一. 背景目的
上一篇推文可以获得WOS导出文献内容，接着就是对文本进行处理。提取出其中的有用信息，比如 作者信息、年份、引用因子、题目等等，同样继续用Python处理很方便。
二. 实现方法
2.1分析需要什么样的数据结构
txt 文档内容可以简化为如下的文档结构，每一篇文献的参数用两位大写字母表示。比如，TI 表示文献的标题，AU表示文献的作者等等，ER表示到达文献的末尾，同时文献与文献之间用空行分隔！
PJ : YYYYYYAU:XXXXXXTI:MMMMMMAB:ZZZZZZ .....UT:UUUUUUPM:IIIIIIER PG :YYYYY
真实的文档结构如下图所示
如果想提取其中的某些关键信息，用正则表达式可以做到。但是作为一个轻微强迫症就想把所有信息都保存下来，然后就可以根据自己的规则随意调取所需数据，于是我想到了用 list 和 dict 来保存所有数据。
total=[paper1,paper2, paper3.....]paper= {"AU':"UUUUU", '''"TI": "TTTT",}
整个文件打包成一个list，这样可以通过切片访问每一篇文献，同时具体的文献信息用dict表示，根据索引 "AU" ,"TI"...等等就可以访问到其中的内容。
2.2 代码的实现
这次代码不多，直接贴在这里!
def get_doi(file_name): packages = [] package_dict = {} flag = False with open(file_name, 'r', encoding='utf-8') as f: while True: line = f.readline() if line:if line[:2] != 'ER':if line[:2] != ' ': flag = False if not flag: temp_str = '' temp_title = '' temp_title = line[:2] temp_str = line[3:-1] if temp_title != 'AU' else line[3:-1] + ';' package_dict[temp_title] = temp_str elif line[:2] == ' ' and line != '\n': flag = True temp_str += line[2:-1] if temp_title != 'AU' else line[3:-1] + ';' package_dict[temp_title] = temp_str else:packages.append(package_dict)package_dict = {} else:break return packages
三. 结果展示
if __name__ == "__main__": file_name = 'LNOI.txt' allpapers = get_doi(file_name)print("totalhas{}papers".format(len(allpapers)))#查看有多少篇文献forindex,itemsinenumerate(allpapers[10:20]):#通过切片访问所需文献的信息 try: doi = items['DI'] print(doi) except Exception : print('no doi')
输出显示：可以看到成功的打印了第10-19的文献doi。
四. 后续计划
将提取出来的数据进行分析，EXCEL？根据DOI爬虫下载文献？
