo em ~/.wgetrc:
header=authority:scholar.google.com
header=method:GET
header=scheme:https
header=accept:text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,image/apng,*/*;q=0.8
header=accept-language:pt-BR,pt;q=0.8,en;q=0.6,fr;q=0.4,gl;q=0.2,am;q=0.2,el;q=0.2,he;q=0.2
header=cache-control:max-age=0
header=cookie:SID=JgUiFjPvG5tQOvfOPhEOSBGIgINeH92h6SeG9xgOXSK-7ob0-LqpYrfnzJ4RR-eXwbqxzA.; HSID=AJixidx0AB6RcyN2E; SSID=A5UZreCHfbfZQL6a$
header=dnt:1
header=upgrade-insecure-requests:1
header=user-agent:Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3112.101 Safari/537.36
header=x-chrome-uma-enabled:1
header=x-client-data:CJG2yQEIo7bJAQj6nMoBCKmdygEI0p3KAQ==
3) Ctrl+o (para salvar) e Ctrl+x (para sair do editor);
4) Pronto, agora é só executar o script e ser feliz.
Você deve está curioso de onde tirei o conteúdo inserido no "~/.wgetrc", né? Pois bem, para saber fazer com outros sites é só entrar pelo google chrome, acessar a página e pressionar a tecla F12, clicar em network, pressionar F5 e clicar num dos links. Por último, vá até "Request Headers" e compare com o conteúdo inserido em "~/.wgetrc". Ia esquendo, não precisa inserir "referer" em "~/.wgetrc", já fiz isso no script. Não irei me aprofundar nisso.
Espero que gostem.
#+---------------------------------------+
#|Programa: scholar-search |
#|Autor: Francisco Iago Lira Passos |
#|Função: Pesquisar e fazer estatísticas |
#| das mesma usando o mecanismo |
#| da Google Search |
#|Data: 10-09-2017 |
#+---------------------------------------+
#!/bin/bash
export object=$1
export ylo=$2
export yhi=$3
function capture (){
name=$(echo $object | sed 's/+/-/g')
echo '' > grafico-$name-pubsVsAnos.dat
for (( i=$ylo; i<=$yhi; i++ ))
do
rm -f scholar?q=*
link="https://scholar.google.com/scholar?q=$object&hl=en&as_sdt=0%2C5&as_ylo=$i&as_yhi=$i"
sublink="/scholar?q=$object&hl=en&as_sdt=0%2C5&as_ylo=$i&as_yhi=$i"
wget $link --referer=$link
filename="scholar?q=$object&hl=en&as_sdt=0%2C5&as_ylo=$i&as_yhi=$i"
pubs=`cat $filename | sed 's/About/\n/g' | sed '/results/!d; s/results.*//g; s/ \|,//g'`
clear
echo $i" "$pubs >> grafico-$name-pubsVsAnos.dat
done
exit 0
}
if [ "$1" == "" ] || [ "$2" == "" ] || [ "$3" == "" ]; then
clear
echo "
+--------------------------------------------------+
| Para ter uma boa experiência com o script |
| Recomendamos que siga conforme o exemplo: |
|==================================================|
| ./scholar-search.sh forensic+computing 1991 2017 |
| ./scholar-search.sh carbon+nanotubes 1991 2017 |
|==================================================|
| Obs: Não esqueça de separar com '+'! |
+--------------------------------------------------+"
else
capture
fi
Fiz algumas modificações. Primeiro eu não escrevi as configurações de cabeçalho da requisição no meu ~/.wgetrc. Ao invés disso, as gravei em um arquivo chamado 'config' no mesmo diretório do script. Na linha 21 (a do comando wget) adicionei o conteúdo "-- config config", que faz com que o comando wget leia as configurações de cabeçalho não do wget (isso prejudicaria outros scripts usando wget) mas apenas o arquivo 'config' local.
Caso queira mais colaborações, poderia postar esse projeto no github?
Obrigado camarada!