学术人员邮箱批量搜索工具

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

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：[email protected]）
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