CNKI Paper Detail Extraction 是一个 RC 浏览器工具,用于从知网论文详情页提取完整的论文元数据。
用途
该工具的核心用途是从 CNKI 论文详情页(URL 通常包含 kcms2/article/abstract)中提取结构化的论文信息。当用户需要获取论文的标题、作者、机构、摘要、关键词、基金资助、分类号等详细信息时,可以使用该工具。如果未提供 URL,则默认当前页面已经是论文详情页。
主要能力
工具可以提取以下字段:
- 标题
- 作者(含机构编号)
- 机构
- 摘要
- 关键词
- 基金资助信息
- 分类号
- 期刊来源
- 出版信息(含网络首发状态)
- 文章目录
- 引用网络计数(各类引用标签及数量)
提取通过注入 JavaScript 函数完成,该函数会查询页面中的特定 DOM 选择器(如 .brief、h1、h3.author、.abstract-text、p.keywords、p.funds、.clc-code、.doc-top 等)。如果 JavaScript 提取失败,还提供了基于快照(snapshot)的降级解析方式,通过解析可访问性树获取信息。
使用方式
使用流程如下:
- 如果提供了 URL,使用 browser action=open 导航到论文页面,并使用 browser action=act kind=wait 等待页面加载(等待文本 "摘要",超时 15000 毫秒)。
- 使用 browser action=snapshot mode=efficient 检查是否存在验证码(如发现 "拖动下方拼图完成验证",则通知用户手动完成拼图验证)。
- 使用 browser action=act kind=evaluate 注入 JavaScript 函数提取元数据。
- 按照指定格式输出结果(标题、作者、机构、期刊、出版信息、摘要、关键词、基金、分类、引用网络)。
- 如果 JavaScript 提取失败,使用 browser action=snapshot mode=efficient 解析可访问性树作为降级方案。
工具使用说明中提到,不要传递 profile,RC 使用默认托管的 Chrome(CDP 18800)。整个函数体需放入 fn 参数中。
适用场景
适用于学术文献整理、论文信息归档、批量抓取 CNKI 论文元数据、引用网络分析等场景。特别适合需要将知网论文详情结构化输出的用户。
限制
- 需要 RC 环境和默认托管的 Chrome 浏览器(CDP 18800)。
- 可能遇到知网滑块验证码,需要用户手动完成拼图验证后才能继续。
- 依赖页面 DOM 结构,如果知网页面结构变化,选择器可能失效。
- 具体收费模式、价格、安装命令、平台限制等信息暂未提供。