citationclaw 1.0.1

论文被引画像分析工具 — 自动爬取施引文献、识别著名学者、生成可视化 HTML 报告

CitationClaw — 论文被引画像分析🦞

让每一次引用都成为可解释的影响力
Turning Every Citation into Explainable Impact

输入论文题目或者从谷歌学术主页选择论文，一键获得完整的被引分析报告。
自动爬取所有施引文献、识别引用学者背景，最终生成一份精美的可视化 HTML 画像报告，用于了解自己/他人的被引情况。

---

更新日志

日期	版本	更新内容
2026-03-12	v1.0	🎉 首次公开发布：支持论文题目输入与 Google Scholar 批量导入、五种分析层级、著名学者自动识别、可视化 HTML 画像报告、断点续爬与缓存复用

---

快速导览

文档	说明
📊 画像报告示例①	真实输出样例，点击即可在线预览最终报告效果
📊 画像报告示例②	另一篇真实论文的被引画像报告
📖 深度使用报告	一位用户用 CitationClaw 分析自己论文被引情况的完整体验记录
🔧 技术架构报告	系统架构、核心模块与实现细节，适合开发者或希望深入了解原理的读者

---

安装

需要 Python 3.10 及以上版本（推荐Python 3.12）。

pip install -r requirements.txt
python start.py

启动后访问 http://127.0.0.1:8000。

---

使用流程

第一步：配置 API（首次使用）

展开页面上的「API 配置」，填写：

字段	说明
两个API Key 必填⬇️
ScraperAPI Key 前往获取	用于抓取 Google Scholar。（ScraperAPI对于免费账户有1000积分试用，可供爬取50次）
LLM API Key 推荐V-API	支持任意 OpenAI 兼容格式的 API Key
其他配置 选填⬇️
Base URL	API 服务地址（默认使用V-API） https://api.gpt.ge/v1/
Search Model	必须具备实时 web search 能力（推荐V-API） gemini-3-flash-preview-search
Dashboard Model	生成报告专用，无需 search 能力（推荐V-API） gemini-3-flash-preview-nothinking

第二步：填写要分析的论文

支持两种方式输入论文：

方式 A：直接输入题目

在文本框中每行填写一篇论文的完整英文题目，支持同时分析多篇。可为某篇论文添加曾用名（如预印本），系统自动合并：

Attention Is All You Need
BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding

方式 B：从 Google Scholar 学者主页导入

粘贴任意学者的 Google Scholar 主页 URL，系统自动获取该学者的全部论文列表，勾选感兴趣的论文后一键导入，无需手动复制题目：

https://scholar.google.com/citations?user=xxxxxx

第三步：选择分析层级

层级	适用场景
全面版（默认，推荐）	完整分析，对所有施引文献查找引用原句
进阶版	施引文献多时推荐，仅对院士/Fellow 查找引用原句
标准版	只需学者画像和统计图表，不需要引用原文
指定学者版	快速查询某几位学者是否引用了目标论文
学者查证版	核实特定学者引用情况，明确给出匹配/未匹配报告

第四步：获取报告

分析完成后，直接下载 paper_dashboard.html，用浏览器打开即可——无需服务器，单文件，直接分享。

---

画像报告包含什么

生成的 HTML 报告是本工具的核心产出，一份报告涵盖：

• 关键词云：从施引文献标题中提取高频词，附中文翻译，直观呈现研究热点
• 引用趋势预测：历年引用量柱状图，含 LLM 分析预测和线性回归双路径预测
• 国家/地区分布：施引文献第一作者的国家分布，一眼看出国际影响力
• 著名研究机构分布：是否有国内外著名研究机构引用（Google, DeepMind, OpenAI, 阿里, 腾讯, 字节等）
• 著名学者画像：院士、Fellow、杰青等重量级学者的详细列表，可展开查看其引用原句及所在章节（引言/相关工作/方法/实验），支持 Markdown 渲染
• 引用位置与情感分析：引用出现在哪个章节的分布，以及正面/中性引用比例
• 综合 Insight：LLM 自动生成的四维结构化总结——引用规模与分布、主要用途、代表性原文摘录、综合说明

---

核心功能

著名学者自动识别与高亮 自动识别中国科学院/工程院院士、其他国家院士、IEEE/ACM/ACL 等学会 Fellow、国家杰青/长江学者等，在报告和 Excel 中颜色标注，重要引用一目了然。

自引检测与排除 自动比对施引论文与目标论文的作者列表，精准识别自引（考虑姓名缩写、别名等情况），并在著名学者分析和画像报告中自动排除，让数据更客观可信。

突破千篇限制 Google Scholar 每个引用列表最多只显示 1000 篇。开启「年份遍历模式」后，系统按年份分段爬取并合并去重，高被引论文（如 Transformer、BERT）同样可获取完整数据。

断点续爬 任务中断后，设置 resume_page_count 为中断页码，重新启动即可从断点继续，已消耗的 ScraperAPI 额度不会浪费。

作者信息持久缓存 已搜索过的学者信息自动缓存复用，多次分析包含相同施引文献的论文无需重复调用 LLM，大幅降低费用。

---

其他输出文件

除 HTML 报告外，每次分析还会在 data/result-{时间戳}/ 中生成：

• paper_results.xlsx：全部施引论文 + 作者信息，著名学者行颜色标注
• paper_results_all_renowned_scholar.xlsx：著名学者引用汇总
• paper_results_with_citing_desc.xlsx：含引用原句的增强版表格
• paper_results.json：结构化 JSON，便于程序处理

如需基于已有数据重新生成 HTML 报告，无需重新爬取：

python core/dashboard_test.py data/result-{时间戳}/paper_results.xlsx

---

常见问题

作者信息出现错误或 LLM 编造内容 搜索模型必须具备实时 web search 能力，否则 LLM 会基于训练数据编造学者信息。推荐使用 gemini-3-flash-preview-search 或同类带 search 的模型。

ScraperAPI 请求频繁失败 检查 Key 是否有效、额度是否充足。建议配置 3 个以上 Key 轮换；引用数多的论文爬取耗时较长，属正常现象。

引用数超过 1000 篇，数据不完整 在配置页开启「年份遍历模式」（enable_year_traverse）。

任务中断后如何继续 在配置页将 resume_page_count 设为中断时的页码，重新启动即可。

HTML 报告未生成 确认已启用「著名学者筛选」（enable_renowned_scholar_filter），Dashboard 依赖此数据。

---

社区与动态

即将上线

CitationClaw 的更完善版本即将在 减论 上线，提供更强大的功能与更流畅的使用体验，敬请期待！

用户交流群（可供人工代查）

欢迎扫码加入用户群，获取最新动态、交流使用心得、人工代查：

---

免责声明

本项目仅供学术研究和个人学习使用。请遵守 Google Scholar 服务条款及当地法律法规，避免高频大规模抓取。ScraperAPI 的使用须遵守其服务条款。作者不对使用本工具产生的任何后果负责。

---

Star 趋势

---

开发者：Qihao Yang, Ziqian Fan, Ziyang Gong, Xue Yang (Project Leader) 单位：上海交通大学 版本：1.0 更新日期：2026-03-12