基于名称信息检索Google学者ID

Question

我是一名经济学研究生，目前正在从事一个涉及谷歌学者的研究项目。虽然经济学家通常使用Stata，但通过R可以更容易地访问Google学者，因此在过去的一周里，我一直在学习R是如何工作的。不用说，我是个初学者，有很多事情我并不真正理解。

我设法在网上收集了一份经济学家名单，并从这份名单中随机抽取了一个样本。现在我想了解一些关于这些学者的谷歌学者信息。为此，我计划使用图书馆的“学者”。

我的问题是，“学者”要求谷歌学者的ID。我只知道经济学家的名字，所以我想取回他们的身份证。

我基本上想为每个经济学家做一个谷歌学者查询：sdt=0%2C5&q=“经济学家的名字”，并在html代码中找到谷歌学者ID。

我试着与经济学家伊曼纽尔·萨伊兹(Emmanuel)合作起步：sdt=0%2C5&q=Emmanuel+Saez&btnG=

相关的css节点是：".gs_rt2"，所以我的代码如下所示：

page <- read_html("https://scholar.google.fr/scholar?hl=fr&as_sdt=0%2C5&q=Emmanuel+Saez&btnG=")
text <- html_nodes(page, ".gs_rt2")

对象"text“看起来是这样的：

[1] <h4 class="gs_rt2"><a href="/citations?user=qZpr_CQAAAAJ&amp;hl=fr&amp;oe=ASCII&amp;oi=ao"><b...

我只是遗漏了最后一部分:如何告诉R在"user=“之后选择12字符的代码？

这肯定很明显，但我就是想不出该怎么做。如果有人能帮我，那就太好了。

谢谢，G. Gauthier

Answer 1

最简单的方法可能是正则表达式。类似于：

user_code <- sub(".*user=([A-Za-z_]+)&.*", "\\1", text)

其中“1”是对括号中的内容的反向引用。尝试?regexp和?sub来了解更多信息。

Answer 2

也许遗漏了一些东西，但是为了获得id，只使用strsplit可能更简单

gsid <- strsplit(as.character(text),"(user=)|&")[[1]][2]

这将从文本中返回(与上面相同)。