如何用R获取Google Scholar需点击展开的文献引用格式？

你已经能通过R搜索Google Scholar文献，要获取点击弹窗才显示的引用格式，可按以下步骤实现：

核心逻辑说明 #

Google Scholar的引用格式实际存储在独立的引用页面中，而非主搜索页面的弹窗里。我们需要先定位目标文献的引用页面链接，再抓取该页面的引用内容。

完整代码实现 #

# 加载所需包
library(rvest)
library(dplyr)

# 构造Google Scholar搜索URL
getGoogleURL <- function(search.term, domain = '.com', quotes=FALSE) {
  search.term <- URLencode(search.term)
  if(quotes) search.term <- paste0('%22', search.term, '%22')
  paste0('https://scholar.google.com/scholar?hl=es&as_sdt=0%2C5&q=', search.term)
}

# 生成目标文献的搜索URL
google.url <- getGoogleURL("GARZA, Sergio Francisco de la, Derecho financiero mexicano, México, Porrúa, 2002.")

# 读取搜索结果页面
search_doc <- read_html(google.url)

# 提取第一个文献的引用页面完整链接
cite_page_url <- search_doc %>% 
  html_element(".gs_or_cit") %>% 
  html_attr("href") %>% 
  paste0("https://scholar.google.com", .)

# 读取引用页面并抓取所有引用格式
cite_content <- read_html(cite_page_url) %>% 
  html_elements(".gs_citr") %>% 
  html_text()

# 输出所有引用格式
print(cite_content)

代码细节解释 #

• 替换原有的XML和RCurl包为rvest：rvest是更直观的现代网页抓取工具，与dplyr兼容度更高
• 使用URLencode函数处理搜索词：比手动替换空格更可靠，能自动处理所有特殊字符的URL编码
• .gs_or_cit是Google Scholar中「引用」按钮的元素类名，通过它获取跳转至引用页面的链接
• .gs_citr是引用页面中各类引用格式（APA、MLA、Chicago等）的文本容器类名，提取后即可得到所有格式的引用文本
• 如果搜索结果包含多篇文献，可将html_element改为html_elements，再通过索引（如[[1]]）选择目标文献的引用链接

内容的提问来源于stack exchange，提问作者Armando González Díaz