使用Citespace软件，wos论文需要纯文本格式，知网论文需要Refworks。
使用Vosviewer，Circos.ca软件，wos论文需要制表符分隔文件（tab）。
使用场景，用到Circos.ca网站分析Wos论文国家字段
1.在wos网站中找到要分析的论文，导出Tab分隔符格式
2.用excel中打开，选择分隔符模式
3.用下面代码处理该数据文件，得到共现矩阵的excel表
4.excel表保存为tab分隔符格式的txt文件
5.在txt文件开头输入字符，因为circos格式需要设置
import os
import output as output
import pandas as pd
import numpy as np
import networkx as nx
import xlwt
from pandas import DataFrame
os.chdir('/Users/weirdchun/Downloads')
data = pd.read_table("savedrecs.txt",sep=" ",index_col=False) #找到源文件
df_gj = (data["C1"] + '; [').str.findall("(\w*);\s\[") # 从原始文件找到C1栏分出国家,现在是dataframe类型，可以导出excel extractall/findall
#正则表达式， \w 表示匹配任意字母数字下划线 .\s 表示匹配任何空白字符
#上述表达为 单词 + ; + 空格 + [
print('一列多少条信息',len(df_gj))
df_gj.to_excel("/Users/weirdchun/Downloads/df_gj.xlsx")#导成Excel格式
print('查看类型：',type(df_gj)) #DataFrame类型
guojia_list = [] #创建一个新列表list类型
print("21",df_gj[21])
df_gj=df_gj.fillna('null') #将空值，赋值为null
null="null"
print("null长度",len(df_gj[21]))
for i in range(len(df_gj)): #从0开始，遍历整个数据
if df_gj[i] != null:
n = len(df_gj[i]) # 计算这一列有几个国家
print(n)
for j in range(n):
c1_list = df_gj[i][j]
guojia_list.append(c1_list)
print(guojia_list)
#要算出现在有多少个国家！ 注意：有些文章没有国家信息，会导致错误
guojia_list_unique = list(set(guojia_list)) #去重复的学科，放在list列表里面
print("共现的gj类别数量有：",len(guojia_list_unique))
#web of science上边导出的学科包含二级学科，如果想用一级学科的话需要替换学科名，把逗号后边的二级删掉
guojia_frame = pd.DataFrame(np.zeros([len(guojia_list_unique),len(guojia_list_unique)]),columns=guojia_list_unique,index=guojia_list_unique)#构建了行名和列名为国家但是数值为0的矩阵
print(type(df_gj))
print(df_gj[1])
df_gj=DataFrame(df_gj) #把list变成DataFrame格式,才能继续下面的操作
for gj in df_gj.C1: #从原始表里面遍历每列数据 第2遍的时候，gj:['Australia','Australia']
if gj != null: #排除null元素，否则要报错
for i in range(len(gj)-1): #如，gj:['Australia','Australia','Japan'],即"i"范围为[0,3),取0，1，2；即重复3次
for j in range(i+1,len(gj)): #如，gj:['Australia','Australia','Japan'],即"j"范围为[1,3),取1，2；即重复2次
guojia_frame.loc[[gj[i]],[gj[j]]]=guojia_frame.loc[[gj[i]],[gj[j]]]+1 #往矩阵加数据
# 如，gj:['Australia','Australia','Japan']，即guojia_frame.loc[[gj[0]],[gj[1]]]=guojia_frame.loc[[gj[0]],[gj[1]]]+1
#实际上就是说明，Australia与Australia共现了，在dataframe表上找到行为Australia，列为Australia的位置，然后加1
#然后变成guojia_frame.loc[[gj[0]],[gj[2]]]=guojia_frame.loc[[gj[0]],[gj[2]]]+1
#再然后变成guojia_frame.loc[[gj[1]],[gj[1]]]=guojia_frame.loc[[gj[1]],[gj[1]]]+1，以此类推
#[0,1],[0,2],[0,3]遍历完后再遍历[1,1],[1,2],[1,3],以此类推来实现共现
guojia_frame.to_excel("/Users/weirdchun/Downloads/GJcooc.xlsx")#导成Excel格式
print("excel ok")
import os
import pandas as pd
import numpy as np
import networkx as nx
#import matplotlib.pyplot as plt
os.chdir('D:/software/0install package/VOSviewer/WOS_co_occurrence0304')
data = pd.read_table("WOS tab0304_utf8.txt",sep=" ",index_col=False)
df_wc = data[data.WC.str.contains('; ')] #筛选包含分隔符的数据，web of science是分号+空格,只有有分割符才代表是出现了两个及以上学科
print(len(data))
print(len(df_wc))#对比两个数字查看比例，大部分论文(接近50%)只有一个学科，所以学科共现不一定有意义
xueke_list = []
for wc in df_wc.WC:
wc_list = wc.split("; ")
xueke_list.extend(wc_list)
xueke_list_unique = list(set(xueke_list))
print(len(xueke_list_unique))
xueke_list_unique#web of science上边导出的学科包含二级学科，如果想用一级学科的话需要替换学科名，把逗号后边的二级删掉
xueke_frame = pd.DataFrame(np.zeros([len(xueke_list_unique),len(xueke_list_unique)]),columns=xueke_list_unique,index=xueke_list_unique)
for wc in df_wc.WC:
wc_list = wc.split('; ')
for i in range(len(wc_list)-1):
#xueke_frame.loc[wc_list[i]][wc_list[i+1]]=xueke_frame.loc[wc_list[i]][wc_list[i+1]]+1
for j in range(i+1,len(wc_list)):
xueke_frame.loc[wc_list[i]][wc_list[j]]=xueke_frame.loc[wc_list[i]][wc_list[j]]+1
for k in range(len(xueke_frame)):#对角线都为0
xueke_frame.iloc[k,k]=0
g = nx.Graph()
for i in range(len(xueke_list_unique)-1):
xueke = xueke_list_unique[i]
for j in range(i+1,len(xueke_list_unique)):
w=0
xueke2 = xueke_list_unique[j]
w = xueke_frame.loc[xueke][xueke2]+xueke_frame.loc[xueke2][xueke]
g.add_edge(xueke,xueke2,weight=w)
nx.write_pajek(g,"D:/software/0install package/VOSviewer/web tab.net")