本文旨在提供一套全面的指南，教授如何利用OpenReview API获取学术会议（特别是2023年及以后）的论文标题和其他相关数据。鉴于API版本迭代，我们将重点介绍如何使用`openreview.api.OpenReviewClient`及其新的`baseurl`以访问最新数据。同时，针对部分会议（如CVPR 2023）可能不完全通过OpenReview提供数据的情况，本文还将介绍如何通过网页抓取技术作为有效补充，确保研究人员能够高效、准确地获取所需信息。
1. OpenReview API 简介与版本更新
OpenReview是一个广泛使用的学术评审平台，它为许多顶级会议提供论文提交、评审和决策服务。为了方便研究人员和开发者访问这些数据，OpenReview提供了Python API。然而，随着平台的发展，其API也经历了版本迭代。
关键更新： 对于2023年及以后举办的会议数据，旧版的openreview.Client和默认的https://api.openreview.net基准URL可能无法正常工作或返回空结果。正确的做法是使用openreview.api.OpenReviewClient类，并指定新的API基准URL：https://api2.openreview.net。此外，通常无需先获取会议组（venue_group）对象来获取提交数据，可以直接查询。
2. 使用 OpenReview API 获取最新会议论文数据
本节将演示如何使用更新后的OpenReview API来获取特定会议（例如NeurIPS 2023）的论文标题。
2.1 安装 OpenReview Python 包
如果尚未安装，请通过pip安装OpenReview库：
pip install openreview
2.2 获取 NeurIPS 2023 论文标题
以下代码展示了如何连接到新的API端点并检索NeurIPS 2023的论文标题：
将 Markdown 文章转换为微信公众号兼容的纯 HTML 格式。当用户要求"转成微信格式"、"生成公众号文章 HTML"、"排版到微信草稿箱"、"微信粘贴格式"时触发。输出带内联样式的纯 HTML，微信编辑器可直接渲染，无需额外适配。支持标题、段落、列表、粗体、行内代码、表格、引用块、代码块、配图的完整转换。
import openreview
# 1. 使用新的API客户端和基准URL
client = openreview.api.OpenReviewClient(baseurl='https://api2.openreview.net')
# 2. 查询指定会议的提交（submissions）
# 'venueid'是识别会议的关键参数，格式通常为 '会议简称.cc/年份/Conference'
submissions = client.get_all_notes(content={'venueid':'NeurIPS.cc/2023/Conference'})
# 3. 提取所有论文的标题
papers_titles = [s.content['title']['value'] for s in submissions]
# 4. 打印前10个标题进行验证
print("NeurIPS 2023 论文前10个标题:")
for title in papers_titles[:10]:
print(f"- {title}")示例输出（部分）：
NeurIPS 2023 论文前10个标题: - Online PCA in Converging Self-consistent Field Equations - Don’t blame Dataset Shift! Shortcut Learning due to Gradients and Cross Entropy - On Slicing Optimality for Mutual Information - k-Median Clustering via Metric Embedding: Towards Better Initialization with Differential Privacy - Information Maximization Perspective of Orthogonal Matching Pursuit with Applications to Explainable AI - STEVE-1: A Generative Model for Text-to-Behavior in Minecraft - AMAG: Additive, Multiplicative and Adaptive Graph Neural Network For Forecasting Neuron Activity - Conditional Matrix Flows for Gaussian Graphical Models - Representational Strengths and Limitations of Transformers - Cappy: Outperforming and Boosting Large Multi-Task LMs with a Small Scorer
3. 处理 OpenReview 不支持或数据不完整的会议：以 CVPR 2023 为例
并非所有会议都会将其所有数据完全集成到OpenReview平台，或者可能存在延迟。例如，CVPR 2023虽然首次使用了OpenReview，但其完整的论文列表和详细信息通常在其官方的Open Access网站上提供。在这种情况下，我们可以采用网页抓取（Web Scraping）的方法来获取数据。
3.1 网页抓取简介
网页抓取是一种从网站上提取信息的技术。我们将使用requests库来获取网页内容，并使用lxml.html库来解析HTML并使用XPath表达式定位所需元素。
3.2 安装必要的库
pip install requests lxml
3.3 抓取 CVPR 2023 论文标题
以下代码演示了如何从CVPR 2023的Open Access网站抓取论文标题：
import requests
from lxml.html import fromstring
# 1. 定义目标URL
url = 'https://openaccess.thecvf.com/CVPR2023?day=all'
# 2. 发送HTTP GET请求获取网页内容
response = fromstring(requests.get(url).text)
# 3. 使用XPath表达式选择论文标题元素
# XPath表达式 `//*[@id="content"]/dl/dt/a/text()` 定位了网页中
# id为"content"的元素下，所有dl/dt/a标签内的文本内容，这些通常是论文标题。
elements = response.xpath('//*[@id="content"]/dl/dt/a/text()')
# 4. 打印前10个标题进行验证
print("\nCVPR 2023 论文前10个标题:")
for title in elements[:10]:
print(f"- {title}")示例输出（部分）：
CVPR 2023 论文前10个标题: - GFPose: Learning 3D Human Pose Prior With Gradient Fields - CXTrack: Improving 3D Point Cloud Tracking With Contextual Information - Deep Frequency Filtering for Domain Generalization - Frame Flexible Network - Unsupervised Cumulative Domain Adaptation for Foggy Scene Optical Flow - NoisyTwins: Class-Consistent and Diverse Image Generation Through StyleGANs - DisCoScene: Spatially Disentangled Generative Radiance Fields for Controllable 3D-Aware Scene Synthesis - Revisiting Self-Similarity: Structural Embedding for Image Retrieval - Minimizing the Accumulated Trajectory Error To Improve Dataset Distillation - Decoupling-and-Aggregating for Image Exposure Correction
4. 注意事项与最佳实践
- API 版本管理： 始终关注官方文档，了解OpenReview API的最新版本和推荐用法。对于2023年及以后的数据，请优先使用openreview.api.OpenReviewClient和https://api2.openreview.net。
- 会议数据源： 并非所有会议都会将其所有数据完全同步到OpenReview。在获取数据时，最好首先检查会议的官方网站或Open Access页面，以确定最权威和完整的数据来源。
-
网页抓取伦理与限制：
- robots.txt： 在抓取任何网站之前，请检查其robots.txt文件，了解网站所有者是否允许抓取以及允许抓取的范围。
- 请求频率： 避免在短时间内发送大量请求，以免给服务器造成负担。通常，在请求之间加入适当的延迟（例如time.sleep(1)）是一个好习惯。
- 网站结构变化： 网站的HTML结构可能会发生变化，导致XPath或CSS选择器失效。定期检查和更新抓取代码是必要的。
- 服务条款： 遵守网站的服务条款，某些网站可能明确禁止自动化抓取。
- 错误处理： 在实际应用中，应加入健壮的错误处理机制，例如处理网络请求失败、API返回空数据或数据格式不匹配等情况。
5. 总结
本文详细介绍了如何利用OpenReview API获取学术会议的论文数据，特别强调了针对2023年及以后数据的新API端点和客户端的使用。同时，针对OpenReview可能不提供完整数据的场景，我们提供了一个通过网页抓取技术从会议官方Open Access网站获取数据的替代方案。掌握这些方法将大大提高研究人员获取和处理学术会议数据的效率和灵活性。在实际操作中，请务必遵守API的使用规定和网页抓取的伦理规范。
