科學(xué)研究離不開(kāi)數(shù)據(jù)處理，今天“編輯之譚”信息給大家演示：如何利用EditPlus正則表達(dá)式以及Excel分列功能，對(duì)從淘寶網(wǎng)上抓取的論文“代寫”交易數(shù)據(jù)txt文件進(jìn)行整理，揭示論文代筆代寫學(xué)術(shù)不端亂象。去看看！

這幾天白天陪家人歡度春節(jié)，晚上回來(lái)修改在《中國(guó)科技期刊研究》(CSSCI)上投稿的稿件“社交群消息與電商論文代寫交易數(shù)據(jù)的挖掘及學(xué)術(shù)不端誘因的分析”(修改后再審)。其中一位專家提出了文中利用“大數(shù)據(jù)”挖掘，但是只抓取了一個(gè)QQ群的歷史消息，不能稱之為“大數(shù)據(jù)”，也就是數(shù)據(jù)量不大，分析不具有代表性，建議補(bǔ)充大數(shù)據(jù)。于是，我準(zhǔn)備從淘寶網(wǎng)搜索了“代寫”關(guān)鍵詞檢索并挖掘論文代筆代寫類服務(wù)產(chǎn)品的交易情況(咸魚APP上也有類似的交易信息)。

最初打算嘗試Python編寫Spider爬蟲程序，抓取淘寶網(wǎng)上發(fā)布的論文代寫服務(wù)產(chǎn)品的價(jià)格、交易量以及用戶評(píng)價(jià)。但由于淘寶網(wǎng)的反爬蟲策略比較嚴(yán)密，一時(shí)半會(huì)難以突破其反爬蟲壁壘，于是放棄編寫爬蟲，采用手動(dòng)抓取網(wǎng)頁(yè)信息(100頁(yè)搜索結(jié)果，手動(dòng)抓取了1小時(shí))，得到如圖1所示的TXT數(shù)據(jù)文件。

圖1 從淘寶網(wǎng)上抓取的“代寫”產(chǎn)品信息

全選圖1中TXT文件的文本內(nèi)容，復(fù)制，在Excel軟件中粘貼，發(fā)現(xiàn)數(shù)據(jù)錯(cuò)亂(圖2)，需要對(duì)TXT文件的內(nèi)容進(jìn)行整理。

圖2 從TXT數(shù)據(jù)文件拷貝到Excel中發(fā)生的數(shù)據(jù)錯(cuò)亂

于是，采用EditPlus對(duì)TXT數(shù)據(jù)文件進(jìn)行整理。首先查找“ ”（空格）替換為“，”，如圖3所示。

圖3 替換空格為逗號(hào)

然后，清除重復(fù)文本，如圖4所示，藍(lán)色部分是重復(fù)信息。方法是采用EditPlus軟件的“替換”對(duì)話框中的正則表達(dá)式（勾選），查找“n,.*n”替換為“，”。這里“n”是換行符；“，”是重復(fù)文字的行首都有一個(gè)逗號(hào)；".*”表示通配所有內(nèi)容；后面再跟“n”換行符”。利用“n,.*n”可以將重復(fù)部分以及其上、下一換行符一起替換為“，”，如圖4所示，紅色框中的內(nèi)容是替換一次的效果。

圖4 正則表達(dá)式查找替換重復(fù)文字

再次，采用同樣的方法，查找“n”換行符替換為“，”，如圖5所示。

圖5 查找替換換行符為逗號(hào)

于是，文本內(nèi)容為一行數(shù)據(jù)（無(wú)換行符），這里挖掘的數(shù)據(jù)文本中，有一個(gè)共同特征“人付款，”，它將每一條代寫產(chǎn)品信息區(qū)分開(kāi)來(lái)。因此，將“人付款，”改為“人付款|”，如圖6所示。

圖6 替換特征符號(hào)

有什么用？“|”可以利用Excel的“分列”功能將“|”分列出來(lái)。如圖7所示。

圖7 Excel分列操作

分列后的數(shù)據(jù)占一行的不同表格單元，這并不是我想要的數(shù)據(jù)結(jié)構(gòu)。全選第一行數(shù)據(jù)，然后點(diǎn)擊菜單“開(kāi)始→粘貼→置轉(zhuǎn)”，可將橫向數(shù)據(jù)轉(zhuǎn)變?yōu)榭v向數(shù)據(jù)，如圖 8所示。

圖8 置轉(zhuǎn)數(shù)據(jù)操作步驟

置轉(zhuǎn)后，選中第一列數(shù)據(jù)，然后點(diǎn)擊“數(shù)據(jù)→分列”菜單，勾選“分割符號(hào)”，這里選擇￥符號(hào)，可將主題與價(jià)格及付款人數(shù)分列出來(lái)。如圖9所示。

圖9 數(shù)據(jù)的分列

最后，整理出所需要的數(shù)據(jù)表，共抓取了4408個(gè)“代寫”服務(wù)的產(chǎn)品信息。如圖10所示。

后記：求助“代寫”論文是一種學(xué)術(shù)不端行為。但目前電商平臺(tái)上仍然充斥著各種“代寫”“代筆”類服務(wù)產(chǎn)品，并且少數(shù)“代筆”產(chǎn)品的月銷量達(dá)到了6000筆以上。近年來(lái)國(guó)家加大了對(duì)抄襲、剽竊、買賣論文的學(xué)術(shù)不端亂象的懲治力度，將與身份證誠(chéng)信記錄關(guān)聯(lián)。因此，不能抱有僥幸心理，我們不能觸碰這條學(xué)術(shù)道德的底線。主動(dòng)聯(lián)系期刊編輯有利于論文創(chuàng)作與發(fā)表。