API Python¶
A interface principal do projeto é a CLI.
A API Python abaixo documenta os módulos internos mais úteis para reuso e inspeção.
Cliente OAI-PMH¶
ojs_scrape.oaipmh ¶
Cliente OAI-PMH para periódicos OJS.
OAIPMHError ¶
Bases: Exception
Erro retornado pelo servidor OAI-PMH.
Source code in src/ojs_scrape/oaipmh.py
OAIPMHParseError ¶
OAIPMHClient ¶
Cliente para o protocolo OAI-PMH.
Source code in src/ojs_scrape/oaipmh.py
44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 | |
__init__ ¶
Cria um cliente OAI-PMH.
Parameters:
| Name | Type | Description | Default |
|---|---|---|---|
base_url
|
str
|
URL base do periódico OJS ou URL direta do endpoint |
required |
delay
|
float
|
intervalo mínimo entre requisições ao mesmo servidor. |
1.0
|
timeout
|
float
|
timeout de rede em segundos. |
30.0
|
Source code in src/ojs_scrape/oaipmh.py
close ¶
identify ¶
Executa Identify e retorna informações do repositório.
Source code in src/ojs_scrape/oaipmh.py
list_sets ¶
Executa ListSets e retorna todos os sets disponíveis.
Alguns repositórios OAI-PMH não implementam sets. Nesses casos retorna lista vazia.
Source code in src/ojs_scrape/oaipmh.py
list_records ¶
list_records(
metadata_prefix: str = "oai_dc",
from_date: str | None = None,
until_date: str | None = None,
set_spec: str | None = None,
) -> Iterator[Article]
Executa ListRecords e gera artigos via paginação.
Source code in src/ojs_scrape/oaipmh.py
get_record ¶
Executa GetRecord para um identificador específico.
Source code in src/ojs_scrape/oaipmh.py
list_identifiers ¶
list_identifiers(
metadata_prefix: str = "oai_dc",
from_date: str | None = None,
until_date: str | None = None,
set_spec: str | None = None,
) -> Iterator[tuple[str, bool]]
Executa ListIdentifiers, mais leve que ListRecords.
Source code in src/ojs_scrape/oaipmh.py
Modelos¶
ojs_scrape.models ¶
Modelos de dados para registros OAI-PMH e OJS.
OAISet
dataclass
¶
OJSJournal
dataclass
¶
Representa um periódico OJS exposto via OAI-PMH.
Source code in src/ojs_scrape/models.py
Article
dataclass
¶
Representa um artigo de periódico OJS.
Source code in src/ojs_scrape/models.py
to_dict ¶
Converte o artigo em dicionário plano para serialização.
Source code in src/ojs_scrape/models.py
Filtros¶
ojs_scrape.filters ¶
Filtros para artigos coletados via OAI-PMH.
filter_by_author ¶
filter_by_author(
articles: Sequence[Article],
query: str,
*,
case_sensitive: bool = False,
) -> list[Article]
Filtra artigos por nome de autor usando busca por substring.
Source code in src/ojs_scrape/filters.py
filter_by_issue_ids ¶
filter_by_issue_ids(
articles: Sequence[Article],
issue_articles: Mapping[int, IssueArticleMetadata],
) -> list[Article]
Filtra e enriquece artigos que pertencem às edições informadas.
Source code in src/ojs_scrape/filters.py
filter_by_set ¶
Filtra artigos por set OAI-PMH.
Source code in src/ojs_scrape/filters.py
filter_by_date_range ¶
filter_by_date_range(
articles: Sequence[Article],
from_year: int | None = None,
until_year: int | None = None,
) -> list[Article]
Filtra artigos por ano de publicação.
Source code in src/ojs_scrape/filters.py
filter_by_publication_date_range ¶
filter_by_publication_date_range(
articles: Sequence[Article],
from_date: str | None = None,
until_date: str | None = None,
) -> list[Article]
Filtra artigos por data de publicação (dc:date), não por datestamp OAI.
Source code in src/ojs_scrape/filters.py
Exportadores¶
ojs_scrape.exporters ¶
Exportação de artigos em formatos tabulares e bibliográficos.
to_json ¶
Exporta artigos como JSON.
Source code in src/ojs_scrape/exporters.py
to_csv ¶
Exporta artigos como CSV.
Source code in src/ojs_scrape/exporters.py
to_bibtex ¶
Exporta artigos como BibTeX.
Source code in src/ojs_scrape/exporters.py
TOC OJS¶
ojs_scrape.toc ¶
Scraping leve de TOCs (Table of Contents) de edições OJS.
TocArticle ¶
Bases: TypedDict
Metadados mínimos de um artigo extraídos da TOC.
Source code in src/ojs_scrape/toc.py
IssueToc ¶
IssueInfo ¶
scrape_issue_toc ¶
Faz scrape da TOC de uma edição OJS e retorna article_id → metadados.
Source code in src/ojs_scrape/toc.py
find_issue_urls ¶
find_issue_urls(
base_url: str,
archive_path: str = "issue/archive",
timeout: float = 30.0,
) -> list[IssueInfo]
Faz scrape da página de arquivo do periódico e retorna edições disponíveis.
Source code in src/ojs_scrape/toc.py
PDFs¶
ojs_scrape.pdf ¶
Download de PDFs de artigos OJS.
download_pdf ¶
download_pdf(
article_url: str,
output_dir: str | Path,
filename: str | None = None,
timeout: float = 60.0,
session: Session | None = None,
) -> Path | None
Baixa o PDF de um artigo OJS.
Tenta primeiro a URL padrão /download. Se falhar, procura um link de PDF na página do artigo.
Source code in src/ojs_scrape/pdf.py
find_pdf_url ¶
Procura a URL de PDF em uma página de artigo OJS.
Source code in src/ojs_scrape/pdf.py
download_pdfs ¶
download_pdfs(
articles: Sequence[Article],
output_dir: str | Path,
timeout: float = 60.0,
limit: int | None = None,
) -> list[Path]
Baixa PDFs de múltiplos artigos.