Cómo raspar resultados de Google Académico
Advanced Data Extraction Specialist
Google Scholar es una herramienta importante para investigadores académicos de todo el mundo para encontrar y obtener literatura, cubriendo artículos, monografías y ponencias en diversos campos. Sin embargo, debido a su estricto mecanismo anti-crawler, no es fácil rastrear directamente los datos de Google Scholar, especialmente para usuarios que necesitan recopilar datos a gran escala.
En este artículo, presentaremos dos métodos para rastrear datos de Google Scholar: rastreo manual (Scrapy/Selenium) y la API Scrapeless. El rastreo manual es adecuado para la recopilación de datos a pequeña escala, pero puede encontrar restricciones de IP y problemas de códigos de verificación. La API Scrapeless proporciona una solución más estable y eficiente, especialmente para el rastreo de datos a gran escala, sin la necesidad de mantener estrategias adicionales anti-detección.
Al comparar las ventajas y desventajas de los dos métodos, este artículo le ayudará a elegir la solución más adecuada para lograr una recopilación de datos eficiente.
¿Por qué raspar Google Scholar?
Google Scholar proporciona valiosos recursos académicos, incluidos artículos de investigación, citas, perfiles de autores y más. Al raspar Google Scholar, puede:
- Recopilar artículos de investigación sobre un tema específico.
- Extraer recuentos de citas para el análisis de impacto académico.
- Recuperar perfiles de autores y sus trabajos publicados.
- Automatizar las revisiones de literatura para fines de investigación.
Desafíos en el raspado de Google Scholar
El raspado de Google Scholar presenta desafíos como:
- CAPTCHAs: Las solicitudes frecuentes pueden activar la protección anti-bot de Google.
- Bloqueo de IP: Google puede bloquear las IP que realizan solicitudes automatizadas repetidas.
- Contenido dinámico: Algunos resultados pueden cargarse dinámicamente a través de JavaScript.
Para superar estos desafíos, recomendamos utilizar una API dedicada como Scrapeless API.
Método 1: Cómo raspar Google Scholar - Web scraping tradicional (No recomendado)
El raspado web de Google Scholar manualmente usando Python (por ejemplo, BeautifulSoup, Selenium) es difícil debido a las restricciones de Google. Ejemplo usando requests:
import requests
from bs4 import BeautifulSoup
url = "https://scholar.google.com/scholar?q=machine+learning"
headers = {"User-Agent": "Mozilla/5.0"}
response = requests.get(url, headers=headers)
soup = BeautifulSoup(response.text, "html.parser")
results = soup.find_all("div", class_="gs_r")
for result in results:
title = result.find("h3").text if result.find("h3") else "No Title"
print(title)📌 Desventajas:
- Es fácil activar el mecanismo anti-rastreo de Google, lo que resulta en el bloqueo de IP o en encontrar un CAPTCHA.
- La estructura de datos es compleja, y es necesario analizar HTML y procesar el contenido cargado dinámicamente.
- No es adecuado para la recopilación de datos a gran escala y tiene baja estabilidad.
Este enfoque no es confiable debido a las medidas anti-bot de Google. En cambio, usar una API como Scrapeless API es la mejor alternativa.
Método 2: Raspando Google Scholar con Scrapeless Scraping API (Recomendado)
La API de Google Scholar de Scrapeless es una herramienta diseñada para la investigación académica y el análisis de datos. Puede rastrear automáticamente los resultados de búsqueda de Google Scholar para obtener información clave como títulos de artículos, autores, fechas de publicación y recuentos de citas. Analiza la SERP (página de resultados del motor de búsqueda) de Google Scholar para proporcionar datos JSON estructurados, evitar el bloqueo de IP y la verificación del código de verificación, y evitar que los usuarios tengan que lidiar con el desarrollo complejo de rastreadores.
Además, Scrapeless también admite búsqueda en tiempo real, consulta por lotes y filtrado de parámetros personalizados, lo que es adecuado para investigadores, desarrolladores y analistas de datos.
Características clave de la API de Google Scholar de Scrapeless
- Análisis automático: No es necesario escribir rastreadores manualmente, obtener directamente datos JSON estructurados.
- Datos en tiempo real: Admite consultas en tiempo real para garantizar que los resultados de Google Scholar obtenidos sean los más recientes.
- Mecanismo anti-rastreo: Omite automáticamente el CAPTCHA y el bloqueo de IP de Google Scholar, sin necesidad de proxy o configuración adicional.
- Campos de datos enriquecidos: Proporciona datos detallados como el título del artículo, el autor, la fecha de publicación, el número de citas, la información de la revista, los artículos relacionados, etc.
- Admite consulta por lotes: Puede obtener resultados de búsqueda para varias palabras clave a la vez para mejorar la eficiencia del rastreo.
- Parámetros de búsqueda personalizados: Admite el filtrado de datos por tiempo, idioma, tipo de documento, etc., y localiza con precisión la información objetivo.
- Acceso estable a la API: Basado en arquitectura en la nube, garantiza la estabilidad y confiabilidad durante el acceso concurrente alto.
¡Regístrese gratis y comience a raspar los resultados de búsqueda de Google ahora!
Inicie sesión en Scrapeless ahora para obtener una oportunidad de prueba gratuita para raspar fácilmente datos de los motores de búsqueda de Google para ayudar a sus proyectos y análisis. Las potentes funciones de la API pueden ayudarlo a obtener información de búsqueda precisa y mejorar la eficiencia. ¡Ven y pruébalo!
📌 Características clave de la API de Scrapeless:
| API | Función | Caso de uso |
|---|---|---|
| API de autor | Recupera información académica (índice H, número de artículos, etc.) | Análisis de impacto académico |
| API de citas | Recupera formatos de citas de artículos (BibTeX, APA, etc.) | Gestión de artículos |
| API de resultados orgánicos | Recupera los resultados de búsqueda de Google Scholar | Investigación académica |
| API de perfiles | Recupera datos de perfil académico | Análisis de investigación colaborativa |
Cómo usar la API de Google Scholar de Scrapeless
Paso 1. Obtenga su clave API
Para comenzar, deberá obtener su clave API desde el Panel de Scrapeless:
- Inicie sesión en el Panel de Scrapeless.
- Navegue a la administración de claves API.
- Haga clic en Crear para generar su clave API única.
- Una vez creada, simplemente haga clic en la clave API para copiarla.
Paso 2: Use su clave API en el código
Ahora puede usar su clave API para integrar Scrapeless en su proyecto. Siga estos pasos para probar e implementar la API:
- Visite la Documentación de la API.
- Haga clic en "Pruébalo" para el punto final deseado.
- Ingrese su clave API en el campo "Autenticación".
- Haga clic en "Enviar" para obtener la respuesta de raspado.
A continuación, se muestra un fragmento de código de muestra que puede integrar directamente en su raspador de Google Scholar:
import http.client
import json
conn = http.client.HTTPSConnection("api.scrapeless.com")
payload = json.dumps({
"actor": "scraper.google.scholar",
"input": {
"engine": "google_scholar",
"q": "biology"
}
})
headers = {
'Content-Type': 'application/json'
}
conn.request("POST", "/api/v1/scraper/request", payload, headers)
res = conn.getresponse()
data = res.read()
print(data.decode("utf-8"))Además, Scrapeless también admite muchas soluciones de API de raspado, como: API de raspado de Amazon, API de raspado de Shopee, API de raspado de Google Flights, API de raspado de Google Maps, etc.
API de Google Scholar de Scrapeless
La API de Google Scholar de Scrapeless es una herramienta poderosa que puede rastrear artículos académicos, revistas, libros y otros recursos de Google Scholar a través de solicitudes API. Permite a los usuarios buscar mediante palabras clave especificadas y obtener información detallada sobre los documentos relacionados, como el título, la información de publicación, el número de citas, etc.
Parámetros de la API de Google Scholar
| Parámetro | Obligatorio | Descripción |
|---|---|---|
| engine | VERDADERO | Establecer en google_scholar para usar esta API. |
| q | VERDADERO | Consulta de búsqueda (por ejemplo, aprendizaje automático). |
| cites | FALSO | ID único para encontrar artículos que citan. |
| as_ylo | FALSO | Filtrar resultados de un año específico. |
| as_yhi | FALSO | Filtrar resultados hasta un año específico. |
| hl | FALSO | Configuración de idioma (predeterminado: en). |
| num | FALSO | Número de resultados (1-20, predeterminado: 10). |
Ejemplo: Raspando los resultados de búsqueda de Google Scholar
Código de solicitud:
import requests
import json
Establecer la URL de la solicitud API
url = "https://api.scrapeless.com/api/v1/scraper/request"
Definir la carga útil para la solicitud
payload = json.dumps({
"actor": "scraper.google.scholar",
"input": {
"engine": "google_scholar",
"q": "machine learning", # Consulta de búsqueda
"cites": "KNJ0p4CbwgoJ", # Opcional: Buscar artículos que citan este artículo
"as_ylo": 2015, # Opcional: Filtrar resultados de este año (año de inicio)
"as_yhi": 2023, # Opcional: Filtrar resultados hasta este año (año de finalización)
"hl": "en", # Opcional: Configuración de idioma (el predeterminado es inglés)
"num": 10 # Opcional: Número de resultados (el predeterminado es 10)
}
})
Establecer encabezados de solicitud
headers = {
'Content-Type': 'application/json'
}
Enviar la solicitud
response = requests.request("POST", url, headers=headers, data=payload)
Imprimir la respuesta
print(response.text)Explicación de parámetros:
- engine: Establecer en google_scholar, indicando el uso de Google Scholar para la búsqueda.
- q: La consulta de búsqueda (por ejemplo, aprendizaje automático).
- cites: Opcional. Proporciona el ID de un artículo (como KNJ0p4CbwgoJ) para encontrar artículos que lo citan.
- as_ylo: Opcional. El año de inicio (por ejemplo, 2015) para filtrar los resultados.
- as_yhi: Opcional. El año de finalización (por ejemplo, 2023) para filtrar los resultados.
- hl: Opcional. Configuración de idioma, el predeterminado es en para inglés. Se puede configurar en otros idiomas (por ejemplo, zh para chino).
- num: Opcional. El número de resultados que se devolverán, entre 1 y 20. El predeterminado es 10.
Ejemplo de respuesta:
{
"search_information": {
"total_results": 5000000,
"time_taken_displayed": 0.05,
"query_displayed": "machine learning"
},
"organic_result": [
{
"position": 1,
"title": "A survey on machine learning methods",
"result_id": "KNJ0p4CbwgoJ",
"link": "https://example.com/article1",
"snippet": "This article provides a comprehensive survey of machine learning methods, including supervised and unsupervised learning.",
"publication_info": {
"summary": "Author1, Author2 - Journal of Machine Learning, 2020"
}
},
{
"position": 2,
"title": "Deep learning in artificial intelligence",
"result_id": "KNJ0p4CbwgoK",
"link": "https://example.com/article2",
"snippet": "This paper discusses the applications of deep learning in various fields, including computer vision and natural language processing.",
"publication_info": {
"summary": "Author3, Author4 - AI Journal, 2021"
}
}
]
}Estructura de la respuesta:
- search_information: Contiene detalles sobre la consulta de búsqueda:
- total_results: El número total de resultados.
- time_taken_displayed: El tiempo que llevó mostrar los resultados.
- query_displayed: La consulta de búsqueda ingresada.
- organic_result: Una lista de los resultados de búsqueda, cada uno con:
- position: El rango del resultado (por ejemplo, 1º, 2º).
- title: El título del artículo.
- result_id: El ID único del artículo.
- link: La URL del artículo.
- snippet: Un breve resumen o extracto del artículo.
- publication_info: Los detalles de la publicación.
Al ajustar estos parámetros, puede ajustar su búsqueda para obtener los resultados más relevantes de Google Scholar, como limitar los resultados por año, idioma o número de resultados.
¿Quiere comenzar a raspar los resultados de Google Scholar? Haga clic aquí para consultar los detalles de nuestro producto e iniciar sesión ahora para comenzar a usar la API de Google Scholar de Scrapeless.
API de autor de Google Scholar de Scrapeless
La API de autor de Google Scholar de Scrapeless es una herramienta poderosa para obtener información de autores académicos en Google Scholar. Puede proporcionar información básica sobre autores, campos de investigación, listas de artículos y datos de citas. Esta API es particularmente adecuada para investigadores académicos y desarrolladores para extraer materiales académicos, realizar análisis de datos o integrarse en otras aplicaciones.
Parámetros de la API de autor de Google Scholar
| Parámetro | Obligatorio | Descripción |
|---|---|---|
| engine | VERDADERO | Establecer en google_scholar_author. |
| view_op | FALSO | Ver citas o coautores. |
| sort | FALSO | Ordenar por título o fecha de publicación. |
| start | FALSO | Desplazamiento para la paginación. |
| num | FALSO | Número de resultados (máximo: 100). |
| "view_op false" | FALSO | Tiene dos opciones: view_citation - Seleccionar para ver citas. Se requiere citation_id. list_colleagues - Seleccionar para ver todos los coautores. |
| citation_id | FALSO | Es un parámetro requerido cuando se selecciona view_op=view_citation. Puede acceder a los ID dentro de nuestra respuesta JSON estructurada. |
Ejemplo: Obteniendo las publicaciones de un autor
Aquí hay un ejemplo de código escrito en Python que muestra cómo usar la API de autor de Google Scholar de Scrapeless para consultar información sobre autores académicos:
import http.client
import json
conn = http.client.HTTPSConnection("api.scrapeless.com")
# Definir la carga útil de la solicitud, especificar el motor del rastreador y el ID del autor
payload = json.dumps({
"actor": "scraper.google.scholar",
"input": {
"engine": "google_scholar_author",
"author_id": "LSsXyncAAAAJ" # ID de autor de ejemplo
}
})
# Establecer encabezados de solicitud
headers = {
'Content-Type': 'application/json'
}
# Realizar una solicitud POST
conn.request("POST", "/api/v1/scraper/request", payload, headers)
# Obtener el resultado de la respuesta
res = conn.getresponse()
# Leer y mostrar datos
data = res.read()
print(data.decode("utf-8"))El resultado devuelto por la solicitud API es una respuesta con formato JSON que contiene información detallada sobre el autor académico, como el nombre, el campo académico, la institución, etc. Los datos devueltos también incluyen una lista de los artículos y citas del autor. El siguiente es un ejemplo simplificado que muestra algunos de los resultados devueltos por la API:
{
"name": "John Doe",
"institution": "Harvard University",
"research_areas": [
{
"title": "Epigenetics",
"link": "https://scholar.google.com/citations?view_op=search_authors&hl=en&mauthors=label:epigenetics"
},
{
"title": "Gene Regulation",
"link": "https://scholar.google.com/citations?view_op=search_authors&hl=en&mauthors=label:gene_regulation"
},
{
"title": "Genomics",
"link": "https://scholar.google.com/citations?view_op=search_authors&hl=en&mauthors=label:genomics"
},
{
"title": "Transcription Factors",
"link": "https://scholar.google.com/citations?view_op=search_authors&hl=en&mauthors=label:transcription_factors"
}
...Los datos de respuesta contienen información detallada del autor y resultados de investigación. Los campos de resultados específicos incluyen:
- research_areas: Enumera las áreas de investigación del autor, cada una de las cuales tiene un enlace correspondiente que apunta a los resultados de búsqueda en Google Scholar.
- thumbnail: URL de la imagen del avatar del autor.
- articles: Contiene los artículos académicos principales del autor. La información de cada artículo incluye el título, el enlace, el autor, la revista de publicación, el número de citas, etc.
Por ejemplo, la información detallada de un artículo es la siguiente:
- title: Título del artículo
- link: Enlace del artículo, que apunta a la página de citas detallada en Google Scholar
- citation_id: El ID de cita único del artículo en Google Scholar
- authors: Lista de todos los autores participantes
- publication: La revista en la que se publica el artículo y su volumen y número de edición
- cited_by: El número de veces que se cita el artículo, y se proporciona un enlace a la página de citas
Esta información es muy útil para que los investigadores académicos y los desarrolladores analicen las contribuciones académicas del autor.
API de citas de Google Scholar de Scrapeless
La API de citas de Google Scholar de Scrapeless es una herramienta poderosa que permite a los usuarios extraer información de citas de artículos académicos directamente de Google Scholar. Puede recuperar citas formateadas en múltiples formatos, incluidos MLA, APA, Chicago, Harvard y Vancouver, lo que brinda comodidad a investigadores, estudiantes y desarrolladores.
Además, la API de citas de Google Scholar de Scrapeless también proporciona enlaces de exportación para diferentes herramientas de administración de citas (como BibTeX, EndNote, RefMan y RefWorks), lo que permite una integración perfecta con los flujos de trabajo de referencia. Con la recuperación de datos en tiempo real y la salida JSON estructurada, la API de citas de Google Scholar de Scrapeless simplifica el proceso de citas y mejora la eficiencia de la investigación académica.
Parámetros de la API de citas de Google Scholar
| Parámetro | Obligatorio | Descripción |
|---|---|---|
| engine | VERDADERO | Establecer en google_scholar_cite. |
| q | VERDADERO | ID de un artículo para recuperar citas. |
| hl | FALSO | Configuración de idioma (predeterminado: en). |
Ejemplo: Extrayendo detalles de citas
Aquí hay un ejemplo de código Python que demuestra cómo realizar una solicitud a la API de citas de Google Scholar de Scrapeless.
import http.client
import json
conn = http.client.HTTPSConnection("api.scrapeless.com")
payload = json.dumps({
"actor": "scraper.google.scholar",
"input": {
"engine": "google_scholar_cite",
"q": "s1QWFy06YAYJ"
}
})
headers = {
'Content-Type': 'application/json'
}
conn.request("POST", "/api/v1/scraper/request", payload, headers)
res = conn.getresponse()
data = res.read()
print(data.decode("utf-8"))Ejemplo de código de resultado
La API responde con un objeto JSON que contiene detalles de citas en múltiples formatos:
{
"citations": [
{
"title": "MLA",
"snippet": "Masters, Paul S. \"The molecular biology of coronaviruses.\" Advances in virus research 66 (2006): 193-292."
},
{
"title": "APA",
"snippet": "Masters, P. S. (2006). The molecular biology of coronaviruses. Advances in virus research, 66, 193-292."
},
{
"title": "Chicago",
"snippet": "Masters, Paul S. \"The molecular biology of coronaviruses.\" Advances in virus research 66 (2006): 193-292."
},
{
"title": "Harvard",
"snippet": "Masters, P.S., 2006. The molecular biology of coronaviruses. Advances in virus research, 66, pp.193-292."
},
{
"title": "Vancouver",
...
]
}La API de citas de Google Scholar de Scrapeless devuelve una estructura JSON que contiene dos secciones principales: citas (información de citas) y enlaces (enlaces de exportación de formato de citas). A continuación, se muestra un análisis detallado de cada campo:
1. Citas
Este campo es una matriz donde cada elemento representa un formato de cita diferente, incluidos MLA, APA, Chicago, Harvard y Vancouver. Cada formato incluye los siguientes campos:
| Nombre del campo | Tipo de datos | Descripción |
|---|---|---|
| title | Cadena | El nombre del formato de cita, como "MLA" o "APA" |
| snippet | Cadena | El texto de la cita en el formato respectivo, incluido el título del artículo, el autor, la información de la revista, etc. |
Ejemplo de datos:
"citations": [
{
"title": "MLA",
"snippet": "Masters, Paul S. \"The molecular biology of coronaviruses.\" Advances in virus research 66 (2006): 193-292."
},
{
"title": "APA",
"snippet": "Masters, P. S. (2006). The molecular biology of coronaviruses. Advances in virus research, 66, 193-292."
}
]Análisis de datos:
- title: "MLA" indica que esta entrada sigue el formato de cita MLA.
- snippet: El texto de la cita incluye al autor Paul S. Masters, el título del artículo The molecular biology of coronaviruses, la revista Advances in Virus Research, el volumen 66 y las páginas 193-292.
2. Enlaces (Enlaces de exportación de citas)
Este campo es una matriz donde cada elemento proporciona un enlace para exportar la cita en diferentes formatos como BibTeX, EndNote, RefMan y RefWorks. Cada formato incluye los siguientes campos:
| Nombre del campo | Tipo de datos | Descripción |
|---|---|---|
| name | Cadena | El nombre del formato de cita, como "BibTeX" o "EndNote" |
| link | Cadena | Una URL que permite a los usuarios descargar directamente la cita en el formato especificado |
Ejemplo de datos:
"links": [
{
"name": "BibTeX",
"link": "https://scholar.googleusercontent.com/scholar.bib?q=info:s1QWFy06YAYJ..."
},
{
"name": "EndNote",
"link": "https://scholar.googleusercontent.com/scholar.enw?q=info:s1QWFy06YAYJ..."
}
]Análisis de datos:
- name: "BibTeX" indica que esta entrada es un enlace de exportación de citas BibTeX.
- link: "https://scholar.googleusercontent.com/scholar.bib?q=info:s1QWFy06YAYJ..." es una URL directa para acceder a la cita BibTeX, que se puede usar en LaTeX u otras herramientas de administración de referencias.
API de perfiles de Google Scholar de Scrapeless
La API de perfiles de Google Scholar de Scrapeless permite a los usuarios buscar perfiles de Google Scholar en función de los nombres de los autores y obtener información detallada, incluidas citas, intereses, afiliaciones y más. A continuación, se muestra una descripción general de cómo usar la API, los parámetros involucrados y cómo interpretar los resultados.
Parámetros de la API de perfiles de Google Scholar
| Parámetro | Obligatorio | Descripción |
|---|---|---|
| engine | VERDADERO | Establecer en google_scholar_profiles. |
| mauthors | VERDADERO | Nombre del autor para la búsqueda de perfil. |
| hl | FALSO | Configuración de idioma (predeterminado: en). |
| after_author | FALSO | Token para la paginación. |
Ejemplo: Buscando un perfil de autor
El siguiente código Python demuestra cómo realizar una solicitud API utilizando el servicio Scrapeless:
import http.client
import json
conn = http.client.HTTPSConnection("api.scrapeless.com")
payload = json.dumps({
"actor": "scraper.google.scholar",
"input": {
"engine": "google_scholar_author",
"author_id": "LSsXyncAAAAJ"
}
})
headers = {
'Content-Type': 'application/json'
}
conn.request("POST", "/api/v1/scraper/request", payload, headers)
res = conn.getresponse()
data = res.read()
print(data.decode("utf-8"))La API devuelve un objeto JSON con información sobre los resultados de la búsqueda. Aquí hay un ejemplo:
{
"pagination": {
"next": "https://scholar.google.com//citations?view_op=search_authors&hl=en&mauthors=Mike&after_author=pnnfAUQM__8J&astart=10",
"next_page_token": "pnnfAUQM__8J"
},
"profiles": [
{
"name": "Mike Robb",
"link": "https://scholar.google.com//citations?hl=en&user=kq0NYnMAAAAJ",
"author_id": "kq0NYnMAAAAJ",
"affiliations": "Departamento de Química, Imperial College",
"email": "Correo electrónico verificado en imperial.ac.uk",
"cited_by": 230346,
"interests": [
{
"title": "Química computacional",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:computational_chemistry"
},
{
"title": "Química teórica",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:theoretical_chemistry"
},
{
"title": "intersecciones cónicas",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:conical_intersections"
},
{
"title": "dinámica no adiabática",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:non_adiabatic_dynamics"
}
],
"thumbnail": "https://scholar.google.com//citations?hl=en&user=kq0NYnMAAAAJ"
},
{
"name": "Mike A. Nalls",
"link": "https://scholar.google.com//citations?hl=en&user=ZjfgPLMAAAAJ",
"author_id": "ZjfgPLMAAAAJ",
"affiliations": "Fundador/consultor de Data Tecnica International + Líder de ciencia de datos en el Centro para... del NIH",
"email": "Correo electrónico verificado en mail.nih.gov",
"cited_by": 175760,
"interests": [
{
"title": "genética estadística",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:statistical_genetics"
},
{
"title": "neurodegeneración",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:neurodegeneration"
},
{
"title": "ciencia de datos",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:data_science"
},
{
"title": "bioestadística",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:biostatistics"
},
{
"title": "genómica",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:genomics"
}
],
"thumbnail": "https://scholar.google.com//citations?hl=en&user=ZjfgPLMAAAAJ"
},
{
"name": "mike wright",
"link": "https://scholar.google.com//citations?hl=en&user=RIg9DVEAAAAJ",
"author_id": "RIg9DVEAAAAJ",
"affiliations": "Imperial College",
"email": "Correo electrónico verificado en imperial.ac.uk",
"cited_by": 131474,
"interests": [
{
"title": "emprendimiento",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:entrepreneurship"
}
],
"thumbnail": "https://scholar.google.com//citations?hl=en&user=RIg9DVEAAAAJ"
},
{
"name": "Mike Lean (MEJ Lean)",
"link": "https://scholar.google.com//citations?hl=en&user=R8PPdbQAAAAJ",
"author_id": "R8PPdbQAAAAJ",
"affiliations": "Profesor de Nutrición Humana, Universidad de Glasgow",
"email": "Correo electrónico verificado en glasgow.ac.uk",
"cited_by": 98488,
"interests": [
{
"title": "Comida",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:food"
},
{
"title": "Nutrición",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:nutrition"
},
{
"title": "Obesidad",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:obesity"
},
{
"title": "Diabetes",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:diabetes"
},
{
"title": "CHD",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:chd"
}
],
"thumbnail": "https://scholar.google.com//citations?hl=en&user=R8PPdbQAAAAJ"
},
{
"name": "Mike Schuster",
"link": "https://scholar.google.com//citations?hl=en&user=L9lS9_AAAAAJ",
"author_id": "L9lS9_AAAAAJ",
"affiliations": "Two Sigma",
"email": "Correo electrónico verificado en twosigma.com",
"cited_by": 96241,
"interests": [
{
"title": "aprendizaje automático",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:machine_learning"
},
{
"title": "redes neuronales",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:neural_networks"
},
{
"title": "aprendizaje profundo",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:deep_learning"
},
{
"title": "aprendizaje por refuerzo",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:reinforcement_learning"
}
],
"thumbnail": "https://scholar.google.com//citations?hl=en&user=L9lS9_AAAAAJ"
},
{
"name": "prof dr ir Mike SM Jetten",
"link": "https://scholar.google.com//citations?hl=en&user=iXjCKTgAAAAJ",
"author_id": "iXjCKTgAAAAJ",
"affiliations": "Universidad Radboud, Microbiología, Nimega, Países Bajos",
"email": "Correo electrónico verificado en science.ru.nl",
"cited_by": 88336,
"interests": [
{
"title": "microbiología anaeróbica",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:anaerobic_microbiology"
},
{
"title": "ciclo del nitrógeno",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:nitrogen_cycle"
},
{
"title": "arqueas metanógenas",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:methane_archaea"
},
{
"title": "anammox",
"link": "https://scholar.google.com//citations?hl=en&view_op=search_authors&mauthors=label:anammox"
}
],
"thumbnail": "https://scholar.google.com//citations?hl=en&user=iXjCKTgAAAAJ"
},
{
...
}En Scrapeless, solo accedemos a datos disponibles públicamente y cumplimos estrictamente con las leyes, regulaciones y políticas de privacidad del sitio web aplicables. El contenido de este blog es sólo para fines de demostración y no implica ninguna actividad ilegal o infractora. No ofrecemos garantías y renunciamos a toda responsabilidad por el uso de la información de este blog o enlaces de terceros. Antes de realizar cualquier actividad de scraping, consulte a su asesor legal y revise los términos de servicio del sitio web de destino u obtenga los permisos necesarios.
