7 命令行工具
命令行工具（CLI）是一类通过文字命令操作的程序。它们没有图形界面，但往往比图形软件更快、更灵活。对社科研究者来说，你不需要学习这些命令——Claude Code 会自动调用它们。本章帮你理解这些工具的原理，并确保它们已安装在你的系统上。
7.1 什么是命令行工具？
在图形界面（GUI）出现之前，所有计算机操作都通过输入文字命令完成。这种方式看起来”原始”，但它有两个 GUI 做不到的优势：
- 可组合：命令行工具可以像积木一样拼接。比如”从 PDF 提取文字 → 搜索关键词 → 统计出现次数”，三个小工具串起来就能完成，不需要一个大型软件。
- 可自动化：文字命令可以被程序调用。Claude Code 正是利用这一点——它在终端里运行，能直接调用这些工具处理你的文件。
你只需确保这些工具已安装。当你对 Claude Code 说”帮我看看这个 CSV 有多少行”，它会自动选择合适的工具执行，并把结果告诉你。
7.2 一键安装所有工具
如果你已经完成了第1章的环境配置（包括第6步安装的 Miniconda），可以在 Claude Code 聊天框中输入以下内容，一次性安装本章介绍的所有命令行工具：
帮我安装以下命令行工具：
1. 用 pip 安装 csvkit
2. 用 conda 从 conda-forge 安装 duckdb-cli、poppler、qpdf、ripgrep、fd-find、jq、tesseract、aria2、p7zip、xsv
3. 安装 GitHub CLI（gh）：Windows 用 winget install GitHub.cli，macOS/Linux 用 conda install -c conda-forge gh
4. 安装 sd：Windows 用 winget install chmln.sd，macOS 用 brew install sd，Linux 用 conda install -c conda-forge sd
请先检测当前系统，选择对应的安装命令执行。Claude Code 会自动在终端中执行对应的安装命令，遇到问题时会自动尝试备用方案。安装完成后，你就可以开始使用本章介绍的所有功能了。
7.3 文件搜索工具
社科研究项目往往包含几十到几百个文件——数据集、分析脚本、文献 PDF、访谈记录。当你让 Claude Code”帮我找一下哪个文件用到了 income 变量”或”把所有提到某政策的 PDF 列出来”，它需要一个能快速翻查大量文件的工具。以下两个工具让 Claude Code 在海量文件中精准定位目标。
7.3.1 rg：快速全文搜索
原理： 传统的文本搜索工具（如 grep）逐字节扫描文件，速度较慢。rg（ripgrep）利用现代 CPU 的并行处理能力，同时搜索多个文件，搜索速度可比传统工具快十到百倍。它还能自动忽略 .git 等无关目录，聚焦在真正的项目文件上。
安装：
帮我用 conda 从 conda-forge 安装 ripgrepClaude Code 能做什么：
- 在整个项目中搜索某个变量名、函数名或关键词出现在哪些文件里
- 查找所有包含特定关键词的访谈记录或文献段落
- 统计某个词语在多篇文章中出现的频率
- 在数百个 R 脚本中定位某行代码的所有用处
7.3.2 fd：快速查找文件
原理： find（系统自带的文件查找命令）语法复杂，搜索速度也慢。fd 以更直观的语法完成同样的工作，速度快数倍，并默认忽略隐藏文件和版本控制目录。Claude Code 用它按文件名、扩展名或修改时间定位目标文件。
安装：
帮我用 conda 从 conda-forge 安装 fd-findClaude Code 能做什么：
- 找出项目中所有
.csv数据文件或所有.R脚本 - 查找最近修改过的文件（如上周新增的分析输出）
- 定位某个具体文件名（如”2021年调查”）在哪个子目录下
- 列出某个文件夹下所有特定格式的图片或 PDF
7.4 数据查看工具
在正式用 R 分析之前，研究者经常需要快速回答一些基本问题：这个数据有多少行？有哪些列？缺失值多不多？用 R 打开一个大文件可能要等几十秒，而命令行工具通常一两秒就能给出答案。
7.4.1 csvkit：CSV 瑞士军刀
原理： CSV（逗号分隔值）是社科研究中最常见的数据交换格式——几乎所有统计软件、问卷平台和政府数据库都支持导出 CSV。csvkit 是一套专门处理 CSV 的小工具集合，每个工具做一件事：csvstat 算统计量、csvlook 格式化预览、csvgrep 按条件筛选、in2csv 把 Excel 转成 CSV。
安装：
帮我用 pip 安装 csvkitClaude Code 能做什么：
- 查看数据的行数、列名、每列的类型和缺失值比例
- 按条件筛选特定子集（如只看某个性别或年龄段）
- 将 Excel 文件批量转换为 CSV
- 快速对比两个 CSV 文件的结构差异
7.4.2 DuckDB：用 SQL 查询数据文件
原理： SQL 是数据库的通用查询语言，功能强大但通常需要先把数据导入数据库服务器。DuckDB 不同——它是一个”嵌入式”数据库引擎，不需要安装服务器，可以直接对你硬盘上的 CSV 或 Parquet 文件运行 SQL 查询。这就像给你的数据文件装了一个即时搜索引擎。
安装：
帮我用 conda 从 conda-forge 安装 duckdb-cliClaude Code 能做什么：
- 对 CSV 文件运行分组统计（如按地区算平均收入）
- 用 SQL 的 JOIN 合并多个数据文件
- 统计缺失值、去重、排序等数据清洗操作
- 处理 Parquet 格式的大型数据集（比 CSV 快很多）
7.4.3 xsv：大型 CSV 极速处理
原理： csvkit 功能丰富，但处理百万行以上的大型调查数据（如 CFPS、CHFS 全样本）时速度明显下降。xsv 用 Rust 编写，专注于速度：在同样的数据上，它的运行速度往往比 csvkit 快一个数量级。当研究项目的数据文件超过几百 MB 时，Claude Code 会优先调用 xsv 完成统计和筛选任务。
安装：
帮我安装 xsv，优先用 conda 从 conda-forge 安装，如果失败则用 cargo install xsvClaude Code 能做什么：
- 在秒级内统计千万行数据的每列摘要（均值、标准差、缺失率）
- 从超大 CSV 中快速提取指定列，生成轻量版数据文件
- 对大型数据集按条件筛选出子样本
- 合并多个大型 CSV 文件（如不同年份的追踪调查）
7.4.4 jq：JSON 数据处理
原理： 越来越多的数据源——政府开放数据平台、问卷 API、社交媒体采集接口——以 JSON 格式返回数据。JSON 结构灵活，但嵌套复杂，直接用文本编辑器很难处理。jq 是专为 JSON 设计的查询和转换工具，可以从嵌套结构中提取字段、过滤记录、重新组织数据。
安装：
帮我用 conda 从 conda-forge 安装 jqClaude Code 能做什么：
- 从 API 返回的 JSON 中提取特定字段（如只取问卷的回答项，忽略元数据）
- 将嵌套 JSON 展平为适合 R 读取的表格结构
- 筛选满足条件的 JSON 记录（如只保留特定地区或时段的条目）
- 处理 Claude Code 自身
--output-format json输出，用于自动化工作流
7.5 文档处理工具
社科研究离不开大量 PDF 论文。以下工具让 Claude Code 能够读取和操作 PDF 文件。
7.5.1 pdftotext：提取 PDF 文本
原理： PDF 文件的设计目的是”看起来一样”——无论在什么设备上打开，排版都不变。但这也意味着 PDF 内部存储的是排版指令（字体、位置、颜色），而非纯文本。pdftotext 能从这些排版信息中提取出纯文字内容，让 Claude Code 可以阅读和分析论文。
安装： pdftotext 包含在 poppler 工具包中。
帮我用 conda 从 conda-forge 安装 popplerClaude Code 能做什么：
- 提取论文全文用于摘要、分析或翻译
- 批量提取多篇论文的文字内容
- 从 PDF 中搜索特定关键词或段落
7.5.2 qpdf：拆分与合并 PDF
原理： qpdf 是一个轻量级 PDF 操作工具。它不需要”打开”或”渲染” PDF（不像 Adobe Acrobat 那样），而是直接操作 PDF 的内部结构，所以速度极快。适合从长文档中提取特定页码，或将多个文件合并。
安装：
帮我用 conda 从 conda-forge 安装 qpdfClaude Code 能做什么：
- 从长篇报告中提取指定页码范围
- 将多篇论文合并为一个 PDF 文件
- 拆分大型 PDF 以便逐部分处理
7.5.3 tesseract：扫描件文字识别
原理： 许多重要的社科数据来源——历史统计年鉴、老版政府报告、纸质调查表扫描件——以图片形式存储，PDF 内没有可提取的文字层。tesseract 是谷歌开源的 OCR（光学字符识别）引擎，能从图片或扫描 PDF 中识别出文字内容，支持中英文及多种语言。
安装：
帮我用 conda 从 conda-forge 安装 tesseract，同时安装中文语言包 tesseract-langClaude Code 能做什么：
- 将扫描的问卷、报告或年鉴转换为可搜索的文本
- 批量识别一批扫描 PDF，生成对应的文本文件
- 从历史档案图片中提取数字或文字数据，用于后续编码
- 结合 qpdf，先拆分大型扫描件，再逐页识别文字
7.6 实用工具
以下工具处理的是研究流程中的”杂活”：下载大型数据集、解压各种格式的压缩包、批量修改脚本中的文本、以及与 GitHub 协作。这些任务手动操作繁琐且容易出错，交给 Claude Code 配合这些工具自动完成，可以大幅节省时间。
7.6.1 aria2c：高速下载大型数据集
原理： 浏览器下载文件时，只建立一个连接通道。aria2c 同时建立多个下载连接，并行传输文件的不同分段，最终合并——这让下载速度在网络允许的情况下提升数倍。对于几 GB 的大型调查数据（如 CGSS、CFPS、CHFS 全样本），这意味着下载时间从一小时压缩到十几分钟。
安装：
帮我用 conda 从 conda-forge 安装 aria2Claude Code 能做什么：
- 高速下载政府数据平台、Dataverse 或数据仓库中的大型数据文件
- 批量下载多个文件（如多年度调查数据），同时进行多任务并行下载
- 在网络不稳定时自动断点续传，避免重头下载
- 下载完成后自动核验文件完整性（如有 MD5 校验值）
7.6.2 7z：解压各类压缩文件
原理： 数据提供方使用的压缩格式各不相同——有 .zip、.7z、.rar、.tar.gz、.tar.bz2 等十余种格式。系统自带的解压工具通常只支持 .zip，遇到其他格式就需要安装额外软件。7z（7-Zip 的命令行版本）支持所有主流压缩格式，Claude Code 只需一个工具就能处理任何来源的压缩包。
安装：
帮我用 conda 从 conda-forge 安装 p7zipClaude Code 能做什么：
- 解压任意格式的数据压缩包，无论来自哪个数据平台
- 将多个数据文件打包压缩，方便归档或传输
- 查看压缩包内容，确认文件结构后再决定是否解压
- 批量处理多个压缩文件，逐一解压到指定目录
7.6.3 sd：批量文本替换
原理： 研究过程中经常需要对多个脚本做相同的文本修改——比如变量重命名、路径更新、编码风格统一。传统的 sed 命令语法晦涩，转义规则复杂，容易出错。sd 提供了更直观的语法，Claude Code 可以精确地在一个或多个文件中完成批量替换，不会误改不相关内容。
安装：
帮我用 winget 安装 sd，包名是 chmln.sd帮我用 brew 安装 sd帮我用 conda 从 conda-forge 安装 sdClaude Code 能做什么：
- 在所有分析脚本中统一替换变量名（如将旧版变量名批量更新）
- 修改多个文件中的数据路径（如项目迁移后更新路径前缀）
- 统一修正编码问题（如将特定字符序列替换为正确形式）
- 对一批输出文件做文本后处理，如替换表格中的中英文标签
7.6.4 gh：GitHub 协作
原理： GitHub 是社科研究团队协作和代码版本管理的主流平台。通常操作 GitHub 需要打开浏览器，而 gh 是 GitHub 官方命令行工具，可以在终端中完成几乎所有 GitHub 操作。当你和同事共同维护分析代码，或者向开放数据项目提交问题时，Claude Code 可以通过 gh 直接操作 GitHub 仓库。
安装：
帮我用 winget 安装 GitHub CLI，包名是 GitHub.cli；安装完成后提示我运行 gh auth login 完成账号授权帮我用 conda 从 conda-forge 安装 gh；安装完成后提示我运行 gh auth login 完成账号授权Claude Code 能做什么：
- 克隆 GitHub 上的公开数据仓库或代码模板
- 查看项目的议题（Issues）列表，了解当前问题和进展
- 为开源项目或数据集提交问题报告（Issues）
- 在团队协作时，查看同事提交的代码修改并进行讨论
这些命令行工具覆盖了研究工作流的四个环节：搜索定位（rg、fd）、数据初探（csvkit、DuckDB、xsv、jq）、文档处理（pdftotext、qpdf、tesseract）和杂务自动化（aria2c、7z、sd、gh）。它们都是 Claude Code 在幕后调用的”工具箱”，你无需记住任何命令——只需确保它们已安装，然后用自然语言告诉 Claude Code 你想做什么。