Search

检索（CDP 通道）

用确认后的关键词跑 scripts/cdp_search.py。

前置

• Chrome 已按 docs/SETUP.md 以持久 profile + 调试端口 9222 启动。
• websocket-client 已装（python -c "import websocket" 通过即可）。

期刊目录（可选）

• 若用户给定了期刊目录（如"只检索 TR-B / TS / EJOR"），把期刊名写进 journals.txt（一行一个），检索时加 --journals journals.txt，脚本会用 Scholar 的 source:"期刊名" 操作符限定在目录内各期刊。
• 若用户没给目录，默认检索全部期刊（不加 --journals）。
• 注意：source: 是模糊子串匹配，个别结果可能串刊，manage 步会再按期刊名复核。

时间范围（可选）

• 若用户给定了时间范围（如"近三年""2023 至今"），检索时加 --from-year 2023 --to-year 2026（对应 Scholar 的 as_ylo/as_yhi，可只给一端）。
• 若没给，默认检索全部文献（不加年份参数）。

步骤

1. 把用户确认后的检索式写进 queries.json（字符串数组，或 [{"q":"...","pages":3}] 指定每条页数）。
2. （若有期刊目录）把期刊名写进 journals.txt。
3. 运行：

   # 无目录、无年份（全部期刊、全部文献）
   python scripts/cdp_search.py --queries queries.json --out results.jsonl --pages 2
   # 限定目录 + 限定年份
   python scripts/cdp_search.py --queries queries.json --out results.jsonl --pages 2 \
       --journals journals.txt --from-year 2023 --to-year 2026
   

   • --pages N：每条检索式翻几页（每页 10 条）；默认 2，总请求数 = 检索式数 × 期刊数 × N（目录大时请减少检索式或页数）。
   • --throttle S：相邻请求间隔秒数，默认 8（太密会触发验证码）。
   • --profile DIR / --port 9222：对应 SETUP.md 里启动 Chrome 的参数。
4. 若脚本打印 [captcha]：让用户在 Chrome 窗口里手动过验证码，脚本会自动继续等待（默认最多 240s）。
5. 脚本输出 results.jsonl，每行一条：title / meta / citedby / snippet / href / cid / query / page / journal。

注意

• 若 Chrome 没启动，脚本会报错并提示先按 SETUP.md 启动。
• 检索式之间脚本自动去重（按 Scholar 的 cluster id）。