CNKI DeepSearch

知网深搜 — 一次搜索，七维数据。不只是摘要。

CNKI DeepSearch 是一个知网学术搜索的 MCP (Model Context Protocol) 工具。在原有 cnki-search-mcp 的基础上，通过拦截 CNKI 内部 REST API，一次页面访问即可获取论文的七个维度数据：摘要、关键词、参考文献、引证文献、相似论文、关键词权重、引用统计。

---

与原版的区别

维度	原版 cnki-search-mcp	CNKI DeepSearch
搜索 + 摘要	✅	✅
下载 PDF	✅	✅
参考文献列表	❌	✅ 含标题/作者/来源/年份/URL
引证文献列表	❌	✅ 谁引用了这篇论文
共引 / 二级引用	❌	✅ 间接引用关系
相似论文推荐	❌	✅ CNKI 算法推荐
关键词权重	❌	✅ PUC 权重排序
知识图谱推演	❌	✅ 论文→引用→论文 多层链条
浏览器保活	❌	✅ 同 session 不重启
dual-mode	❌	✅ basic(快) / full(全)

---

安装

pip install cnki-deepsearch

详细配置见 MCP 设置说明. 首次使用需完成 CNKI 验证码，cookie 自动保存后续无需重复验证。

---

工具列表

cnki_search_with_abstracts（主力）

搜索 + 自动打开每篇论文获取详细信息

mode="full" (默认): 摘要 + 关键词 + 参考文献 + 引证文献 + 相似论文 + 关键词权重
mode="basic":        仅摘要 + 关键词（快，10篇约15秒）

cnki_get_citations

获取单篇论文的引用网络：参考文献、引证文献、共引文献、二级引用

cnki_search / cnki_professional_search

标准搜索 / 专业检索语法搜索

cnki_get_article / cnki_download

获取单篇详情 / 下载 PDF

---

使用示例

Full 模式搜索

用户: 搜索"流动穆斯林 教派"相关论文，max_results=3

Claude: [调用 cnki_search_with_abstracts(query="流动穆斯林 教派", max_results=3)]

返回结果示例（单篇论文）：

{
  "title": "伊斯兰宗教传统的现代调适——以义乌穆斯林宗教实践为例",
  "authors": ["马艳"],
  "source": "北方民族大学学报(哲学社会科学版), 2012",
  "abstract": "伊斯兰教的宗教革新是一个在内部...",
  "keywords": ["流动穆斯林", "伊斯兰教本土化", "文化适应", "宗教革新"],
  "_counts": {
    "references": "6",
    "citations": "1",
    "co-references": "1725",
    "second-references": "216"
  },
  "references": [
    {
      "title": "伊斯兰文化",
      "authors": ["马明良"],
      "source": "甘肃人民出版社",
      "year": "2011",
      "url": "https://kns.cnki.net/kcms2/article/abstract?v=..."
    }
  ],
  "citations": [
    {
      "title": "城市穆斯林流动女工群体研究",
      "authors": ["马晓梅"],
      "source": "宁夏大学",
      "year": "2017",
      "type": "[D]"
    }
  ],
  "similar_articles": [
    {
      "title": "从塞姆石堆到资源博弈——中国东南穆斯林...",
      "source": "世界宗教研究",
      "year": "2026"
    }
  ],
  "keyword_domains": [
    {"keyword": "伊斯兰教", "weight": "19"},
    {"keyword": "流动穆斯林人口", "weight": "15"},
    {"keyword": "穆斯林", "weight": "13"}
  ]
}

知识图谱链条推演

用户: 从马艳的论文出发，沿着引证文献链条往下挖三层

Claude:
  马艳(2012) → 被引 ← 《城市穆斯林流动女工群体研究》(2017)
    → 参考文献 → 《伊斯兰教社会学》(2001, 被引661次)
      → 引证文献 → ...

通过论文的 references 和 citations 字段，可以无限层地沿着引用关系遍历知识图谱。

---

技术架构

┌─────────────────────────────────────────┐
│              MCP Server                  │
│  server.py  — 工具定义 + handler         │
├─────────────────────────────────────────┤
│           Browser Automation             │
│  browser.py — Playwright (Edge/Chromium) │
│  · 搜索导航 + 验证码处理                  │
│  · 页面滚动触发懒加载                     │
│  · 拦截 citation-api 响应                │
│  · 拦截 recommend/similar 响应            │
│  · 拦截 starter/domains 响应             │
│  · 浏览器单例 + 健康检查 + 自动重连       │
├─────────────────────────────────────────┤
│              Data Parsing                │
│  parser.py — BeautifulSoup + JSON        │
│  · parse_search_results()                │
│  · parse_article_detail()                │
│  · parse_citation_api_response()   ← NEW │
│  · parse_similar_articles()        ← NEW │
│  · parse_domains()                 ← NEW │
├─────────────────────────────────────────┤
│           Query Builder                  │
│  query_builder.py — CNKI 专业检索语法     │
└─────────────────────────────────────────┘

核心原理：API 拦截

CNKI 论文详情页在滚动到底部后，会自动调用内部 REST API：

restapi/citation-api/v1/literature/references    ← 参考文献
restapi/citation-api/v1/literature/citations     ← 引证文献
restapi/citation-api/v1/literature/quotations/metrics ← 引用统计
openapi/usercenter-api/v1/recommend/similar/articles ← 相似论文
restapi/citation-api/v1/literature/starter/domains    ← 关键词权重

我们通过 Playwright 的 page.on("response") 拦截这些响应，直接解析 JSON，完全避开 CNKI 的 DOM 懒加载、JS 重置、CSS 隐藏等反爬机制。

浏览器保活

async def get_browser():
    if _browser is not None:
        if _browser._browser.is_connected():  # 健康检查
            return _browser                   # 复用
        _browser = None                       # 死了，重建
    _browser = await create_browser()         # 首次启动
    return _browser

同一 MCP session 内浏览器只启动一次，验证码只做一次。

---

探索历程

1. DOM 方案（失败）：尝试点击引用 Tab、MutationObserver 监听 DOM 变化、150ms 轮询 div.list_item。CNKI 的懒加载 + 数据闪现 1 秒后 JS 重置，DOM 方案全军覆没。

2. 全量抓包对比（转折）：写脚本 dump 页面加载时的全部 130 条 HTTP 响应，对比"滚动到底部"和"不滚动"的差异。发现不滚动时 citation-api 调用量为 0，滚动后暴增到 17 条。确认引用数据走的是内部 REST API 而非 DOM 渲染。

3. API 拦截方案（成功）：不再碰 DOM，直接用 page.on("response") 拦截 citation-api、recommend/similar、starter/domains 三组端点的 JSON 响应。一次页面访问 6.5 秒拿完全部七个维度的数据。同时发现页面默认只加载参考文献，引证文献需要点一下 Tab 触发，其他间接引用同理。

4. 链条推演验证：用搜到的论文 URL 直接跳转，获取其引用网络，再跳转，验证了"论文 A → 引证文献 → 论文 B → 参考文献 → 论文 C"的多层知识图谱遍历完全可行。

---

License

MIT

致谢

• 原版 cnki-search-mcp 提供了搜索和浏览器自动化的基础框架
• CNKI（中国知网）提供了丰富的中文学术资源