針對數(shù)字城市研究手段不足，尤其在收集大量研究文獻(xiàn)的基礎(chǔ)上對數(shù)字城市進(jìn)行整體研究上的欠缺，本文基于R語言和Selenium框架設(shè)計了穩(wěn)定、高效的爬蟲程序，獲取了中國知網(wǎng)2018年5月前收錄的數(shù)字城市為主題的研究文獻(xiàn)，并建立了數(shù)字城市文獻(xiàn)數(shù)據(jù)庫和數(shù)字城市自動分詞模型。通過分析數(shù)字城市研究的時序性、空間分布特征和研究熱點，揭示了數(shù)字城市研究的發(fā)展歷程、現(xiàn)狀、發(fā)展趨勢和研究熱點。結(jié)果表明本文設(shè)計的網(wǎng)絡(luò)爬蟲程序在數(shù)字城市研究文獻(xiàn)的收集方面具有可行性和有效性。

　　數(shù)字城市源自“數(shù)字地球”的概念，是把城市的地理信息和其他與城市相關(guān)的信息結(jié)合并存儲在計算機(jī)網(wǎng)絡(luò)中，讓城市和城市外空間連接在一起的虛擬空間［1］。目前數(shù)字城市的建設(shè)在全國多個省份、城市中展開，行業(yè)應(yīng)用深入城市的各個領(lǐng)域。關(guān)于數(shù)字城市的研究，近年來雖然不乏技術(shù)和理論等方面的研究，但從獲取大量的數(shù)字城市研究文獻(xiàn)的角度對數(shù)字城市研究的發(fā)展歷程、現(xiàn)狀、發(fā)展趨勢、研究熱點的研究目前還沒有。

?

　　網(wǎng)絡(luò)爬蟲是依據(jù)程序，模擬訪問網(wǎng)頁、自動化提取網(wǎng)頁信息的腳本，是快速獲取網(wǎng)頁信息的一種方式。網(wǎng)絡(luò)爬蟲按照類型主要分為通用型爬蟲、面向主題爬蟲、分布式爬蟲三種，相比較而言面向主題爬蟲應(yīng)用廣泛，形式較為靈活，可針對特定的網(wǎng)頁數(shù)據(jù)進(jìn)行設(shè)計高效的爬蟲程序。

　　本文采用面向主題的網(wǎng)絡(luò)爬蟲方法，以中國知網(wǎng)（National Knowledge Infrastructure， CNKI） 2018 年5 月前收錄的以數(shù)字城市為主題的文獻(xiàn)為研究對象，基于R 語言和Selenium 網(wǎng)絡(luò)框架設(shè)計出網(wǎng)絡(luò)爬蟲程序。該程序?qū)χ袊W(wǎng)的網(wǎng)頁進(jìn)行分析，獲取網(wǎng)頁請求參數(shù)，模擬瀏覽器請求和響應(yīng)服務(wù)器，最終獲取了數(shù)字城市研究文獻(xiàn)信息，將獲取到的數(shù)據(jù)同步保存到本地，構(gòu)建數(shù)字城市文獻(xiàn)數(shù)據(jù)庫（包括：編號、題名、作者、來源、發(fā)表時間、數(shù)據(jù)庫、被引、下載次數(shù)、作者單位、摘要、關(guān)鍵詞、資助基金共12 個字段）。并以數(shù)字城市文獻(xiàn)數(shù)據(jù)庫為數(shù)據(jù)基礎(chǔ)，基于文本挖掘技術(shù)構(gòu)建了數(shù)字城市自動分詞模型，通過分析數(shù)字城市研究的時序性、空間分布特征和研究熱點，揭示了數(shù)字城市研究的發(fā)展歷程、現(xiàn)狀、發(fā)展趨勢和熱點。

　　數(shù)字城市源自“數(shù)字地球”的概念，是把城市的地理信息和其他與城市相關(guān)的信息結(jié)合并存儲在計算機(jī)網(wǎng)絡(luò)中，讓城市和城市外空間連接在一起的虛擬空間［1］。目前數(shù)字城市的建設(shè)在全國多個省份、城市中展開，行業(yè)應(yīng)用深入城市的各個領(lǐng)域。關(guān)于數(shù)字城市的研究，近年來雖然不乏技術(shù)和理論等方面的研究，但從獲取大量的數(shù)字城市研究文獻(xiàn)的角度對數(shù)字城市研究的發(fā)展歷程、現(xiàn)狀、發(fā)展趨勢、研究熱點的研究目前還沒有。

　　網(wǎng)絡(luò)爬蟲是依據(jù)程序，模擬訪問網(wǎng)頁、自動化提取網(wǎng)頁信息的腳本，是快速獲取網(wǎng)頁信息的一種方式。網(wǎng)絡(luò)爬蟲按照類型主要分為通用型爬蟲、面向主題爬蟲、分布式爬蟲三種，相比較而言面向主題爬蟲應(yīng)用廣泛，形式較為靈活，可針對特定的網(wǎng)頁數(shù)據(jù)進(jìn)行設(shè)計高效的爬蟲程序。

　　本文采用面向主題的網(wǎng)絡(luò)爬蟲方法，以中國知網(wǎng)（National Knowledge Infrastructure， CNKI） 2018 年5 月前收錄的以數(shù)字城市為主題的文獻(xiàn)為研究對象，基于R 語言和Selenium 網(wǎng)絡(luò)框架設(shè)計出網(wǎng)絡(luò)爬蟲程序。該程序?qū)χ袊W(wǎng)的網(wǎng)頁進(jìn)行分析，獲取網(wǎng)頁請求參數(shù)，模擬瀏覽器請求和響應(yīng)服務(wù)器，最終獲取了數(shù)字城市研究文獻(xiàn)信息，將獲取到的數(shù)據(jù)同步保存到本地，構(gòu)建數(shù)字城市文獻(xiàn)數(shù)據(jù)庫（包括：編號、題名、作者、來源、發(fā)表時間、數(shù)據(jù)庫、被引、下載次數(shù)、作者單位、摘要、關(guān)鍵詞、資助基金共12 個字段）。并以數(shù)字城市文獻(xiàn)數(shù)據(jù)庫為數(shù)據(jù)基礎(chǔ)，基于文本挖掘技術(shù)構(gòu)建了數(shù)字城市自動分詞模型，通過分析數(shù)字城市研究的時序性、空間分布特征和研究熱點，揭示了數(shù)字城市研究的發(fā)展歷程、現(xiàn)狀、發(fā)展趨勢和熱點。