/[webpac2]/trunk/bin/isi-download-results.pl
This is repository of my old source code which isn't updated any more. Go to git.rot13.org for current projects!
ViewVC logotype

Diff of /trunk/bin/isi-download-results.pl

Parent Directory Parent Directory | Revision Log Revision Log | View Patch Patch

revision 1291 by dpavlin, Sat Sep 19 15:05:12 2009 UTC revision 1299 by dpavlin, Sat Sep 19 23:37:55 2009 UTC
# Line 3  Line 3 
3  use warnings;  use warnings;
4  use strict;  use strict;
5    
6    # Advanced search syntax:
7    # http://images.isiknowledge.com/WOK46/help/WOS/h_advanced_examples.html
8    
9  our $q = 'AD=Croatia';  our $q = 'AD=Croatia';
10  my $range_size = 500;  my $range_size = 500;
11    my $overlap    = 3; # between previous and this range
12    my $skip_results = 1;
13    
14  my $dump = @ARGV ? 1 : 0;  my $max_cites = 5000; # ISI limit to get cites
15    
16  $q = 'TS=psychology AND AD=Croatia';  if ( 0 ) {
17            $q = 'TS=psychology AND AD=Croatia';
18            $range_size = 50;
19            $overlap    = 0;
20            $max_cites  = 50;
21    }
22    
23  use WWW::Mechanize;  use WWW::Mechanize;
24  use Data::Dump qw(dump);  use Data::Dump qw(dump);
# Line 20  our $mech = WWW::Mechanize->new( Line 30  our $mech = WWW::Mechanize->new(
30  );  );
31    
32  our $step = 0;  our $step = 0;
33    our @ranges;
34    
35  my $dir = '/tmp/isi/';  my $dir = '/tmp/isi/';
36  rmtree $dir if -e $dir;  rmtree $dir if -e $dir;
37  mkdir $dir;  mkdir $dir;
38    
39  sub save_mech {  sub save_mech {
40          my ( $mech, $path ) = @_;          my $path = shift;
41          $step++;          $step++;
42          my $base_path = sprintf('%s/%04d', $dir,$step);          my $base_path = sprintf('%s/%04d', $dir,$step);
43          $path ||= $base_path . ( $mech->{ct} =~ m{html}i ? '.html' : '.txt' );          $path ||= $base_path;
44            $path .= $mech->{ct} =~ m{html}i ? '.html' : '.txt';
45          $mech->save_content( $path );          $mech->save_content( $path );
46          warn "# [$step] $path ", -s $path, " ", $mech->ct, "\n";          warn "# [$step] $path ", -s $path, " ", $mech->ct, "\n";
47          open(my $dump, '>', "$base_path.dump.txt");          open(my $dump, '>', "$base_path.dump.txt");
# Line 38  sub save_mech { Line 50  sub save_mech {
50    
51  warn "# get session";  warn "# get session";
52  $mech->get( 'http://isiknowledge.com/?DestApp=WOS' );  $mech->get( 'http://isiknowledge.com/?DestApp=WOS' );
53  save_mech $mech;  save_mech;
54    
55  sub search {  sub search {
56          warn "# advanced serach";          warn "# advanced serach";
57          $mech->follow_link( url_regex => qr/AdvancedSearch/ );          $mech->follow_link( url_regex => qr/AdvancedSearch/ );
58          save_mech $mech;          save_mech;
59    
60          warn "# cookie_jar ", dump $mech->cookie_jar;          warn "# cookie_jar ", dump $mech->cookie_jar;
61    
62            my $q_this = $q;
63    
64            if ( @ranges ) {
65                    $q_this .= ' AND (' . join(' OR ', map { "PY=$_" } @{ shift @ranges } ) . ')';
66            }
67    
68            warn "# submit_form search: $q_this\n";
69          $mech->submit_form(          $mech->submit_form(
70                  fields => {                  fields => {
71                          'value(input1)' => $q,                          'value(input1)' => $q_this,
72                  }                  },
73          );          );
74          save_mech $mech;          save_mech;
75    
76          warn "# summary";          warn "# summary";
77          $mech->follow_link( url_regex => qr/summary/ );          $mech->follow_link( url_regex => qr/summary/ );
78          save_mech $mech;          save_mech;
79  }  }
80    
81  sub get_results {  sub get_results {
82            my $desc = shift;
83          my $from = 1;          my $from = 1;
84    
85          while ( 1 ) {          while ( 1 ) {
86    
87                  my $to = $from + $range_size;                  my $to = $from + $range_size;
88    
89                    warn "# submit_form results $from - $to\n";
90    
91                  $mech->submit_form(                  $mech->submit_form(
92                          form_name => 'summary_output_form',                          form_name => 'summary_output_form',
93                          fields => {                          fields => {
# Line 84  sub get_results { Line 106  sub get_results {
106                          },                          },
107                          button => 'save',                          button => 'save',
108                  );                  );
109                  save_mech $mech;                  save_mech;
110    
111    
112                  if ( $mech->content =~ m{invalid API call} ) {                  if ( $mech->content =~ m{invalid API call} ) {
113                          $mech->back;                          $mech->back;
114                          last;                          last;
115                  }                  }
116    
117                  warn "range $from - $to [$q]\n";  
118                    my $path = "/tmp/isi.$q.$from-$to";
119                    $path .= '.' . $desc if $desc;
120    
121                    warn "save $from - $to into $path\n";
122                  $mech->follow_link( url_regex => qr/save_file/ );                  $mech->follow_link( url_regex => qr/save_file/ );
123                  save_mech $mech => "/tmp/isi.$q.$from-$to.txt";                  save_mech $path;
124    
125                  $from += $range_size;                  $from += $range_size - $overlap;
126    
127                  $mech->back;                  $mech->back;
128                  $mech->back;                  $mech->back;
129                  #save_mech $mech;                  #save_mech;
   
130          }          }
   
131  }  }
132    
133    
134  sub citations {  sub citations {
         save_mech $mech;  
135          warn "# citation report";          warn "# citation report";
136          $mech->follow_link( url_regex => qr/search_mode=CitationReport/ );          $mech->follow_link( url_regex => qr/search_mode=CitationReport/ );
137          save_mech $mech;          save_mech;
138    
139          warn "view citing articles";          warn "view citing articles";
140          $mech->follow_link( url_regex => qr/search_mode=TotalCitingArticles/ );          $mech->follow_link( url_regex => qr/search_mode=TotalCitingArticles/ );
141          save_mech $mech;          save_mech;
142  }  }
143    
144  sub years {  sub years {
145          my $years_url = $mech->find_link( text_regex => qr/more options/ );          my $years_url = $mech->find_link( url_regex => qr/ra_name=/ );
146          if ( ! $years_url ) {          if ( ! $years_url ) {
147                  warn "W: can't find years\n";                  warn "W: can't find ra_name link\n";
148                  return;                  return;
149          }          }
150          $years_url = $years_url->url_abs;          $years_url = $years_url->url_abs;
151          warn "## $years_url";          warn "## $years_url";
152          if ( $years_url !~ s{ra_name=\w+}{ra_name=PublicationYear} ) {          if ( $years_url !~ s{ra_name=\w+}{ra_name=PublicationYear} ) {
153                  warn "W: no ra_name\n";                  warn "W: no ra_name in $years_url\n";
154                  return;                  return;
155          }          }
156          warn "# refine years (hidden by javascript)";          warn "# refine years (hidden by javascript)";
157          warn "http://apps.isiknowledge.com/RAMore.do?product=WOS&search_mode=TotalCitingArticles&SID=T1o6bChdN9PGP1LN1Nh&qid=3&ra_mode=more&ra_name=PublicationYear&db_id=WOS&viewType=raMore\n$years_url\n";  #       warn "http://apps.isiknowledge.com/RAMore.do?product=WOS&search_mode=TotalCitingArticles&SID=T1o6bChdN9PGP1LN1Nh&qid=3&ra_mode=more&ra_name=PublicationYear&db_id=WOS&viewType=raMore\n$years_url\n";
158          $mech->get( $years_url );          $mech->get( $years_url );
159          save_mech $mech;          save_mech;
160    
161          my $html = $mech->content;          my $html = $mech->content;
162          my $years;          my $years;
163          while ( $html =~ s{>(\d\d\d\d)\s\((\d+)\)</label.+?value="PublicationYear_}{} ) {          while ( $html =~ s{<label.+?PublicationYear.+?>(\d{4})\s\(([\d,]+)\)</label>}{} ) {
164                  $years->{$1} = $2;                  my ( $year, $count ) = ( $1, $2 );
165                    $count =~ s{,}{}g;
166                    $years->{$year} = $count;
167          }          }
168          warn "# years ",dump $years;          warn "# years ",dump $years;
169          $mech->back;          $mech->back;
170    
171            my @y = sort keys %$years;
172    
173            my $y = shift @y;
174            my $size = $years->{$y};
175    
176            @ranges = ();
177            my $cites_range;
178            $cites_range = [$y] if $y;
179    
180            foreach my $y ( @y ) {
181                    if ( $size + $years->{$y} > $max_cites ) {
182                            push @ranges, $cites_range;
183                            warn "# cites_range $size years ",dump( $cites_range ),$/;
184    
185                            $cites_range = [];
186                            $size = 0;
187                    }
188                    $size += $years->{$y};
189                    push @$cites_range, $y;
190            }
191    
192            if ( $cites_range ) {
193                    push @ranges, $cites_range;
194                    warn "# cites_range $size years ",dump( $cites_range ), " FINAL\n"
195            }
196    
197            warn '# ranges ', dump @ranges;
198            @ranges = () if $#ranges == 1; # just take all
199    
200          return $years;          return $years;
201  }  }
202    
203  search;  search;
204  years;  years;
205  get_results;  get_results unless $skip_results;
206    
207    
208  citations;  citations;
209  years;  
210  $q .= '.citing';  do {
211  get_results;          my $part;
212            if ( @ranges ) {
213                    $part .= $ranges[0]->[0] . '.';
214                    search;
215                    citations;
216            }
217            $part .= 'citing';
218            get_results $part;
219    } while ( @ranges );
220    
Legend:
Removed from v.1291  
changed lines
  Added in v.1299
  ViewVC Help
Powered by ViewVC 1.1.26