私は約12,000件のPubMed IDのCSVファイルから、タイトル、要約、年発行およびMeSH用語をダウンロードするプロジェクトに取り組んでいます。bs4を使用してIDからPubMedデータを取得
import urllib2
from bs4 import BeautifulSoup
import csv
CSVfile = open('srData.csv')
fileReader = csv.reader(CSVfile)
Data = list(fileReader)
i = 0
with open('blank.csv','wb') as f1:
writer=csv.writer(f1, delimiter='\t',lineterminator='\n',)
for id in Data:
soup = BeautifulSoup(urllib2.urlopen("http://www.ncbi.nlm.nih.gov/pubmed/" & id).read())
jouryear = soup.find_all(attrs={"class": "cit"})
year = jouryear[0].get_text()
yearlength = len(year)
titleend = year.find(".")
year1 = titleend+2
year2 = year1+1
year3 = year2+1
year4 = year3+1
year5 = year4+1
published_date = (year[year1:year5])
title = soup.find_all(attrs={"class": "rprt abstract"})
title = (title[0].h1.string)
abstract = (soup.find_all(attrs={"class": "abstr"}))
abstract = (abstract[0].p.string)
writer.writerow([published_date, title, abstract])
i = i+1
print i
私はそれを実行すると、私は次のエラーを取得する:
TypeError: unsupported operand type(s) for &: 'str' and 'list'
が、私はこれをどのように修正することができますか?私は以下のコードを書かれていますか私も年とタイトルと同じセルに書かれた問題を経験しますが、私は別々の列にそれらが必要です。これを修正するにはどうすればよいですか?
エンコードはどのように使用しますか? – Toby
@Toby:上記の例のように、abstract.encode( 'ascii'、 'ignore')のように使うことができます。エンコードしてasciiとしてエンコードし、適合しない文字をすべて削除します。 –