/[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 1292 by dpavlin, Sat Sep 19 20:35:43 2009 UTC revision 1337 by dpavlin, Tue Jun 29 18:52:19 2010 UTC
# Line 3  Line 3 
3  use warnings;  use warnings;
4  use strict;  use strict;
5    
6    use WWW::Mechanize;
7    use Data::Dump qw(dump);
8    use File::Path;
9    use Text::Unaccent;
10    
11  # Advanced search syntax:  # Advanced search syntax:
12  # http://images.isiknowledge.com/WOK46/help/WOS/h_advanced_examples.html  # http://images.isiknowledge.com/WOK46/help/WOS/h_advanced_examples.html
13    
14  our $q = 'AD=Croatia';  our $q = 'AD=Croatia';
15    $q = 'CA=BRATKO, D';
16    
17  my $range_size = 500;  my $range_size = 500;
18  my $overlap    = 10; # between previous and this range  my $overlap    = 3; # between previous and this range
19    
20  $q = 'TS=psychology AND AD=Croatia' if @ARGV; # FIXME debug  my $results = 0;
21    my $citations = 0;
22    my $cited_reference = 0; # html tables
23    my $citing_articles = 1; # as many files as cited articles
24    
25    my $cites_by_year = 0;
26    
27  my $max_cites = 5000; # ISI limit to get cites  my $max_cites = 5000; # ISI limit to get cites
 our @ranges;  
28    
29  use WWW::Mechanize;  $q = unac_string( 'utf-8', join(' ', @ARGV) ) if @ARGV;
30  use Data::Dump qw(dump);  
31  use File::Path;  warn "QUERY: $q\n";
32    
33  our $mech = WWW::Mechanize->new(  our $mech = WWW::Mechanize->new(
34          autocheck => 1,          autocheck => 0, # it dies in reference download with it!
35          cookie_jar => undef,          cookie_jar => undef,
36  );  );
37    
38  our $step = 0;  our $step = 0;
39    our @ranges;
40    
41  my $dir = '/tmp/isi/';  my $dir = '/tmp/isi/';
42  rmtree $dir if -e $dir;  #rmtree $dir if -e $dir;
43  mkdir $dir;  mkdir $dir unless -d $dir;
44    
45  sub save_mech {  sub save_mech {
46          my $path = shift;          my $path = shift;
# Line 108  sub get_results { Line 120  sub get_results {
120                          last;                          last;
121                  }                  }
122    
123                    if ( $mech->content =~ m{Please wait while your request is processed} ) {
124                            warn "WARNING: processing request";
125                    }
126    
127    
128                  my $path = "/tmp/isi.$q.$from-$to";                  my $path = "/tmp/isi.$q.$from-$to";
129                  $path .= '.' . $desc if $desc;                  $path .= '.' . $desc if $desc;
# Line 164  sub years { Line 180  sub years {
180    
181          my @y = sort keys %$years;          my @y = sort keys %$years;
182    
183            @ranges = ();
184    
185            if ( $cites_by_year ) {
186                    push @ranges, [ $_ ] foreach @y;
187                    warn "# cites_by_year ranges ", dump @ranges;
188                    return;
189            }
190    
191          my $y = shift @y;          my $y = shift @y;
192          my $size = $years->{$y};          my $size = $years->{$y};
193    
         @ranges = ();  
194          my $cites_range;          my $cites_range;
195          $cites_range = [$y] if $y;          $cites_range = [$y] if $y;
196    
# Line 194  sub years { Line 217  sub years {
217          return $years;          return $years;
218  }  }
219    
 search;  
 years;  
 get_results;  
220    
221    our $page = 1;
222    sub next_page {
223            $page++;
224            warn "next_page $page\n";
225    
226  citations;          $mech->submit_form(
227                    form_name => 'summary_navigation',
228                    fields => {
229                            'page' => $page,
230                    },
231            );
232    
233  do {          save_mech;
234          my $part;  
235          if ( @ranges ) {          $mech->form_name( 'summary_navigation' );
236                  $part .= $ranges[0]->[0] . '.';          my $is_next_page = $mech->value('page') == $page;
237                  search;          warn "no next_page" unless $is_next_page;
238            return $is_next_page;
239    }
240    
241    if ( $results ) {
242            search;
243            years;
244            get_results;
245    }
246    
247    if ( $citations ) {
248    
249            citations;
250            years unless @ranges;
251    
252            do {
253                    my $part;
254                    if ( @ranges ) {
255                            $part .= $ranges[0]->[0] . '.';
256                            search;
257                            citations;
258                    }
259                    $part .= 'citing';
260                    get_results $part;
261            } while ( @ranges );
262    
263    }
264    
265    
266    
267    if ( $q =~ m{CA=(.+)} && $cited_reference ) {
268    
269            my $CA = $1;
270    
271            warn "# citated reference search";
272            $mech->follow_link( url_regex => qr/CitedReferenceSearch/ );
273            save_mech;
274    
275    
276            $mech->submit_form(
277                    form_name => 'WOS_CitedReferenceSearch_input_form',
278                    fields => {
279                            'value(input1)' => $CA,
280                    },
281            );
282    
283            my $page = 1;
284            my $records = $1 if $mech->content =~ m/(\d+)\s+records/;
285            warn "# found $records records\n";
286            my $last_span = 'fake';
287    
288            while (1) {
289                    save_mech "/tmp/isi.$q.citedref.$page";
290    
291                    last unless next_page();
292    
293                    if ( $mech->content =~ m/(\d+\s*-\s*(\d+))/ ) {
294                            warn "span: $1\n";
295                            last if $2 == $records;
296                            last if $1 == $last_span;
297                            $last_span = $1;
298                    } elsif ( $page > 5 ) {
299                            warn "ARTIFICALLY LIMITED TO 5 PAGES WITHOUT VALID SPAN!";
300                            last;
301                    }
302    
303            }
304    
305    }
306    
307    if ( $q =~ m{CA=(.+)} && $citing_articles ) {
308    
309            search;
310    
311            my $orig_q = $q;
312            my $nr = 0;
313    
314            do {
315    
316            foreach my $link ( $mech->find_all_links( url_regex => qr/CitingArticles.do/ ) ) {
317                    $nr++;
318                    warn "link $nr\n";
319                    $mech->get( $link->url );
320                    save_mech;
321                    $q = $orig_q . '.citing_article.' . $nr;
322                    get_results;
323                    $mech->back;
324                    $mech->back;
325    
326                    #last if $nr > 3; # FIXME only for development
327          }          }
         $part .= 'citing';  
         get_results $part;  
 } while ( @ranges );  
328    
329            } while next_page;
330    
331            $q = $orig_q;
332    }
333    
334    warn "OVER\n";
Legend:
Removed from v.1292  
changed lines
  Added in v.1337
  ViewVC Help
Powered by ViewVC 1.1.26