Python 元数据获取

我正在尝试使用元数据获取包获取此站点上的数据

我在pyaoi网站上尝试了这个例子，但没有成功。当我测试它时，我得到一个错误。代码是：

from oaipmh.client import Client
from oaipmh.metadata import MetadataRegistry, oai_dc_reader

URL = 'http://uni.edu/ir/oaipmh'
registry = MetadataRegistry()
registry.registerReader('oai_dc', oai_dc_reader)
client = Client(URL, registry)

for record in client.listRecords(metadataPrefix='oai_dc'):
    print record

这是堆栈跟踪：

Traceback (most recent call last):
  File "/Users/arashsaidi/PycharmProjects/get-new-DUO/get-files.py", line 8, in <module>
    for record in client.listRecords(metadataPrefix='oai_dc'):
  File "/Users/arashsaidi/.virtualenvs/lbk/lib/python2.7/site-packages/oaipmh/common.py", line 115, in method
    return obj(self, **kw)
  File "/Users/arashsaidi/.virtualenvs/lbk/lib/python2.7/site-packages/oaipmh/common.py", line 110, in __call__
    return bound_self.handleVerb(self._verb, kw)
  File "/Users/arashsaidi/.virtualenvs/lbk/lib/python2.7/site-packages/oaipmh/client.py", line 65, in handleVerb
    kw, self.makeRequestErrorHandling(verb=verb, **kw))    
  File "/Users/arashsaidi/.virtualenvs/lbk/lib/python2.7/site-packages/oaipmh/client.py", line 273, in makeRequestErrorHandling
    raise error.XMLSyntaxError(kw)
oaipmh.error.XMLSyntaxError: {'verb': 'ListRecords', 'metadataPrefix': 'oai_dc'}

回溯（最近一次呼叫最后一次）：
文件“/Users/arashsaidi/PycharmProjects/getnewduo/getfiles.py”，第8行，在
对于client.listRecords（metadataPrefix='oai_dc'）中的记录：
文件“/Users/arashsaidi/.virtualenvs/lbk/lib/python2.7/site packages/oaipmh/common.py”，第115行，在方法中
返回obj（自身，**千瓦）
文件“/Users/arashsaidi/.virtualenvs/lbk/lib/python2.7/site packages/oaipmh/common.py”，第110行，在调用中__
返回绑定的self.handlerb（self.\u动词，kw）
文件“/Users/arashsaidi/.virtualenvs/lbk/lib/python2.7/site packages/oaipmh/client.py”，第65行，在handleVerb中
kw，self.makeRequestErrorHandling（动词=动词，**kw））
文件“/Users/arashsaidi/.virtualenvs/lbk/lib/python2.7/site packages/oaipmh/client.py”，第273行，在makeRequestErrorHandling中
引发错误。XMLSyntaxError（千瓦）
oaipmh.error.XMLSyntaxError:{'verb'：'ListRecords'，'metadataPrefix'：'oai_dc'}

我需要访问上面链接到的页面上的所有文件，并生成一个包含一些元数据的附加文件

---

有什么建议吗？

来自pyoai站点（）的链接似乎已失效，因为它返回404。
然而，您应该能够从您的网站获得如下数据：

from oaipmh.client import Client
from oaipmh.metadata import MetadataRegistry, oai_dc_reader

URL = 'https://www.duo.uio.no/oai/request'
registry = MetadataRegistry()
registry.registerReader('oai_dc', oai_dc_reader)
client = Client(URL, registry)

# identify info
identify = client.identify()
print "Repository name: {0}".format(identify.repositoryName())
print "Base URL: {0}".format(identify.baseURL())
print "Protocol version: {0}".format(identify.protocolVersion())
print "Granularity: {0}".format(identify.granularity())
print "Compression: {0}".format(identify.compression())
print "Deleted record: {0}".format(identify.deletedRecord())

# list records
records = client.listRecords(metadataPrefix='oai_dc')
for record in records:
    # do something with the record
    pass

# list metadata formats
formats = client.listMetadataFormats()
for f in formats:
    # do something with f
    pass

---

我最终使用了镰刀软件包，我发现它有更好的文档和更易于使用：

此代码获取所有集合，然后从每个集合中检索每个记录。考虑到要处理的记录超过30000条，这似乎是最好的解决方案。对每一组进行此操作可以提供更多的控制。希望这能帮助其他人。我不知道为什么图书馆使用OAI，对我来说这似乎不是一个组织数据的好方法

# gets sickle from OAI
        sickle = Sickle('http://www.duo.uio.no/oai/request')
        sets = sickle.ListSets()  # gets all sets
        for recs in sets:
            for rec in recs:
                if rec[0] == 'setSpec':
                    try:
                        print rec[1][0], self.spec_list[rec[1][0]]
                        records = sickle.ListRecords(metadataPrefix='xoai', set=rec[1][0], ignore_deleted=True)
                        self.write_file_and_metadata()
                    except Exception as e:
                        # simple exception handling if not possible to retrieve record
                        print('Exception: {}'.format(e))