使用R语言scholar包提取Google Scholar引用及索引信息报错求助

问题说明 #

运行提供的代码时出现错误：Error in scholar(query, pages = 1) : is.character(id) is not TRUE，核心原因是对scholar包的函数用法存在误解。

错误原因 #

scholar()函数要求传入的是Google Scholar作者ID（即作者个人主页URL中user=后的字符串），而非姓名+学校的搜索关键词。直接传入关键词会触发类型校验错误。

修复方案 #

1. 获取作者的Google Scholar ID #

打开Google Scholar，搜索目标作者并进入其个人主页，从URL中提取user=后的ID。例如：

• 若John Smith的主页URL为https://scholar.google.com/citations?user=abc123，则对应的ID为abc123。

2. 修正代码 #

使用get_profile()函数（scholar包中专门用于获取作者引用数据的函数），结合作者ID提取所需信息：

library(scholar)

# 补充作者的Google Scholar ID
professors <- data.frame(
  name = c("John Smith", "Jane Doe", "Mike Johnson"),
  school = c("Harvard University", "Stanford University", "MIT"),
  scholar_id = c("替换为实际ID", "替换为实际ID", "替换为实际ID") # 填入你获取到的真实ID
)

get_citation_info <- function(name, school, scholar_id) {
  # 获取作者完整档案
  profile <- get_profile(scholar_id)
  
  # 提取所需指标
  total_cites <- profile$total_cites
  h_index <- profile$h_index
  i10_index <- profile$i10_index
  
  return(data.frame(
    name = name,
    school = school,
    total_citations = total_cites,
    h_index = h_index,
    i10_index = i10_index
  ))
}

# 批量获取数据
citation_info <- mapply(get_citation_info,
                        professors$name,
                        professors$school,
                        professors$scholar_id,
                        SIMPLIFY = FALSE)
citation_info <- do.call(rbind, citation_info)

# 输出结果
print(citation_info)

3. 辅助：自动搜索获取ID #

如果手动查找ID麻烦，可先用search_scholar()函数搜索关键词，再提取匹配结果的ID：

# 搜索作者
search_res <- search_scholar("John Smith Harvard University")
# 提取第一个匹配结果的ID
target_id <- search_res$scholar_id[1]

4. 防反爬提示 #

Google Scholar有反爬限制，频繁请求可能被拦截，建议在函数中添加延迟：

get_citation_info <- function(name, school, scholar_id) {
  Sys.sleep(2) # 每次请求间隔2秒，避免触发反爬限制
  profile <- get_profile(scholar_id)
  # 后续代码不变...
}

内容的提问来源于stack exchange，提问作者Fox_Summer