学习器 0.2.0

étudier 是一个小型Python程序，它使用 Selenium、requests-html 和 networkx 来驱动一个 非无头 浏览器收集特定 谷歌学术 引用或搜索结果集的引文图。生成的网络以 GEXF 和 GraphML 文件以及包含 D3 网络可视化的HTML文件（如上图所示）的形式写入。

如果你想知道为什么它使用非无头浏览器，那是因为谷歌对这个数据非常 保密，并且会定期要求你解决验证码（在照片中识别街道标志、汽车等）来证明你不是机器人。étudier 允许你在出现这些验证码任务时完成它们，然后继续收集数据。你需要有一个浏览器来进行交互。

安装

在执行其他操作之前，你需要安装 ChromeDriver。如果你在OS X上使用Homebrew，这就像这样简单

brew cask install chromedriver

然后你需要安装 Python 3 和

pip3 install etudier

运行

要使用 étudier，你首先需要导航到你感兴趣的谷歌学术页面，例如，这里是引用 Sherry Ortner 的 自六十年代以来的人类学理论 的引用页面。然后你开始启动指向该页面的 etudier。

% etudier 'https://scholar.google.com/scholar?start=0&hl=en&as_sdt=20000005&sciodt=0,21&cites=17950649785549691519&scipsc='

如果你对从谷歌学术的关键词搜索结果开始感兴趣，你也可以这样做。例如，如果我想了解关于CSCW会议和记忆的论文，以下是搜索 "cscw memory" 的url

% etudier 'https://scholar.google.com/scholar?hl=en&as_sdt=0%2C21&q=cscw+memory&btnG='

注意：引用URL非常重要，这样可以防止shell将 ampersands 解释为将进程放入后台的尝试。

--pages

默认情况下，étudier 将收集该页面的10个引用，然后查看每个引用的前10个引用。因此，您最终收集的引用不会超过100个（每页10个 * 10个引用）。

如果您想获取超过一页的结果，请使用 --pages。例如，这将导致收集的结果不超过400（20 * 20）。

% etudier --pages 2 'https://scholar.google.com/scholar?start=0&hl=en&as_sdt=20000005&sciodt=0,21&cites=17950649785549691519&scipsc=' 

--depth

最后，如果您想查看引用的引用，请使用 --depth 参数。

% etudier --depth 2 'https://scholar.google.com/scholar?start=0&hl=en&as_sdt=20000005&sciodt=0,21&cites=17950649785549691519&scipsc='

这将收集初始的10个引用，每个的顶级10个引用，然后是那些引用中的顶级10个引用，因此引用不会超过1000（10 * 10 * 10）。由于肯定存在一些交叉引用重复，所以不会更多。

--output

默认情况下，output.gexf、output.graphml 和 output.html 文件将被写入当前工作目录，但您可以使用 --output 选项来更改此设置，以控制使用的文件名前缀。输出文件将包含从Google Scholar收集的原始元数据，包括：

• id - 由Google分配的簇标识符
• url - 发表的URL
• title - 发表的标题
• authors - 发表作者列表，以逗号分隔
• year - 发表年份
• cited-by - 引用该发表的其它出版物数量
• cited-by-url - 引用发表列表的Google Scholar URL

• modularity - 从社区检测获得的模块化值

HTML/D3输出的功能

• 节点的颜色表示其引用组
• 节点的大小表示其被引用的次数
• 单击节点可打开其源网站
• 可拖动的节点
• 缩放和平移
• 双击以居中节点
• 可调整大小的窗口
• 文本标签
• 悬停以突出显示一阶邻域
• 单击并按住节点以淡出周围区域