学术人员邮箱批量搜索工具

学术人员邮箱批量搜索工具。从姓名+单位出发，通过搜索引擎自动查找学术人员的邮箱地址，结果写入Excel文件。 触发词：邮箱搜索、学术邮箱、批量找人、email搜索、搜邮箱

Security Scan

技能总体与其描述一致，但存在未声明的运行依赖、缺乏采集约束（速率/robots/网站政策）以及一些实施细节和潜在隐私/合规风险，建议在安装前确认环境与使用边界。

Purpose & Capability

名字/描述与SKILL.md中行为一致：从姓名+单位通过网络搜索收集学术邮箱并写回Excel。但SKILL.md 包含 Python 代码示例（openpyxl、re、web_search 操作、PDF 检索等），技能声明却没有列出任何依赖或运行时要求，实际运行需要 Python 环境、openpyxl 以及可进行 web_search 的能力/接口。未声明的依赖降低可用性并可能导致误解。

Instruction Scope

指令限定为读取用户提供的 Excel、对每条记录执行搜索并写回本地文件，未指示访问其他敏感路径或环境变量——这是符合其用途的。但指令缺少重要约束：没有任何关于速率限制、并发控制、遵守 robots.txt 或网站服务条款的说明；也未说明怎样处理需要登录/付费数据库。大量自动化搜索可能触及法律/反滥用与隐私风险。

Install Mechanism

这是一个仅包含说明文档的 instruction-only skill（无安装脚本），因此不会在安装时写磁盘或下载代码——风险较低。但因为 SKILL.md 自带 Python 示例并依赖 openpyxl 和 web_search 能力，实际运行依赖宿主平台提供这些库/能力；缺乏明确依赖声明是可用性和安全审核上的一个缺口。

Credentials

技能不要求任何环境变量、凭据或配置路径，也不请求权限超出其职能范围。所需的输入为用户提供的本地 Excel 文件路径，输出写回本地文件，未声明外部凭据或秘密，环境/凭据请求与功能比例合理。

Persistence & Privilege

flags 显示 always:false，技能为用户触发的单次任务型，且默认允许模型调用。技能不会要求常驻或修改其他技能配置，持久性/特权请求合理。

What to consider before installing

在决定安装或运行前请考虑并采取以下措施： - 依赖与运行环境：确认执行该技能的平台提供 Python 及所需库（至少 openpyxl），并确保有可用的 web_search/网络访问能力。技能文档未声明这些依赖，缺一则无法正常运行。 - 备份文件：该流程会直接打开并保存用户提供的 Excel（覆盖写入）。在运行前先备份原文件，或改为先保存到新文件路径以防数据丢失。 - 合规与礼貌抓取：自动化大规模爬取邮件可能违反目标网站的 robots.txt、服务条款或隐私法规。明确限制速率、并发、增加重试/错误处理，并遵守目标网站的抓取规范；对付费数据库（知网/万方等）不要尝试绕过认证。 - 人工复核与样本验证：文档已指出同名问题；务必按建议对若干样本人工核对，尤其是容易混淆的同名记录。 - 安全与滥用风险：收集大量学术邮箱可能被用于垃圾邮件或其他滥用。确认用途合法且合规，并限制导出/共享结果的范围。 - 代码质量提示：示例中的 extract_email 实现会返回遇到的第一个非个人邮箱或第一个匹配项，逻辑简单，可能误判或漏掉更合适的邮箱。建议在部署前进行小规模测试并改进优先级/去重逻辑。 如果你需要，我可以帮你:（1）列出需要在宿主环境中安装的具体 Python 包和命令；（2）给出速率限制/并发控制与 robots.txt 检查的实现建议；或（3）审阅或改写提取邮箱的代码以减少误判。

版本：v1.0 用途：根据姓名+单位，自动从全网搜索学术人员邮箱 定位：单次任务型Skill，不驻留后台

---

能力概述

输入： Excel文件（含姓名列+单位列） 输出： 在原文件新增一列"邮箱"，逐行填入搜索到的地址

---

工作流程

1. 用户提供Excel文件路径 + 说明哪列是姓名、哪列是单位
2. 解析Excel，提取所有姓名+单位对
3. 对每条记录执行搜索：
   搜索词：「姓名 + 单位 + 教授/老师/讲师 + 邮箱」
4. 从搜索结果摘要中识别邮箱（正则匹配）
5. 优先保留官方域名邮箱（.edu.cn / .cn / .gov.cn）
6. 排除qq.com / 163.com 等个人邮箱（除非无更好选择）
7. 将邮箱写入指定列
8. 输出完成后的文件路径

---

搜索策略（三层级）

第1层：高校/机构官网教师主页

搜索词格式：
「{姓名} {单位} 教授 邮箱」
「{姓名} {单位} 副教授 邮箱」
「{姓名} {单位} 讲师 邮箱」
「{姓名} {单位} 导师 邮箱」
「{姓名} {单位} 研究生导师 email」

命中目标：xx大学人事处/研究生院/院系官网的教师主页

第2层：学术平台个人主页

搜索词格式：
「{姓名} {单位} email」
「{姓名} 研究方向 email」
「{姓名} {单位} 通讯作者」

命中目标：ResearchGate / Google Scholar / CNKI / 百度学术

第3层：论文PDF中的通讯作者邮箱

搜索词格式：
「{姓名} {单位} 论文 PDF」
「{姓名} {论文标题片段} 邮箱」

命中目标：论文PDF里通常标注通讯作者邮箱

---

邮箱识别规则

import re

def extract_email(text):
    """从文本中提取邮箱地址"""
    # 匹配标准邮箱格式
    pattern = r'[a-zA-Z0-9._%+\-]+@[a-zA-Z0-9.\-]+\.[a-zA-Z]{2,}'
    matches = re.findall(pattern, text)

    # 优先级排序
    priority_domains = ['.edu.cn', '.gov.cn', '.ac.cn', '.cn', '.org']
    personal_domains = ['qq.com', '163.com', '126.com', 'gmail.com', 'hotmail.com', 'outlook.com']

    for email in matches:
        domain = email.split('@')[1].lower()
        # 跳过个人邮箱
        if any(pd in domain for pd in personal_domains):
            continue
        # 优先机构邮箱
        if any(pd in domain for pd in priority_domains):
            return email
        # 没有机构邮箱则退而求其次
        return email if matches else None

    return matches[0] if matches else None

---

Excel操作规范

import openpyxl

def write_email_to_excel(file_path, row_number, email, email_column=6):
    """将邮箱写入Excel

    Args:
        file_path: Excel文件路径
        row_number: 数据行号（1-based，含表头）
        email: 邮箱地址，没找到填"未找到"
        email_column: 邮箱列号（默认F列=6）
    """
    wb = openpyxl.load_workbook(file_path)
    ws = wb.active
    ws.cell(row=row_number, column=email_column, value=email)
    wb.save(file_path)

---

局限性说明

渠道	可用性	备注
高校官网教师主页	✅ 优先命中	信息公开，覆盖率较高
科研机构官网	✅ 可用	研究院/医院等
学术平台	✅ 辅助	CNKI/Google Scholar/ResearchGate
论文通讯作者	✅ 可用	仅限通讯作者，且需能找到论文
百度/Google直接搜	⚠️ 辅助	可能搜到多个同名学者，需核对
付费数据库	❌ 不可用	知网/万方需账号

已知风险：

• 同名不同人：搜索"林也平 湖南大学"可能匹配到"林亚平"（重名）→ 需要人工复核
• 冷门学者：小众院校/地方机构可能官网不公开信息
• 个人信息保护：部分学者主动隐藏邮箱
• 覆盖上限：非高校机构（医院/国企/地方政府）官网往往没有教师主页

建议：搜索完成后抽样验证（随机取5-10条用搜索引擎复核）

---

使用示例

场景：用户提供Excel，需要填邮箱

Step 1：用户提供文件

文件路径：/tmp/people.xlsx
姓名列：B列（第2列）
单位列：C列（第3列）
邮箱写入列：F列（第6列）

Step 2：解析文件

import openpyxl
wb = openpyxl.load_workbook('/tmp/people.xlsx')
ws = wb.active
people = []
for i, row in enumerate(ws.iter_rows(min_row=2, values_only=True)):
    name = row[1]  # B列
    unit = row[2]  # C列
    if name:
        people.append({'row': i+2, 'name': name, 'unit': unit})

Step 3：逐条搜索（子Agent自动化）

对每条记录：
  → web_search：「{name} {unit} 邮箱」
  → 提取邮箱
  → 写入 F列
  → 每20条汇报一次进度

Step 4：输出结果

/tmp/people_with_emails.xlsx

---

快速启动命令

如需立即对某个Excel运行搜索，复制以下提示词给子Agent：

你是一个邮件地址搜索机器人。任务：根据名单逐一搜索学术人员的邮箱地址。

## 输入文件
读取 /tmp/people_list.json，里面有N条记录，格式：
[{"row": 行号, "name": "姓名", "unit": "单位", "title": "论文标题"}, ...]

## 任务流程
对每一条记录：
1. web_search 搜索「姓名 + 单位 + 教授/老师 + 邮箱」
2. 从搜索结果中提取邮箱地址（格式：[e-mail]）
3. openpyxl 将邮箱写入 /tmp/target.xlsx 的第6列（F列）
4. 行号对应：第row行
5. 找到写入邮箱，没找到写入"未找到"
6. 每20人输出进度

## 邮箱识别
- 优先.edu.cn / .ac.cn等机构域名
- 排除qq.com / 163.com等个人邮箱
- 同名不同人时选择最匹配的

## 输出
覆盖保存 /tmp/target.xlsx
最后输出统计：找到X个，未找到Y个

---

版本历史

v1.0

• ✅ 基本搜索流程
• ✅ 三层搜索策略
• ✅ 邮箱正则识别
• ✅ Excel读写
• ⚠️ 同名区分需人工复核

---

Skill版本：v1.0 创建：小柱（ArkClaw） 最后更新：2026-04-21 用途：学术人员邮箱批量采集