/[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 1289 by dpavlin, Sat Sep 19 10:23:35 2009 UTC revision 1300 by dpavlin, Sat Sep 19 23:49:04 2009 UTC
# Line 3  Line 3 
3  use warnings;  use warnings;
4  use strict;  use strict;
5    
6  my $q = 'AD=Croatia';  # Advanced search syntax:
7  my $range_size = 500;  # http://images.isiknowledge.com/WOK46/help/WOS/h_advanced_examples.html
   
 my $dump = @ARGV ? 1 : 0;  
8    
9  $q = 'TS=psychology AND AD=Croatia';  our $q = 'AD=Croatia';
10    my $range_size = 500;
11    my $overlap    = 3; # between previous and this range
12    my $skip_results = 1;
13    my $cites_by_year = 1;
14    
15    my $max_cites = 5000; # ISI limit to get cites
16    
17    if ( 0 ) {
18            $q = 'TS=psychology AND AD=Croatia';
19            $range_size = 50;
20            $overlap    = 0;
21            $max_cites  = 50;
22    }
23    
24  use WWW::Mechanize;  use WWW::Mechanize;
25  use Data::Dump qw/dump/;  use Data::Dump qw(dump);
26    use File::Path;
27    
28  our $mech = WWW::Mechanize->new(  our $mech = WWW::Mechanize->new(
29          autocheck => 1,          autocheck => 1,
# Line 19  our $mech = WWW::Mechanize->new( Line 31  our $mech = WWW::Mechanize->new(
31  );  );
32    
33  our $step = 0;  our $step = 0;
34    our @ranges;
35    
36    my $dir = '/tmp/isi/';
37    rmtree $dir if -e $dir;
38    mkdir $dir;
39    
40  sub save_mech {  sub save_mech {
41          my ( $mech, $path ) = @_;          my $path = shift;
42          $step++;          $step++;
43          $path ||= sprintf('/tmp/isi.%02d.%s', $step, $mech->{ct} =~ m{html}i ? 'html' : 'txt' );          my $base_path = sprintf('%s/%04d', $dir,$step);
44            $path ||= $base_path;
45            $path .= $mech->{ct} =~ m{html}i ? '.html' : '.txt';
46          $mech->save_content( $path );          $mech->save_content( $path );
47          warn "# [$step] $path ", -s $path, " ", $mech->ct;          warn "# [$step] $path ", -s $path, " ", $mech->ct, "\n";
48          $mech->dump_all if $dump;          open(my $dump, '>', "$base_path.dump.txt");
49            $mech->dump_all($dump);
50  }  }
51    
52  warn "# get session";  warn "# get session";
53  $mech->get( 'http://isiknowledge.com/?DestApp=WOS' );  $mech->get( 'http://isiknowledge.com/?DestApp=WOS' );
54  save_mech $mech;  save_mech;
55    
56  warn "# advanced serach";  sub search {
57  $mech->follow_link( url_regex => qr/AdvancedSearch/ );          warn "# advanced serach";
58  save_mech $mech;          $mech->follow_link( url_regex => qr/AdvancedSearch/ );
59            save_mech;
60    
61  warn "# cookie_jar ", dump $mech->cookie_jar;          warn "# cookie_jar ", dump $mech->cookie_jar;
62    
63  $mech->submit_form(          my $q_this = $q;
64          fields => {  
65                  'value(input1)' => $q,          if ( @ranges ) {
66                    $q_this .= ' AND (' . join(' OR ', map { "PY=$_" } @{ shift @ranges } ) . ')';
67          }          }
 );  
 save_mech $mech;  
68    
69  warn "# summary";          warn "# submit_form search: $q_this\n";
70  $mech->follow_link( url_regex => qr/summary/ );          $mech->submit_form(
71  save_mech $mech;                  fields => {
72                            'value(input1)' => $q_this,
73                    },
74            );
75            save_mech;
76    
77            warn "# summary";
78            $mech->follow_link( url_regex => qr/summary/ );
79            save_mech;
80    }
81    
82  sub get_results {  sub get_results {
83          my $q = shift;          my $desc = shift;
84          my $from = 1;          my $from = 1;
85    
86          while ( 1 ) {          while ( 1 ) {
87    
88                  my $to = $from + $range_size;                  my $to = $from + $range_size;
89    
90                    warn "# submit_form results $from - $to\n";
91    
92                  $mech->submit_form(                  $mech->submit_form(
93                          form_name => 'summary_output_form',                          form_name => 'summary_output_form',
94                          fields => {                          fields => {
# Line 76  sub get_results { Line 107  sub get_results {
107                          },                          },
108                          button => 'save',                          button => 'save',
109                  );                  );
110                  save_mech $mech;                  save_mech;
111    
112    
113                  if ( $mech->content =~ m{invalid API call} ) {                  if ( $mech->content =~ m{invalid API call} ) {
114                          $mech->back;                          $mech->back;
115                          return;                          last;
116                  }                  }
117    
118                  warn "# save_file $from - $to [$q]";  
119                    my $path = "/tmp/isi.$q.$from-$to";
120                    $path .= '.' . $desc if $desc;
121    
122                    warn "save $from - $to into $path\n";
123                  $mech->follow_link( url_regex => qr/save_file/ );                  $mech->follow_link( url_regex => qr/save_file/ );
124                  save_mech $mech => "/tmp/isi.$q.$from-$to.txt";                  save_mech $path;
125    
126                  $from += $range_size;                  $from += $range_size - $overlap;
127    
128                  $mech->back;                  $mech->back;
129                  $mech->back;                  $mech->back;
130                  #save_mech $mech;                  #save_mech;
131            }
132    }
133    
         } # while  
134    
135    sub citations {
136            warn "# citation report";
137            $mech->follow_link( url_regex => qr/search_mode=CitationReport/ );
138            save_mech;
139    
140            warn "view citing articles";
141            $mech->follow_link( url_regex => qr/search_mode=TotalCitingArticles/ );
142            save_mech;
143  }  }
144    
145  get_results $q;  sub years {
146            my $years_url = $mech->find_link( url_regex => qr/ra_name=/ );
147            if ( ! $years_url ) {
148                    warn "W: can't find ra_name link\n";
149                    return;
150            }
151            $years_url = $years_url->url_abs;
152            warn "## $years_url";
153            if ( $years_url !~ s{ra_name=\w+}{ra_name=PublicationYear} ) {
154                    warn "W: no ra_name in $years_url\n";
155                    return;
156            }
157            warn "# refine years (hidden by javascript)";
158    #       warn "http://apps.isiknowledge.com/RAMore.do?product=WOS&search_mode=TotalCitingArticles&SID=T1o6bChdN9PGP1LN1Nh&qid=3&ra_mode=more&ra_name=PublicationYear&db_id=WOS&viewType=raMore\n$years_url\n";
159            $mech->get( $years_url );
160            save_mech;
161    
162            my $html = $mech->content;
163            my $years;
164            while ( $html =~ s{<label.+?PublicationYear.+?>(\d{4})\s\(([\d,]+)\)</label>}{} ) {
165                    my ( $year, $count ) = ( $1, $2 );
166                    $count =~ s{,}{}g;
167                    $years->{$year} = $count;
168            }
169            warn "# years ",dump $years;
170            $mech->back;
171    
172  save_mech $mech;          my @y = sort keys %$years;
 warn "# citations";  
 $mech->follow_link( url_regex => qr/search_mode=CitationReport/ );  
 save_mech $mech;  
173    
174  $mech->follow_link( url_regex => qr/search_mode=TotalCitingArticles/ );          @ranges = ();
 save_mech $mech;  
175    
176  get_results $q . '.citing';          if ( $cites_by_year ) {
177                    push @ranges, [ $_ ] foreach @y;
178                    warn "# cites_by_year ranges ", dump @ranges;
179                    return;
180            }
181    
182            my $y = shift @y;
183            my $size = $years->{$y};
184    
185            my $cites_range;
186            $cites_range = [$y] if $y;
187    
188            foreach my $y ( @y ) {
189                    if ( $size + $years->{$y} > $max_cites ) {
190                            push @ranges, $cites_range;
191                            warn "# cites_range $size years ",dump( $cites_range ),$/;
192    
193                            $cites_range = [];
194                            $size = 0;
195                    }
196                    $size += $years->{$y};
197                    push @$cites_range, $y;
198            }
199    
200            if ( $cites_range ) {
201                    push @ranges, $cites_range;
202                    warn "# cites_range $size years ",dump( $cites_range ), " FINAL\n"
203            }
204    
205            warn '# ranges ', dump @ranges;
206            @ranges = () if $#ranges == 1; # just take all
207    
208            return $years;
209    }
210    
211    search;
212    years;
213    get_results unless $skip_results;
214    
215    
216    citations;
217    
218    do {
219            my $part;
220            if ( @ranges ) {
221                    $part .= $ranges[0]->[0] . '.';
222                    search;
223                    citations;
224            }
225            $part .= 'citing';
226            get_results $part;
227    } while ( @ranges );
228    
Legend:
Removed from v.1289  
changed lines
  Added in v.1300
  ViewVC Help
Powered by ViewVC 1.1.26