从检索的结果中对国自然基金情况进行爬取

######################################################## 
#-------------------------------------------------------
# Topic:通过关键词检索项目信息
# Author:
# Date:Tue Apr 07 17:13:14 2020
# Mail:
#-------------------------------------------------------
########################################################


#name="项目题目中应包含的关键字”
#leader="项目申请人id"
#code="申请的项目编号"
#yearStart="检索的起始日期”
#yearEnd="检索的终止日期“
#subject=”项目所处的学科门类id“
#category="项目类别"
#fundStart="项目最低金额”
#fundEnd=“项目最高金额”
#上述信息中,当 负责人 / 项目批准号 / 依托单位 都不存在时 项目名称 不能为空。
#若某项信息为默认,则为空
# Sys.sleep(600)
# name="单细胞"
# yearStart=2015
# yearEnd=2020
# subject=""
# category=""
# leader=""
get_search_results_FUND<-function(name,yearStart=2015,yearEnd=2020,subject="",category="",leader=""){
  

if(!require(stringr))install.packages("stringr")
if(!require(rvest))install.packages("rvest")
if(!require(curl))install.packages("curl")


library(stringr)
library(rvest)
library(curl)
information<-data.frame()
index=0
#提交检索词
url<-'http://fund.sciencenet.cn/search?'
session<-html_session(url)
form<-html_form(read_html(session))[[2]]
print(form)
# key_word<-readline(prompt = '输入form关键词组成的键值对,逗号隔开,如:name="单细胞",leader=1234')
# key_word<-paste(key_word,",keyWord=0,comSummary=0",sep = "")
# #文本转化为命令
# form_new<-paste("form=set_values(form,",key_word,")",sep = "")
# eval(parse(text = form_new))

for (m in yearStart:yearEnd) {
  index=index+1
  if(index==20){
    print("为防止被封IP,自动进入休眠十分钟")
    Sys.sleep(600)
    index=0
    
  }
  form<-set_values(form,name=name,leader=leader,yearStart=m,yearEnd=m,subject=subject,category=category,keyWord=0,comSummary=0)
  session<-submit_form(session,form)
  url<-session$url
  #获取最大页数
  FUND<-html_session(url)
  FUND<-read_html(FUND)
  total_page<-'//p[@id="page_button2"]/span'
  total_page<-html_nodes(FUND,xpath = total_page)%>%html_text(trim = T)
  total_page<-as.numeric(total_page)
  total_page<-max(total_page[!is.na(total_page)])
  if(total_page==-Inf){total_page=1}#会有信息不足一页的情况
  #获取项目总数
  pro_num<-'//span[@class="l"]/b[1]'
  pro_num<-html_nodes(FUND,xpath = pro_num)%>%html_text(trim = T)
  pro_num<-as.numeric(pro_num)
  if(pro_num>200){print(paste(m,"年","项目多于200,因此只展示前两百",sep=""))}
  if(pro_num==0){next()}
  pro_num
  total_page
  #爬取需要信息!
  for (i in 1:total_page) {
    index=index+1
    if(index==20){
      print("为防止被封IP,自动进入休眠十分钟")
      Sys.sleep(600)
      index=0
      
    }
    url1<-paste(url,"&page=",i,sep = "")
    print(paste("正在访问:",url1,sep=""))
    FUND<-html_session(url1)
    FUND<-read_html(FUND)
    title<-'//p[@class="t"]/a'
    author<-'//span[@class="author"]/i'
    danwei<-'//span[@class="author"]/following-sibling::span/i'
    type<-'//span[@class="author"]/following-sibling::i'
    ID<-'//span[@class="author"]/following-sibling::b'
    year<-'//span[@class="author"]/following-sibling::span/b'
    money<-'//p[@class="ico"]/following-sibling::p//b'
    abstract='//p[@class="t"]/a'
    keywords<-'//div[@class="d"]/p[2]/span/i'
    information1<-data.frame(
                             Title=html_nodes(FUND,xpath =title )%>%html_text(trim = T),
                             Author=html_nodes(FUND,xpath =author )%>%html_text(trim = T),
                             Institution=html_nodes(FUND,xpath =danwei )%>%html_text(trim = T),
                             Type=html_nodes(FUND,xpath =type )%>%html_text(trim = T),
                             ID=html_nodes(FUND,xpath =ID )%>%html_text(trim = T),
                             Year=html_nodes(FUND,xpath =year )%>%html_text(trim = T),
                             Money=html_nodes(FUND,xpath =money )%>%html_text(trim = T),
                             KeyWords=html_nodes(FUND,xpath = keywords)%>%html_text(trim = T),
                             Abstract_url=html_nodes(FUND,xpath = abstract)%>%html_attr(name="href"))
    if(is.na(information1$Title[1])){print(paste("第",i,"页爬取失败,返回空内容",sep=""))}else{print(paste("第",i,"页爬取成功",sep=""))}
    information<-rbind(information,information1) 
  }
  
}
return(information)
}
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,258评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,335评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,225评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,126评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,140评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,098评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,018评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,857评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,298评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,518评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,678评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,400评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,993评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,638评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,801评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,661评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,558评论 2 352

推荐阅读更多精彩内容