Estou tentando rastejarResultados da pesquisa do Google Scholar e obtenha todo o formato BiBTeX de cada resultado correspondente à pesquisa. No momento, tenho um rastreador Scrapy no Splash. Eu tenho um script lua que clicará no link "Citar" e carregará a janela modal antes de obter ohref do formato BibTeX da citação. Mas, como existem vários resultados de pesquisa e, portanto, vários links "Citar", preciso clicar em todos eles e carregar as páginas individuais do BibTeX.

Aqui está o que eu tenho:

import scrapy
from scrapy_splash import SplashRequest


class CiteSpider(scrapy.Spider):
    name = "cite"
    allowed_domains = ["scholar.google.com", "scholar.google.ae"]
    start_urls = [
        'https://scholar.google.ae/scholar?q="thermodynamics"&hl=en'
    ]

    script = """
        function main(splash)
          local url = splash.args.url
          assert(splash:go(url))
          assert(splash:wait(0.5))
          splash:runjs('document.querySelectorAll("a.gs_nph[aria-controls=gs_cit]")[0].click()')
          splash:wait(3)
          local href = splash:evaljs('document.querySelectorAll(".gs_citi")[0].href')
          assert(splash:go(href))
          return {
            html = splash:html(),
            png = splash:png(),
            href=href,
          }
        end
        """

    def parse(self, response):
        yield SplashRequest(self.start_urls[0], self.parse_bib,
                            endpoint="execute",
                            args={"lua_source": self.script})

    def parse_bib(self, response):
        filename = response.url.split("/")[-2] + '.html'
        with open(filename, 'wb') as f:
            f.write(response.css("body > pre::text").extract()[0])

Estou pensando em passar o índice do link "Citar" para o script lua quando executar oquerySelectorAll chamar, mas não consigo encontrar uma maneira de passar outra variável para a função. Também suponho que vou ter que fazer algum javascript sujohistory.back() para retornar à página de resultados original depois de obter o BibTeX, mas sinto que há uma maneira mais elegante de lidar com isso.