📌 Quelles données de recherche académique peuvent être collectées à partir d'URL de résultats Google Scholar pré-générées ?
Ce modèle collecte les enregistrements de résultats de recherche académique à partir des URL Google Scholar soumises, y compris le titre, l'auteur, l'année de publication, la description, le lien de l'article, le nombre de citations, le nombre de versions, le lien vers les articles similaires, la page actuelle et le résumé complet lorsqu'il est disponible. Il est utile pour les chercheurs universitaires, les bibliothécaires et les équipes de veille scientifique.
Les données sont collectées depuis Google Scholar. Google Scholar est un service de recherche académique pour la littérature scientifique, les citations, les auteurs et les recherches connexes.
💰 Tarifs
Ce modèle est actuellement gratuit et n'a pas de frais d'utilisation par ligne. Les limites du plan ou des ressources Octoparse peuvent toujours s'appliquer.
📦 Sortie
L'implémentation actuellement publiée peut retourner les champs suivants :
Page_URLCurrent_pageTitleAuthorPublished_yearDescriptionArticle_LinkCited_forAll_versionsRelated_articles_LinkFull_Abstract
{
"Page_URL": null,
"Current_page": null,
"Title": "Data mining in education",
"Author": "C Romero, S Ventura",
"Published_year": "2013",
"Description": "… L'objectif de l'exploration de texte, également appelée exploration de données textuelles ou analyse de texte, est de dériver des informations de haute qualité à partir du texte. Les tâches typiques d'exploration de texte incluent la catégorisation de texte, le texte …",
"Article_Link": "https://wires.onlinelibrary.wiley.com/doi/abs/10.1002/widm.1075",
"Cited_for": "1347",
"All_versions": "5",
"Related_articles_Link": "https://scholar.google.com/scholar?q=related:M5gg5hmoDBcJ:scholar.google.com/&scioq=data+mining&hl=en&as_sdt=0,5",
"Full_Abstract": null
}
🎯 Cas d'utilisation
- Construire des ensembles de données pour des revues de littérature à partir des titres, auteurs, années et liens d'articles.
- Comparer l'influence académique en utilisant les nombres de citations et de versions.
- Filtrer les articles pour leur pertinence en utilisant les descriptions et les résumés complets.
- Cartographier les recherches connexes en utilisant les liens vers les articles similaires.
🐙 Pourquoi Octoparse
- Flux de travail prêt à l'emploi : Les étapes d'extraction pour Google Scholar sont déjà configurées, vous n'avez donc pas besoin de créer le scraper à partir de zéro.
- Exécution flexible : Choisissez le mode d'exécution local ou cloud pris en charge pour s'adapter à des vérifications ponctuelles ou à un travail de collecte répétable.
- Sortie structurée et répétable : Les résultats sont retournés sous forme de lignes cohérentes, plus faciles à comparer, filtrer, dédupliquer et traiter que des pages copiées manuellement.
- Garde-fous d'entrée vérifiés : Le formulaire expose les entrées actuelles, les valeurs sélectionnables et les limites significatives configurées pour ce modèle.
- Transfert de données pratique : Examinez les résultats dans Octoparse et exportez-les ou traitez-les en utilisant les options prises en charge par votre environnement Octoparse.
📝 Entrée
Remplissez les champs suivants :
- URL des résultats de recherche Google Scholar avec décalage (Requis) — Entrez les URL des résultats de recherche Google Scholar qui incluent un décalage. Utilisez l'outil de génération d'URL par lot lorsque vous devez créer de nombreuses URL avec décalage. Jusqu'à 1 000 000 d'entrées par exécution.
🚀 Comment utiliser
- Ouvrez le modèle et sélectionnez Essayer ou Démarrer.
- Remplissez les champs d'entrée listés ci-dessus.
- Démarrez la tâche en utilisant le mode d'exécution local ou cloud pris en charge.
- Examinez les lignes de sortie et exportez ou traitez les données structurées.
⚠️ Limites
Les résultats dépendent de ce que le site source expose au moment de l'exécution. Un champ de sortie listé peut être vide lorsque la page source ne fournit pas cette valeur. Les limites d'entrée indiquées ci-dessus sont appliquées par le modèle.
💡 Conseils
Utilisez des entrées spécifiques et valides et examinez un résultat représentatif avant de lancer un grand lot. Supprimez les entrées en double lorsque des enregistrements répétés ne sont pas nécessaires.
❓ FAQ
Comment fonctionne ce scraper ?
L'automatisation ouvre chaque URL de résultats de recherche Google Scholar soumise avec son décalage existant, parcourt les enregistrements de résultats, visite l'itinéraire du résumé disponible si nécessaire, et exporte les champs académiques configurés.
Que dois-je saisir ?
Utilisez les champs et les valeurs acceptées indiqués dans la section Entrée. Seules les limites pertinentes pour l'utilisateur et les options sélectionnables sont listées.
Quelles données ce modèle retourne-t-il ?
Les champs de sortie actuels et un Aperçu de données JSON représentatif sont listés dans la section Sortie. La disponibilité des champs peut varier lorsque la page source n'affiche pas de valeur.
Ce modèle est-il gratuit ?
Il est actuellement gratuit et n'a pas de frais d'utilisation par ligne. Les limites du plan ou des ressources Octoparse peuvent toujours s'appliquer.
Pourquoi certains champs de sortie peuvent-ils être vides ?
Les pages sources n'exposent pas toujours toutes les valeurs pour chaque enregistrement, et les mises en page peuvent varier selon l'article, le marché ou la réponse actuelle du site. Le modèle retourne un champ lorsque la page actuelle le fournit.
Puis-je exporter les données collectées ?
Vous pouvez examiner les lignes structurées dans Octoparse et les exporter ou les traiter en utilisant les options prises en charge par votre environnement Octoparse.
🔗 Modèles associés
- Google Scholar Scraper — Collectez les résultats de recherche Google Scholar directement à partir de mots-clés.
- Google Scholar Scraper (Cloud) — Utilisez le flux de travail Google Scholar cloud pour la collecte de publications et de résumés basée sur des mots-clés.
- Microsoft Research Scraper — Étendez la découverte académique avec les données de publication de Microsoft Research.