使用rscopus获取多作者年度发文量数据框遇阻求助

核心思路 #

要批量处理多个作者ID，必须遍历每个ID单独获取数据，再统一整理统计。之前只拿到第一位作者的数据，大概率是代码未循环处理所有ID，或结果未正确合并。

完整代码示例 #

假设你已有作者ID列表（如author_ids），以下是可直接运行的代码：

# 加载必要包
library(rscopus)
library(dplyr)
library(tidyr)

# 设置Scopus API密钥（替换为你的密钥）
set_api_key("YOUR_API_KEY")

# 你的作者ID列表（示例）
author_ids <- c("9-some-id-1", "9-some-id-2", "9-some-id-3")

# 定义函数：单个作者的年度发文量统计
get_author_yearly_pubs <- function(author_id) {
  # 获取作者的所有发文数据
  res <- scopus_author_search(author_id, verbose = FALSE)
  
  # 处理无结果的情况
  if (is.null(res$entries)) {
    return(tibble(author_id = author_id, year = NA, pub_count = 0))
  }
  
  # 提取发文年份并统计
  res$entries %>%
    mutate(year = as.integer(substr(coverDate, 1, 4))) %>% # 从coverDate提取年份
    group_by(author_id, year) %>%
    summarise(pub_count = n(), .groups = "drop")
}

# 批量处理所有作者
all_results <- lapply(author_ids, get_author_yearly_pubs) %>%
  bind_rows()

# 整理成宽格式（可选，按需调整）
wide_format <- all_results %>%
  pivot_wider(names_from = year, values_from = pub_count, values_fill = 0)

# 查看结果
print(all_results) # 长格式（每个作者-年度一行）
print(wide_format) # 宽格式（每个作者一行，年度为列）

关键细节说明 #

• 循环遍历：用lapply遍历每个作者ID，调用自定义函数处理，避免仅处理第一个ID。
• 空数据处理：加入is.null(res$entries)判断，防止某作者无发文数据导致代码报错。
• 年份提取：从coverDate字段截取前4位作为年份，这是Scopus返回数据中最可靠的发文时间字段。
• 数据格式转换：用dplyr和tidyr整理数据，长格式适合后续分析，宽格式适合直观查看。

常见问题排查 #

• API调用限制：Scopus API有调用频率限制，若作者数量多，建议在循环中加入Sys.sleep(1)延迟，避免被限流。
• 作者ID格式：确保作者ID是Scopus标准格式（通常以9-开头），格式错误会返回空结果。
• 字段缺失：若coverDate字段不存在，可尝试用原始JSON字段名prism:coverDate提取，比如res$entries$prism:coverDate``。

内容的提问来源于stack exchange，提问作者Anisha Garg