CiteSpace中统计各个国家的发文量（以第一作者的国籍为准）

        本来想在citespace中进行各个国家的发文量进行统计，本来天真的以为citespace中可以直接统计，以为可以通过这个按钮进行实现👇

        然后点击运行，直接得出各个国家的发文量（最开始我以为这个按钮是这个作用） ，得到下图。

        我一看，很好，直接得到了各个国家的总发文量（上图中的PEOPLES R CHINA的修改看我另外一个文章），直接美滋滋的用这个数据做图，我做了个国家发文量前十的图，好家伙，前十国家的发文量有6000余篇，我数据总量才5700余篇，然后我就发现了不对劲。去研究了一下，发现这个得到的是一个文章中有几个作者的国籍关系（我的理解是，一个文章有多个作者的国籍不一样时，会将一个文章定义为多个国家发表的，就可能出现前十国家的发表数量多出我总的数据的情况）。

        然后我就去看原始数据，即citespace已经预处理过的txt文件。以下图为例，有三个作者，两个作者为巴西，一个作者为美国，巴西和美国两个国家，则巴西发表数量加一，美国发表数量加一（个人理解，如果有不对就请指正，但是我肯定的是直接通过citespae中的county国家按钮不能得到各个国家的发表数量）

        然后我就以第一作者的国籍对文章的归属国进行划分，以上图为例，第一作者的国籍是巴西，那我就把这篇文章归为巴西发表的，与第三作者的美国无关。 

编写代码

#读取各个国家的发文量

import re
from collections import Counter
import pandas as pd


def extract_first_author_country(file_paths):
    country_counts = Counter()
    for file_path in file_paths:
        with open(file_path, 'r', encoding='utf-8') as file:
            content = file.read()        
            c1_matches = re.findall(r"C1\s+([^\n]+)", content)
            a=0
            d=0
            b=len(c1_matches)
            for a in range(b):
                    first_author_address = c1_matches[a]
                    first_author_address = first_author_address[::-1]
                    match = re.match(r"^[^\s]+", first_author_address)
                    reversed_match=match.group(0)[::-1]
                    country_counts.update([reversed_match.strip()])
            print(country_counts)

file_paths = [

    'D:/temp22/11/data/download2022u646.txt',
    'D:/temp22/11/data/download2023u546.txt',
]
 

extract_first_author_country(file_paths)

 得到的结果为两个，因为我们输入文件也是两个，同理，输入的越多，输出的越多（但是只用看最后一个的数据就行，这个结果的第一个数据就是2022年的数据，第二个数据就是2022+2023年的数据）

把全部数据导入之后进行输出，得到的数据的最后一个就是各个国家的发文量 （想得到逐年的发文量也很简单，后一个数据减去上一个数据就是当年的发文量）

注意，此方法并不是100%准确，因为我在看1998年之前的txt时，并没有C1（作者）这一关键词，所以在1998年前的文章我都是人工筛选的。其次，从上述结果中也会有一些乱码，比如'10.5067/MODIS/MOD13C1.006': 2,'WOS:001005025900001': 1。然后我去看了看，好像没啥影响，这几个乱码删除就行。