解放双手｜Python 自动搜索、翻译、存储文献标题摘要！

大家好，我是早起。

在之前的文章 批量翻译文档 中，我们介绍了如何调用百度翻译API完成实际的文档翻译需求。如果是科研、深度学习等需要经常阅读大量论文的工作，批量翻译就能大大提高效率。

本文将进一步使用 Python 实现另一个在科研学术领域的办公自动化应用。「结合爬虫批量翻译文献题目和摘要，并存储搜索和翻译结果至 Excel中」

完成效果如下，指定的外文文献标题、摘要都被批量翻译后存储在Excel中，我们可以大致浏览后有选择性的挑选文章阅读！

本文以ACM协会的文献为例，搜索的关键词是 “对抗生成网络+眼底” ，即 “GAN+fundus”

本文需求可以看做三块内容：爬虫+翻译+存储 在使用百度的通用翻译 API 之前需要完成以下工作：

完成后在个人页面在即可看到 ID 和密钥，这个很重要！

关于如何使用Python爬取翻译结果的细节本文就不再赘述！我已经将通用翻译 API 的 demo代码写好，已经对输出做简单修改，拿走就能用！

在本需求中可以考虑将上面的API重新包装成函数，将爬取的题目和摘要看做两个文本输入函数后，返回翻译的结果：

函数中用 try 捕获错误避免中途因为提交的文本为空，而导致的报错终止程序

存储部分，通过 openpyxl 或者 xlwings 存储到 Excel 中就可以

爬虫部分，两个网站的逻辑非常类似，具体见下文

首先爬取ACM的摘要，在首页搜索框中输入：GAN+fundus 跳转后可以发现，URL包含了关键词：

那么后面的搜索就可以直接用URL拼接：

搜索结果非常多，本文爬取第一页文章的摘要为例，后续读者当关键词锁定的文献比较少或者想获取全部文献，可以自行寻找URL翻页逻辑

同时我们发现，摘要显示不全，确认源代码和ajax动态加载不包含完整摘要，因此可以考虑进入各文献的详情页获取摘要：

回到搜索结果页，对详情页分析可以发现每个文献可获取的href跟 http://dl.acm.org 拼接后即为详情页URL：

接下来就可以利用Xpath获取搜索页第一页全部文献的 href 并拼接成新URL：

获得新的URL之后，重新用Xpath解析新的网页获取题目和摘要：

题目和摘要可以成功输出，但现在还是英文形式。只需要将文本提交给上文中包装好的翻译函数，输出返回值就是中文翻译形式了。注意免费的API每秒只允许调用一次，可以考虑将题目和摘要组合成一个文本同时提交，或者中间休眠一秒：

题目和摘要成功翻译！接下来可以自定义对接意向的持久化存储了，以openpyxl为例，首先在代码的开头用 openpyxl 创建 Excel 文件并写入表头：

用变量 num 标记文章的顺序，并在每篇文章解析和翻译完后利用 sheet.append(list) 写入 Excel，循环结束后保存文件即完成全部存储：

最终实现效果如下，可以看到指定的文章标题、摘要都被翻译提取出来，我们可以大致浏览后有选择的查阅文章。

另外还有一个重要的计算机协会，IEEE(https://ieeexplore.ieee.org/Xplore/home.jsp)，网页信息爬取逻辑和ACM非常类似，不再赘述

综合各种办公自动化技术，我们可以实现各式各样的办公或科研需求，扎实的技术是最重要的前提。

例如本文的需求，其实我们还可以通过 openpyxl 或者 xlwings 存储到 Excel 中，实际上还可以 python-docx 写入 Word 中，甚至从文献中获取图片，借助 python-pptx 写入 PPT 中。

更多的Python办公自动化案例