求助：爬取学术数据库中论文的 abstract 做研究

[lushl9301]

最近在做分析一些医学研究论文的abstract的project。
一直在用PubMed这个数据库，因为能把搜索结果下载为包含很多信息的txt文档（其中就包含了abstract），直接处理这个文档就能得出很多有用的信息。
然而，这个数据库毕竟偏向医学研究一些，如果我们想查阅一些关于传感器或者什么运动数据测量的时候，这个数据库能查到的信息偏少。
该数据库地址： http://www.ncbi.nlm.nih.gov/pubmed
我写的一个分析abstract的小工具地址： https://github.com/lushl9301/PubMed-Text-Mining-Tool (写的渣渣，就是拿来用用。。。）

于是我和导师考虑，说不定爬取Google scholar的会不会好一点？

发现Google scholar仅仅提供了一些论文的作者信息，被多少次引用等等，对于文章内容只有一些简单摘要。这些摘要是跟据搜索关键词给出的一些片段，远不如abstract。

其他什么ACM，IEEE都没有提供合适的获取abstract方式。

考虑使用爬虫直接爬取的话，会被ban什么的。Google也会给你robot test。

所以在这里想请教小伙伴，能否提一些建议呢？帮忙支支招 ^_^

[lushl9301]

发完贴后，在“最热”板块，哗哗哗的往下掉= =

[ichou]

不会因为访问量太大 导致数据库方暂停账户服务么？ 要是用的学校的公用帐号，哇咔咔~ 写检讨什么的爽歪歪~

[binux]

我这有一份 sciencedirect 的 http://demo.pyspider.org/results?project=js_test_sciencedirect

[lushl9301]

@ichou 这个会的。。。所以尽量不用学校网络，不登陆去爬取吧。。。

[lushl9301]

@binux 哇。。这是pyspider爬取的？
我记得我还看到过。。。
谢谢。。。这就去看看

[cangbaotu]

推荐你使用神箭手云爬虫，分布式的爬虫框架。官方很给力！