Google patent 爬蟲擷取專利資訊

一開始爬google patent時，發現被禁止無法捉取資料，原來是少了header。以下程式碼可以爬google patent獲取資料。

 

import urllib.request
from bs4 import BeautifulSoup

req = urllib.request.Request('http://www.google.st/patents/US7992995')
req.add_header('User-agent', 'Mozilla/5.0')
patent_html = urllib.request.urlopen(req)

soup = BeautifulSoup(patent_html, 'html.parser')

patentNumber = soup.find("span", { "class" : "patent-number" }).text
assigneeMetaTag = soup.find("meta", { "scheme" : "assignee"})
patentAssignee = assigneeMetaTag.attrs["content"]

print(patentNumber, patentAssignee)

 

更多訊息，可以參考以下Stackoverflow網址：

 

http://stackoverflow.com/questions/32637023/using-google-patent-api

Patent-Management-Chart 更新

 

本來昨天決定要好好工作，停止寫code，但還是忍不住寫了。

 

https://github.com/ides13/Patent-Management-Chart/blob/master/Chart_plot_20170517.ipynb

 

更新的檔案，將發明人、專利權人、申請日、申請號等資料加入。

不過，圖表只有增加發明人和專利權人。

Python 在專利管理及分析圖上的應用。

最近，突然迷上 Python 這個語言， 它有著眾多的程序庫可以使用，而且特別適合用在網頁的擷取與分析，讓我想到了專利管理圖的分析。

雖然，我沒有特別喜歡專利管理分析的各種圖，但是其中一種圖卻很實用，那就是「分類號分析圖」，upc , ipc, cpc 的長條圖，在進行專利檢索要決定發明的「分類號」時，很實用，尤其是對分類號還沒有很熟悉時。

於是，下定決心寫一個，相關程式碼，如下。
https://github.com/ides13/Patent-Management-Chart/blob/master/upc_plot.ipynb

建議在專利數量小時使用，雖然我試過一次擷取161件專利資料，也可行，如下，不過會跑滿久的，也許五分鐘吧。

https://github.com/ides13/Patent-Management-Chart/blob/master/upc_plot_len161.ipynb

該些資料，都是從USPTO的專利公報資料庫擷取，由於USPTO的資料庫會限制連線量，印象中應該是200筆，所以在使用前述程式時，要小心使用，不要一天連線太多次太多筆，不然會被USPTO的伺服器踢掉。

另外，我其實也嘗試過，擷取專利權人、發明人、申請日、申請號等資料，想要做分析圖。但是，由於每一件專利的各種資料在table的欄位有可能不一樣，所以得到的資料不正確。需要正確資料時要用find、search等決定欄位，還要動腦寫code。但，反正也不實用，而且我也累了，超過目前的能力，加上目前的工作延誤太多，想回歸正常工作，故決定放棄，交給更有能力的人來做。