分析
- 作者仓库星标 180
- 作者仓库 -skills
- 领域
- 通用
- 作者声明的智能体
- 未找到明确声明;不据此推断已兼容或已测试
- 静态检查
- 88 / 100 · 启发式扫描,不代表运行安全
- 运行环境证据
- 未执行;当前没有隔离运行测试证据
- 作者 / 版本 / 许可证
- @yipng05-max · 未声明许可证
- 上下文用量评级
- 低消耗
- 接入复杂程度
- 即装即用
- 是否需要外部接口密钥
- 不需要
- 兼容的系统
- 未声明(默认跨平台)
- 运行环境要求
- Python
- 检测到的文件与系统行为
-
- 只读
- 网络行为
- 仅限本地
- 安装命令数
- 无(仅作为资料)
需要注意: 未声明工具权限范围;实际权限由运行环境决定。
Phase 2: 浏览器数据采集
使用Chrome DevTools MCP工具从知网采集数据。
Step 2.5: 摘要采集(抽样策略)
全量摘要采集耗时极长,采用抽样:每年选取2期(如第1期和第7期),每期取前3篇文章访问摘要页。 访问文章详情页后提取摘要: 若浏览器方式受阻,用WebSearch搜索 `"{文章标题}" site:cnki.net` 补充摘要和关键词。
Phase 3: 数据分析
采集完成后,将所有数据保存为JSON,然后运行 `scripts/analyze_journal.py` 进行分析。 该脚本依赖:`pip3 install jieba wordcloud python-docx matplotlib numpy` 脚本接收JSON数据文件路径,输出分析结果和可视化图表: 发文量趋势:按年度统计发文数量折线图 高频关键词Top30:jieba分词 → 去停用词 → 词频统计 → 柱状图+词云
# C刊论文全面分析工具
## Phase 1: 确定期刊与CNKI代码
1. 从用户输入中提取期刊名称
2. 查询 `references/journal_codes.md` 获取CNKI代码(如"管理世界"→ `GLSJ`)
3. 若未收录,用WebSearch搜索 `site:navi.cnki.net/knavi/journals "{期刊名}"` 从URL提取代码
4. 向用户确认期刊后继续
## Phase 2: 浏览器数据采集
使用Chrome DevTools MCP工具从知网采集数据。
### Step 2.1: 打开期刊页
```
navigate_page → https://navi.cnki.net/knavi/journals/{CODE}/detail
```
**验证码处理**:若页面出现"请完成安全验证"或"拖动下方拼图",立即提示用户:
> "知网需要安全验证,请在浏览器中完成滑块验证,完成后告诉我。"
等用户确认后,用 `navigate_page` 重新加载页面。
### Step 2.2: 提取期刊基本信息
```javascript
() => {
const title = document.querySelector('h3')?.textContent?.trim() || '';
const info = {};
document.querySelectorAll('.detailInfo p, .s-info p').forEach(p => {
const text = p.textContent;
if (text.includes('主办单位')) info.sponsor = text.split(':')[1]?.trim();
if (text.includes('ISSN')) info.issn = text.split(':')[1]?.trim();
if (text.includes('CN')) info.cn = text.split(':')[1]?.trim();
if (text.includes('出版周期')) info.frequency = text.split(':')[1]?.trim();
if (text.includes('复合影响因子')) info.cif = text.split(':')[1]?.trim();
if (text.includes('综合影响因子')) info.aif = text.split(':')[1]?.trim();
});
return { title, ...info };
}
```
也可直接从snapshot中读取基本信息(StaticText节点)。
### Step 2.3: 点击"论文"标签并提取年份期次
点击 uid 对应"论文"的链接,等待加载,然后提取:
```javascript
() => {
const results = [];
document.querySelectorAll('dl[id$="_Year_Issue"]').forEach(dl => {
const year = dl.querySelector('dt em')?.textContent?.trim();
if (!year) return;
const issues = [];
dl.querySelectorAll('dd a').forEach(a => {
issues.push({ id: a.id, issue: a.textContent.trim(), value: a.getAttribute('value') });
});
results.push({ year: parseInt(year), issues });
});
return results;
}
```
筛选最近5年数据(当前年份 - 4 至当前年份)。若知网分页显示年份(每页显示部分年份),需翻页加载更多。
### Step 2.4: 逐期采集文章列表
对每个期次,点击对应的期次链接(通过 `click` uid 或 `evaluate_script` 模拟点击),等待文章列表加载(`wait_for` 等待标题出现或等1-2秒),然后提取:
```javascript
() => {
const articles = [];
document.querySelectorAll('#CatalogList dd.row').forEach(dd => {
const titleEl = dd.querySelector('span.name a');
const authorEl = dd.querySelector('span.author');
const pageEl = dd.querySelector('span.company');
const sectionEl = dd.closest('div')?.querySelector('dt.tit');
if (titleEl) {
articles.push({
title: titleEl.textContent.trim(),
url: titleEl.href,
authors: authorEl?.getAttribute('title')?.replace(/;$/,'') || '',
pages: pageEl?.getAttribute('title') || '',
section: sectionEl?.textContent?.trim() || ''
});
}
});
return articles;
}
```
**关键**:
- 每个期次采集间隔1-2秒,避免触发反爬
- 持续向用户报告进度(如"正在采集2024年第6期,已完成32/60期...")
- 所有数据暂存到一个JSON数组中
### Step 2.5: 摘要采集(抽样策略)
全量摘要采集耗时极长,采用抽样:每年选取2期(如第1期和第7期),每期取前3篇文章访问摘要页。
访问文章详情页后提取摘要:
```javascript
() => {
const abs = document.querySelector('#ChDivSummary, .abstract-text, [name="abstracts"]');
const kw = document.querySelector('#ChDivKeyWord, .keywords');
return {
abstract: abs?.textContent?.trim() || '',
keywords: kw?.textContent?.replace('关键词:','').trim() || ''
};
}
```
若浏览器方式受阻,用WebSearch搜索 `"{文章标题}" site:cnki.net` 补充摘要和关键词。
## Phase 3: 数据分析
采集完成后,将所有数据保存为JSON,然后运行 `scripts/analyze_journal.py` 进行分析。
该脚本依赖:`pip3 install jieba wordcloud python-docx matplotlib numpy`
脚本接收JSON数据文件路径,输出分析结果和可视化图表:
1. **发文量趋势**:按年度统计发文数量折线图
2. **高频关键词Top30**:jieba分词 → 去停用词 → 词频统计 → 柱状图+词云
3. **主题聚类**:基于高频词共现进行粗粒度主题归类
4. **栏目分析**:各栏目发文占比饼图及趋势变化
5. **核心作者Top20**:发文频次柱状图
6. **研究方法识别**:从标题中匹配方法关键词(实证/案例/实验/模型/仿真/调查/访谈/文献计量/元分析/回归/面板数据/DID/RDD/PSM/机器学习/深度学习/SEM/扎根理论等)
7. **热点演变**:前3年 vs 近2年的关键词对比,识别新兴/衰退主题
8. **研究空白与投稿建议**:基于以上分析综合给出
## Phase 4: 生成Word报告
使用python-docx生成格式化报告,结构:
```
封面:《{期刊名}》近五年({起始年}-{结束年})发文分析报告
一、期刊概况
二、发文量与趋势分析(含图表)
三、选题热点分析(含词云图、高频词柱状图)
四、热点演变与新兴主题
五、核心作者群分析
六、研究方法偏好分析
七、栏目主题分析
八、研究空白与投稿建议
附录:完整文章目录(按年份-期次排列)
```
报告保存至 `~/Downloads/{期刊名}_近五年发文分析报告.docx`。
## 注意事项
- 知网有反爬机制,每次请求间隔≥1秒
- 验证码出现时必须请用户手动完成
- 安装依赖:`pip3 install jieba wordcloud python-docx matplotlib numpy`
- 期刊代码优先查 `references/journal_codes.md`
- 采集全程保持进度播报
章节与文件索引
按说明文件中的顺序排列。
Phase 1: 确定期刊与CNKI代码
Step 2.1: 打开期刊页
Step 2.2: 提取期刊基本信息
Step 2.3: 点击"论文"标签并提取年份期次
Step 2.4: 逐期采集文章列表
文件/命令 -> references/journal_codes.md · GLSJ · site:navi.cnki.net/knavi/journals "{期刊名}" · navigate_page · click · evaluate_script · wait_for · "{文章标题}" site:cnki.net
内容校验值 -> 99aa3cd30151
当前原文的自动摘译,尚未人工审校。
Phase 1: 确定期刊与CNKI代码
从用户输入中提取期刊名称 查询
references/journal_codes.md获取CNKI代码(如"管理世界"→GLSJ) 若未收录,用WebSearch搜索site:navi.cnki.net/knavi/journals "{期刊名}"从URL提取代码 向用户确认期刊后继续Step 2.1: 打开期刊页
验证码处理:若页面出现"请完成安全验证"或"拖动下方拼图",立即提示用户: "知网需要安全验证,请在浏览器中完成滑块验证,完成后告诉我。" 等用户确认后,用
navigate_page重新加载页面。Step 2.2: 提取期刊基本信息
也可直接从snapshot中读取基本信息(StaticText节点)。
Step 2.3: 点击"论文"标签并提取年份期次
点击 uid 对应"论文"的链接,等待加载,然后提取: 筛选最近5年数据(当前年份 - 4 至当前年份)。若知网分页显示年份(每页显示部分年份),需翻页加载更多。
Step 2.4: 逐期采集文章列表
对每个期次,点击对应的期次链接(通过
clickuid 或evaluate_script模拟点击),等待文章列表加载(wait_for等待标题出现或等1-2秒),然后提取: 关键: 每个期次采集间隔1-2秒,避免触发反爬 持续向用户报告进度(如"正在采集2024年第6期,已完成32/60期...") 所有数据暂存到一个JSON数组中