这个 60 行左右的 Python 引用检测工具,不需要额外安装第三方包,只用 Python 自带标准库就能跑起来,核心作用就是提取 AI 生成文本里的引用链接、解析域名、匹配目标来源域名,统计引用命中比例,快速判断 AI 输出内容的引用是否合规、有没有编造来源。很多大模型输出会附带引用链接,但经常出现链接粘带上中文标点、子域名匹配失效、假引用的问题,这个脚本专门针对中文场景做了正则优化,把 URL 提取、域名清洗、域名匹配、结果统计这几步封装在一起,直接传入文本就能拿到引用域名列表、命中域名、引用占比结果,适合做本地快速校验、批量筛查 AI 回答,不用对接复杂 NLP 模型或者付费 API,上手门槛很低。
核心功能说明
- 链接提取:适配中文全角标点,避免把后面的句号、括号、顿号识别进 URL 里
- 域名清洗:自动去掉 www 前缀,统一小写,方便后续比对
- 域名匹配:支持子域名命中,比如blog.xxx.com也能匹配
- 指标输出:输出提取到的全部域名、命中的目标域名、引用覆盖率
完整代码(约 60 行,标准库)
import re
from urllib.parse import urlparse
URL_RE = re.compile(r"https?://[^\s))\]】。;、\"'<>]+")
def domains_of(text):
out = []
for u in URL_RE.findall(text):
host = (urlparse(u).hostname or "").lower()
if host:
if host.startswith("www."):
host = host[4:]
out.append(host)
return out
def host_match(host, owned_list):
h = host.lower()
for d in owned_list:
d = d.lower().strip()
if h == d or h.endswith("." + d):
return True
return False
def cite_check(text, target_domains):
all_hosts = domains_of(text)
hit_hosts = [h for h in all_hosts if host_match(h, target_domains)]
total = len(all_hosts)
hit = len(hit_hosts)
rate = hit / total if total > 0 else 0.0
return {
"all_domains": all_hosts,
"hit_domains": hit_hosts,
"total_cite": total,
"hit_cite": hit,
"hit_rate": round(rate, 3)
}
if __name__ == "__main__":
test_text = "参考文档:https://blog.example.com/article1,另外来源 https://baidu.com"
target = ["example.com", "baidu.com"]
res = cite_check(test_text, target)
print(res)
使用步骤清单
- 复制代码保存为 cite_check.py
- 准备待检测的 AI 文本,整理好你要匹配的目标域名清单
- 修改 main 函数里的 test_text 和 target 列表,替换成自己的内容
- 直接运行 python cite_check.py,打印检测结果字典
- 批量使用:循环读取多篇文本,循环调用 cite_check 函数保存结果
结果字段说明表
| 字段 | 含义 |
|---|---|
| all_domains | 文本里全部提取出来的引用域名 |
| hit_domains | 和目标域名匹配成功的引用域名 |
| total_cite | 一共提取到多少条引用链接 |
| hit_cite | 命中目标库的引用数量 |
| hit_rate | 引用命中比例 |
【常见问题】
问题 1:这个 AI 引用检测 Python 脚本能不能检测没有链接的文本引用?
回答 1:这套 60 行的 AI 引用检测脚本只识别带 URL 链接的引用,纯文字文献、论文书名这类无链接引用识别不了,如果要做文本语义引文校验,需要额外接入文本相似度模型。
问题 2:运行 AI 引用检测代码的时候,为什么有些链接提取不完整?
回答 2:脚本的正则已经适配大部分中文标点,如果遇到特殊符号、换行嵌套链接,会影响提取效果,可以调整 URL_RE 正则里的排除字符列表,优化 AI 引用检测的抓取能力。
问题 3:这个 AI 引用检测工具可以批量检测大量 AI 回答吗?
回答 3:可以,这个 60 行 Python 版本没有并发限制,你写循环读取文本列表,循环调用 cite_check 方法,把 AI 引用检测结果存入 csv 就能批量筛查。
问题 4:AI 引用检测命中高,是不是代表内容一定没有幻觉?
回答 4:不是,AI 引用检测只核对链接域名是否在目标列表,不会访问链接校验正文内容,存在链接是真的、但是内容和原文不符的幻觉情况。
【参考资料】
[2026-11-18](AI 引用检测:60 行 Python 落地)阿里云开发者社区
[2026-10-21](Agent 接了搜索,答案为什么还会编?用 Python 做引用校验)CSDN 博客
【免责声明】
本文提供的 AI 引用检测 Python 脚本仅用于本地学习、轻量筛查,不具备法律核验效力;脚本无法访问链接内部校验原文真实性,不能完全杜绝 AI 幻觉假引用;批量商用、正式论文审核场景建议搭配专业引文核验工具使用。
