如何使用 Perl 将 MARC 文件中的 ISBN 替换为 Google 图书 ID？

Question

我有一个文件，其中包含 MARC 格式的一些图书数据，其中一些行是ISBN。我想将这些行替换为该 ISBN 的 Google 图书 ID（如果存在）。这是到目前为止的代码，最终只是删除了这些行：

perl -pe "s#ISBN(.*)#$(wget --output-document=- --quiet --user-agent=Mozilla/ 5.0 \"http://books.google.com/books?jscmd=viewapi&bibkeys=\1\")#mg" < 5-${文件}> 6-${file}

PS：Google 对自动化工具的使用有点模糊：图书数据API推荐使用curl/wget等工具，但没有说明如何避免使用此类工具时被屏蔽。我也很确定我在服务条款中看到了一个条款，说用户不能发送自动查询，但我找不到它了。这是在他们的论坛中讨论的。

Answer 1

您最终不得不对用户代理撒谎的原因是因为您违反了 Google 的 TOS：不要这样做。

请改用 Google 图书搜索 API。

由于我对 XML::Atom、Data::Feed、WWW::OpenSearch。然而，它应该提供一个良好的起点。

#!/usr/bin/perl

use strict;
use warnings;

use Business::ISBN qw( valid_isbn_checksum );
use LWP::Simple;
use XML::Simple;

while ( <> ) {
    s/ISBN:([0-9]+)/'Google Books ID:' . get_google_id_for_isbn($1)/ge;
    print;
}

use Carp;

sub make_google_books_query {
    sprintf 'http://books.google.com/books/feeds/volumes?q=isbn:%s', $_[0];
}

sub get_google_id_for_isbn {
    my ($isbn) = @_;

    my $google_id = eval {
        defined(valid_isbn_checksum $isbn)
            or croak "Invalid ISBN: $isbn";

        my $query = make_google_books_query($isbn);
        my $xml = get $query;

        defined($xml)
            or croak "No response to <$query>";

        my $data = XMLin($xml, ForceArray => 1);
        my @ids = @{ $data->{entry}[0]{'dc:identifier'} };

        unless ("ISBN:$isbn" eq $ids[1]
                or "ISBN:$isbn" eq $ids[2] ) {
            croak "Invalid search results: '@ids'";
        }

        $ids[0];
    };

    defined($google_id) ? $google_id : '';
}

给定一个文本文件 t.txt 包含：

ISBN:0060930314
ISBN:9780596520106

它输出：

Google Books ID:ioXFqlzsmK8C
Google Books ID:lNVHi3TunxsC

Answer 2

我认为 OP 走在正确的轨道上，可以使用单行代码来实现这一点，只需要用正确的 Perl 语法替换一些 bash 风格的语法。我认为这会起作用（为了可读性而添加换行符）：

    perl -pe 's#ISBN(\w+)#qx(wget --output-document=- 
        --quiet --user-agent=Mozilla/5.0 
        "http://books.google.com/books\\?jscmd=viewapi\\&bibkeys=$1")#ge' \
        < 5-${file} > 6-${file}

您必须转义（编辑：双重转义似乎有效）网址中的 $ 或 & 字符。