# 引文管理 ## 概述在整个研究和写作过程中系统地管理引用。该技能提供了用于搜索学术数据库（Google Scholar、PubMed）、从多个来源（CrossRef、PubMed、arXiv）提取准确元数据、验证引文信息以及生成格式正确的 BibTeX 条目的工具和策略。对于保持引用准确性、避免参考错误和确保研究的可重复性至关重要。与文献综述技能无缝集成，以实现全面的研究工作流程。 ## 何时使用此技能在以下情况下使用此技能： * 在 Google Scholar 或 PubMed 上搜索特定论文 * 将 DOI、PMID 或 arXiv ID 转换为格式正确的 BibTeX * 提取引文的完整元数据（作者、标题、期刊、年份等） * 验证现有引文的准确性 * 清理和格式化 BibTeX 文件 * 查找特定领域中被引用次数最多的论文 * 验证引文信息是否与实际出版物相符 * 为手稿或论文建立参考书目 * 检查重复引用 * 确保引用格式一致 ## 核心工作流程引文管理遵循系统化流程： ### 第一阶段：论文发现和搜索 **目标**：使用学术搜索引擎查找相关论文。 #### 谷歌学术搜索谷歌学术提供最全面的跨学科覆盖。 **基本搜索**： # 搜索有关某个主题的论文 python script/search_google_scholar.py “CRISPR 基因编辑” \ --限制 50 \ --输出结果.json # 使用年份过滤器搜索 python script/search_google_scholar.py“机器学习蛋白质折叠”\ --2020 年年初 \ --2024 年年底 \ --限制 100 \ --输出ml_蛋白质.json **高级搜索策略**（请参阅 `references/google_scholar_search.md`）： * 对确切的短语使用引号：`“深度学习”` * 按作者搜索：`作者：LeCun` * 在标题中搜索：`intitle:"神经网络"` * 排除术语：“机器学习-调查” * 使用排序选项查找高引用论文 * 按日期范围过滤以获取最近的工作 **最佳实践**： * 使用特定的、有针对性的搜索词 * 包括关键技术术语和缩写词 * 按近年筛选快速发展的领域 * 检查“引用者”以查找开创性论文 * 导出最佳结果以供进一步分析 #### PubMed 搜索 PubMed 专门研究生物医学和生命科学文献（超过 35 万次引用）。 **基本搜索**： # 搜索 PubMed python script/search_pubmed.py“阿尔茨海默氏病治疗”\ --限制 100 \ --输出阿尔茨海默斯.json # 使用 MeSH 术语和过滤器进行搜索 python 脚本/search_pubmed.py \ --query '“阿尔茨海默病”[MeSH] 和“药物治疗”[MeSH]' \ --日期开始 2020 \ --日期-2024 年结束 \ --publication-types“临床试验、综述”\ --输出 alzheimers_Trials.json **高级 PubMed 查询**（参见 `references/pubmed_search.md`）： * 使用 MeSH 术语：`“糖尿病”[MeSH]` * 字段标签：`"cancer"[标题]`、`"Smith J"[作者]` * 布尔运算符：“AND”、“OR”、“NOT” * 日期过滤器：`2020:2024[发布日期]` * 出版物类型：`“评论”[出版物类型]` * 与电子公用事业 API 结合以实现自动化 **最佳实践**： * 使用 MeSH 浏览器查找正确的受控词汇 * 首先在 PubMed Advanced Search Builder 中构建复杂查询 * 使用 OR 包含多个同义词 * 检索 PMID 以轻松提取元数据 * 导出为 JSON 或直接导出为 BibTeX ### 第 2 阶段：元数据提取 **目标**：将论文标识符（DOI、PMID、arXiv ID）转换为完整、准确的元数据。 #### 快速 DOI 到 BibTeX 转换对于单个 DOI，请使用快速转换工具： # 转换单个 DOI python脚本/doi_to_bibtex.py 10.1038/s41586-021-03819-2 # 从文件中转换多个 DOI python脚本/doi_to_bibtex.py --输入dois.txt --输出references.bib # 不同的输出格式 python 脚本/doi_to_bibtex.py 10.1038/nature12345 --format json #### 全面的元数据提取对于 DOI、PMID、arXiv ID 或 URL： # DOI 摘录 python脚本/extract_metadata.py --doi 10.1038/s41586-021-03819-2 # 从 PMID 中提取 python 脚本/extract_metadata.py --pmid 34265844 # 从 arXiv ID 中提取 python 脚本/extract_metadata.py --arxiv 2103.14030 # 从网址中提取 python 脚本/extract_metadata.py --url "https://www.nature.com/articles/s41586-021-03819-2" # 从文件中批量提取（混合标识符） python 脚本/extract_metadata.py --输入标识符.txt --输出引用.bib **元数据源**（参见 `references/metadata_extraction.md`）： 1. **CrossRef API**：DOI 的主要来源 * 期刊文章的综合元数据 * 出版商提供的信息 * 包括作者、标题、期刊、卷数、页数、日期 * 免费，无需 API 密钥 2. **PubMed 电子实用程序**：生物医学文献 * 官方 NCBI 元数据 * 包括 MeSH 术语、摘要 * PMID 和 PMCID 标识符 * 免费，建议大批量使用 API 密钥 3. **arXiv API**：物理、数学、CS、q-bio 预印本 * 预印本的完整元数据 * 版本跟踪 * 作者隶属关系 * 免费、开放获取 4. **DataCite API**：研究数据集、软件、其他资源 * 非传统学术成果的元数据 * 数据集和代码的 DOI * 免费访问 **提取什么**： * **必填字段**：作者、标题、年份 * **期刊文章**：期刊、卷、编号、页数、DOI * **书籍**：出版商、ISBN、版本 * **会议论文**：书名、会议地点、页码 * **预印本**：存储库（arXiv、bioRxiv）、预印本 ID * **附加**：摘要、关键词、URL ### 第 3 阶段：BibTeX 格式化 **目标**：生成干净、格式正确的 BibTeX 条目。 #### 了解 BibTeX 条目类型请参阅“references/bibtex_formatting.md”以获取完整指南。 **常见条目类型**： * `@article`：期刊文章（最常见） * `@book`：书籍 * `@inproceedings`：会议论文 * `@incollection`：书籍章节 * `@phdthesis`：论文 * `@misc`：预印本、软件、数据集 **按类型划分的必填字段**： @文章{引用键，作者 = {Last1, First1 和 Last2, First2}, 标题 = {文章标题}, 期刊 = {期刊名称}, 年 = {2024}，体积 = {10}，数字={3}，页数 = {123--145}, doi = {10.1234/示例} } @inproceedings{引用键，作者 = {最后，第一个}，标题 = {论文标题}, 书名 = {会议名称}, 年 = {2024}，页数 = {1--10} } @书{引用键，作者 = {最后，第一个}，标题 = {书名}, 发布者 = {发布者名称}, 年 = {2024} } #### 格式化和清理使用格式化程序标准化 BibTeX 文件： # 格式化并清理 BibTeX 文件 python脚本/format_bibtex.py引用.bib \ --输出formatted_references.bib # 按引用键对条目进行排序 python脚本/format_bibtex.py引用.bib \ --排序键\ --输出sorted_references.bib # 按年份排序（最新的在前） python脚本/format_bibtex.py引用.bib \ --排序年份\ --降序\ --输出sorted_references.bib # 删除重复项 python脚本/format_bibtex.py引用.bib \ --去重\ --输出 clean_references.bib # 验证并报告问题 python脚本/format_bibtex.py引用.bib \ --验证\ --报告验证报告.txt **格式化操作**： * 标准化字段顺序 * 一致的缩进和间距 * 标题中正确的大写（受 {} 保护） * 标准化作者姓名格式 * 一致的引文关键格式 * 删除不需要的字段 * 修复常见错误（缺少逗号、大括号） ### 第 4 阶段：引文验证 **目标**：验证所有引文均准确且完整。 #### 综合验证 # 验证 BibTeX 文件 python脚本/validate_引用.py引用.bib # 验证并修复常见问题 python 脚本/validate_引用.py 引用.bib \ --自动修复\ --输出 valid_references.bib # 生成详细的验证报告 python 脚本/validate_引用.py 引用.bib \ --报告validation_report.json \ --详细 **验证检查**（参见 `references/itation_validation.md`）： 1. **DOI 验证** : * DOI 通过 doi.org 正确解析 * BibTeX 和 CrossRef 之间的元数据匹配 * 没有损坏或无效的 DOI 2. **必填字段**： * 条目类型包含所有必填字段 * 关键信息不得为空或缺失 * 作者姓名格式正确 3. **数据一致性**： * 年份有效（4位数字，合理范围） * 体积/数量为数字 * 页面格式正确（例如，123--145） * URL 可以访问 4. **重复检测**： * 多次使用相同的 DOI * 类似的标题（可能重复） * 相同作者/年份/标题组合 5. **格式合规性**： * 有效的 BibTeX 语法 * 正确的大括号和引用 * 引文键是唯一的 * 正确处理特殊字符 **验证输出**： { “总条目数”：150， “有效条目”：145， “错误”：[ { "itation_key": "史密斯2023", "error_type": "缺少字段", “字段”：“期刊”， “严重性”：“高” }, { "itation_key": "琼斯2022", "error_type": "invalid_doi", "doi": "10.1234/损坏", “严重性”：“高” } ], “警告”：[ { "itation_key": "布朗2021", "warning_type": "possible_duplicate", "duplicate_of": "棕色2021a", “严重程度”：“中” } ] } ### 第 5 阶段：与写作工作流程集成 #### 建立手稿参考创建参考书目的完整工作流程： # 1. 搜索与你的主题相关的论文 python 脚本/search_pubmed.py \ '“CRISPR-Cas 系统”[MeSH] 和“基因编辑”[MeSH]' \ --日期开始 2020 \ --限制 200 \ --输出crispr_papers.json # 2. 从搜索结果中提取 DOI 并转换为 BibTeX python 脚本/extract_metadata.py \ --输入crispr_papers.json \ --输出crispr_refs.bib # 3. 按 DOI 添加特定论文 python脚本/doi_to_bibtex.py 10.1038/nature12345>>crispr_refs.bib python脚本/doi_to_bibtex.py 10.1126/science.abcd1234>>crispr_refs.bib # 4. 格式化并清理 BibTeX 文件 python 脚本/format_bibtex.py Cripr_refs.bib \ --去重\ --排序年份\ --降序\ --输出参考文献.bib # 5. 验证所有引用 python 脚本/validate_引用.py 引用.bib \ --自动修复\ --报告验证.json \ --输出final_references.bib # 6.审查验证报告并修复任何剩余问题猫验证.json # 7. 在你的 LaTeX 文档中使用 # \参考书目{final_references} #### 与文献复习技巧的结合该技能补充了“文献综述”技能： **文献综述技能** → 系统检索与综合 **引文管理技能** → 技术引文处理 **组合工作流程**： 1. 使用“literature-review”进行全面的多数据库检索 2.使用“引用管理”提取并验证所有引用 3. 使用“文献综述”按主题综合研究结果 4. 使用“引用管理”来验证最终参考书目的准确性 # 完成文献综述后 # 验证评审文档中的所有引用 python 脚本/validate_itations.py my_review_references.bib --report review_validation.json # 如果需要的话，特定引文风格的格式 python 脚本/format_bibtex.py my_review_references.bib \ --风格自然\ --输出formatted_refs.bib ## 搜索策略 ### 谷歌学术最佳实践 **查找开创性论文**： * 按引用次数排序（被引用最多的排在前面） * 查找评论文章以了解概述 * 勾选“引用者”进行影响评估 * 使用引文提醒来跟踪新的引文 **高级运算符**（完整列表位于“references/google_scholar_search.md”）： "exactphrase" # 精确短语匹配作者：姓氏 # 按作者搜索 intitle:keyword # 仅在标题中搜索 source:journal # 搜索特定期刊 -exclude # 排除术语或 # 替代术语 2020..2024 # 年份范围 **搜索示例**： # 查找某个主题的最新评论 “CRISPR”标题：回顾 2023..2024 # 查找特定作者关于该主题的论文作者：教会《合成生物学》 # 查找被高度引用的基础工作《深度学习》2012..2015排序：引用 # 排除调查并重点关注方法 “蛋白质折叠”-调查-评论标题：方法 ### PubMed 最佳实践 **使用 MeSH 术语**：MeSH（医学主题词）提供受控词汇以进行精确搜索。 1. **在查找 MeSH 术语** 2. **在查询中使用** : `"Diabetes Mellitus, Type 2"[MeSH]` 3. **结合关键词**全面覆盖 **字段标签**： [Title] # 仅在标题中搜索 [标题/摘要] # 在标题或摘要中搜索 [作者] # 按作者姓名搜索 [期刊] # 搜索特定期刊 [发布日期] # 日期范围 [出版物类型] # 文章类型 [MeSH] # MeSH 术语 **构建复杂查询**： # 最近发表的糖尿病治疗临床试验 “2 型糖尿病”[MeSH] 和“药物治疗”[MeSH] AND“临床试验”[出版类型] AND 2020:2024[出版日期] # 特定期刊对 CRISPR 的评论 “CRISPR-Cas Systems”[MeSH] AND“Nature”[期刊] AND“Review”[出版物类型] # 具体作者近期工作 “Smith AB”[作者] AND 癌症[标题/摘要] AND 2022:2024[出版日期] **用于自动化的电子实用程序**：脚本使用 NCBI 电子实用程序 API 进行编程访问： * **ESearch** ：搜索和检索 PMID * **EFetch** ：检索完整元数据 * **ESummary** : 获取摘要信息 * **ELink** : 查找相关文章请参阅“references/pubmed_search.md”以获取完整的 API 文档。 ## 工具和脚本 ### search_google_scholar.py 搜索 Google Scholar 并导出结果。 **特点**： * 具有速率限制的自动搜索 * 分页支持 * 年份范围过滤 * 导出为 JSON 或 BibTeX * 引用计数信息 **用法**： # 基本搜索 python script/search_google_scholar.py“量子计算” # 带过滤器的高级搜索 python script/search_google_scholar.py“量子计算”\ --2020 年年初 \ --2024 年年底 \ --限制 100 \ --按引用排序\ --输出Quantum_papers.json # 直接导出到 BibTeX python script/search_google_scholar.py“机器学习”\ --限制 50 \ --格式bibtex \ --输出ml_papers.bib ### search_pubmed.py 使用电子实用程序 API 搜索 PubMed。 **特点**： * 复杂查询支持（MeSH、字段标签、布尔） * 日期范围过滤 * 出版物类型过滤 * 批量检索元数据 * 导出为 JSON 或 BibTeX **用法**： # 简单的关键词搜索 python script/search_pubmed.py “CRISPR 基因编辑” # 带过滤器的复杂查询 python 脚本/search_pubmed.py \ --query '"CRISPR-Cas Systems"[MeSH] AND "治疗"[标题/摘要]' \ --日期开始 2020-01-01 \ --日期结束 2024-12-31 \ --publication-types“临床试验、综述”\ --限制 200 \ --输出crispr_therapeutic.json # 导出到 BibTeX python script/search_pubmed.py“阿尔茨海默氏病”\ --限制 100 \ --格式bibtex \ --输出阿尔茨海默病.bib ### extract_metadata.py 从纸张标识符中提取完整的元数据。 **特点**： * 支持DOI、PMID、arXiv ID、URL * 查询 CrossRef、PubMed、arXiv API * 处理多种标识符类型 * 批处理 * 多种输出格式 **用法**： # 单个 DOI python脚本/extract_metadata.py --doi 10.1038/s41586-021-03819-2 # 单个 PMID python 脚本/extract_metadata.py --pmid 34265844 # 单个 arXiv ID python 脚本/extract_metadata.py --arxiv 2103.14030 # 来自网址 python 脚本/extract_metadata.py \ --url“https://www.nature.com/articles/s41586-021-03819-2” # 批处理（每行一个标识符的文件） python 脚本/extract_metadata.py \ --输入 paper_ids.txt \ --输出参考文献.bib # 不同的输出格式 python 脚本/extract_metadata.py \ --doi 10.1038/nature12345 \ --format json # 或 bibtex, yaml ### validate_引用.py 验证 BibTeX 条目的准确性和完整性。 **特点**： * 通过 doi.org 和 CrossRef 进行 DOI 验证 * 必填字段检查 * 重复检测 * 格式验证 * 自动修复常见问题 * 详细报告 **用法**： # 基本验证 python脚本/validate_引用.py引用.bib # 具有自动修复功能 python 脚本/validate_引用.py 引用.bib \ --自动修复\ --输出fixed_references.bib # 详细的验证报告 python 脚本/validate_引用.py 引用.bib \ --报告validation_report.json \ --详细 # 只检查 DOI python 脚本/validate_引用.py 引用.bib \ --仅检查 dois ### format_bibtex.py 格式化并清理 BibTeX 文件。 **特点**： * 标准化格式 * 对条目进行排序（按关键词、年份、作者） * 删除重复项 * 验证语法 * 修复常见错误 * 强制执行引文关键约定 **用法**： # 基本格式 python脚本/format_bibtex.py引用.bib # 按年份排序（最新的在前） python脚本/format_bibtex.py引用.bib \ --排序年份\ --降序\ --输出sorted_refs.bib # 删除重复项 python脚本/format_bibtex.py引用.bib \ --去重\ --输出 clean_refs.bib # 完成清理 python脚本/format_bibtex.py引用.bib \ --去重\ --排序年份\ --验证\ --自动修复\ --输出final_refs.bib ### doi_to_bibtex.py 快速 DOI 到 BibTeX 转换。 **特点**： * 快速单一 DOI 转换 * 批处理 * 多种输出格式 * 剪贴板支持 **用法**： # 单个 DOI python脚本/doi_to_bibtex.py 10.1038/s41586-021-03819-2 # 多个 DOI python 脚本/doi_to_bibtex.py \ 10.1038/自然12345 \ 10.1126/science.abc1234 \ 10.1016/j.cell.2023.01.001 # 来自文件（每行一个 DOI） python脚本/doi_to_bibtex.py --输入dois.txt --输出references.bib # 复制到剪贴板 python脚本/doi_to_bibtex.py 10.1038/nature12345 --clipboard ## 最佳实践 ### 搜索策略 1. **开始广泛，然后缩小**： * 从通用术语开始了解该领域 * 使用特定关键字和过滤器进行优化 * 使用同义词和相关术语 2. **使用多个来源**： * 谷歌学术全面覆盖 * PubMed 专注于生物医学 * arXiv 预印本 * 合并结果以确保完整性 3. **利用引用**： * 检查“被引用”以获取开创性论文 * 回顾关键论文的参考文献 * 使用引文网络发现相关工作 4. **记录您的搜索**： * 保存搜索查询和日期 * 记录结果数 * 注意所应用的任何过滤器或限制 ### 元数据提取 1. **始终使用可用的 DOI** ： * 最可靠的标识符 * 出版物的永久链接 * 通过 CrossRef 获得最佳元数据源 2. **验证提取的元数据**： * 检查作者姓名是否正确 * 验证期刊/会议名称 * 确认出版年份 * 验证页码和卷数 3. **处理边缘情况**： * 预印本：包括存储库和 ID * 预印本稍后出版：使用已出版版本 * 会议论文：包括会议名称和地点 * 书籍章节：包括书名和编辑 4. **保持一致性** : * 使用一致的作者姓名格式 * 规范期刊缩写 * 使用相同的 DOI 格式（首选 URL） ### BibTeX 质量 1. **遵循约定**： * 使用有意义的引用键（FirstAuthor2024关键字） * 使用 {} 保护标题中的大写 * 使用 -- 作为页面范围（不是单破折号） * 包括所有现代出版物的 DOI 字段 2. **保持清洁** : * 删除不需要的字段 * 没有多余的信息 * 格式一致 * 定期验证语法 3. **系统地组织**： * 按年份或主题排序 * 小组相关论文 * 不同的项目使用单独的文件 * 仔细合并以避免重复 ### 验证 1. **尽早且经常验证**： * 添加时检查引用 * 提交前验证完整的参考书目 * 手动编辑后重新验证 2. **及时解决问题** : * 损坏的 DOI：找到正确的标识符 * 缺失字段：摘自原始来源 * 重复：选择最好的版本，删除其他版本 * 格式错误：安全时使用自动修复 3. **手动审查关键引用**： * 验证正确引用的关键论文 * 检查作者姓名是否与出版物相符 * 确认页码和卷数 * 确保 URL 是最新的 ## 要避免的常见陷阱 1. **单一来源偏差**：仅使用 Google Scholar 或 PubMed * **解决方案** : 搜索多个数据库以实现全面覆盖 2. **盲目接受元数据**：不验证提取的信息 * **解决方案**：根据原始来源抽查提取的元数据 3. **忽略 DOI 错误**：参考书目中损坏或不正确的 DOI * **解决方案**：在最终提交之前运行验证 4. **格式不一致**：混合引用键样式、格式 * **解决方案** : 使用format_bibtex.py进行标准化 5. **重复条目**：同一篇论文用不同的键被多次引用 * **解决方案** ：在验证中使用重复检测 6. **缺少必填字段**：BibTeX 条目不完整 * **解决方案**：验证并确保所有必填字段均存在 7. **过时的预印本**：当已发布版本存在时引用预印本 * **解决办法** : 检查预印本是否已发表，更新至期刊版本 8. **特殊字符问题**：由于字符导致 LaTeX 编译损坏 * **解决方案** ：在 BibTeX 中使用正确的转义或 Unicode 9. **提交前不验证**：提交时出现引用错误 * **解决方案**：始终运行验证作为最终检查 10. **手动 BibTeX 输入**：手动输入条目 * **解决方案**：始终使用脚本从元数据源中提取 ## 工作流程示例 ### 示例 1：为论文建立参考书目 # 第 1 步：找到与您的主题相关的关键论文 python script/search_google_scholar.py“变压器神经网络”\ --2017 年年初 \ --限制 50 \ --输出 Transformers_gs.json python script/search_pubmed.py“深度学习医学成像”\ --日期开始 2020 \ --限制 50 \ --输出medical_dl_pm.json # 第 2 步：从搜索结果中提取元数据 python 脚本/extract_metadata.py \ --输入transformers_gs.json \ --输出变压器.bib python 脚本/extract_metadata.py \ --输入medical_dl_pm.json \ --输出medical.bib # 第 3 步：添加您已经知道的具体论文 python脚本/doi_to_bibtex.py 10.1038/s41586-021-03819-2 >> Specific.bib python 脚本/doi_to_bibtex.py 10.1126/science.aam9317 >> Specific.bib # 第 4 步：合并所有 BibTeX 文件猫变形金刚.bib 医疗.bib 特定.bib > 组合.bib # 第 5 步：格式化和去重 python 脚本/format_bibtex.py 组合.bib \ --去重\ --排序年份\ --降序\ --输出格式化.bib # 第 6 步：验证 python 脚本/validate_itations.py formatted.bib \ --自动修复\ --报告验证.json \ --输出final_references.bib # 第 7 步：检查任何问题猫验证.json | grep -A 3 '“错误”' # 第 8 步：在 LaTeX 中使用 # \参考书目{final_references} ### 示例 2：转换 DOI 列表 # 您有一个带有 DOI 的文本文件（每行一个） # dois.txt 包含： # 10.1038/s41586-021-03819-2 # 10.1126/science.aam9317 #10.1016/j.cell.2023.01.001 # 全部转换为 BibTeX python脚本/doi_to_bibtex.py --输入dois.txt --输出references.bib # 验证结果 python 脚本/validate_引用.py 引用.bib --verbose ### 示例 3：清理现有 BibTeX 文件 # 你有一个来自不同来源的混乱 BibTeX 文件 # 系统地清理它 # 第 1 步：格式化和标准化 python 脚本/format_bibtex.py messy_references.bib \ --输出step1_formatted.bib # 第 2 步：删除重复项 python 脚本/format_bibtex.py step1_formatted.bib \ --去重\ --输出step2_deduplicated.bib # 第 3 步：验证并自动修复 python 脚本/validate_itations.py step2_deduplicated.bib \ --自动修复\ --输出step3_validated.bib # 第四步：按年份排序 python 脚本/format_bibtex.py step3_validated.bib \ --排序年份\ --降序\ --输出 clean_references.bib # 第5步：最终验证报告 python 脚本/validate_itations.py clean_references.bib \ --报告final_validation.json \ --详细 # 审查报告猫 Final_validation.json ### 示例 4：查找并引用开创性论文 # 查找某个主题上被引用次数最多的论文 python script/search_google_scholar.py “AlphaFold 蛋白质结构” \ --2020 年年初 \ --2024 年年底 \ --按引用排序\ --限制20个\ --输出 alphafold_seminal.json # 按引用次数提取前 10 名 #（脚本将包含 JSON 格式的引用计数） # 转换为 BibTeX python 脚本/extract_metadata.py \ --输入 alphafold_seminal.json \ --输出 alphafold_refs.bib # BibTeX 文件现在包含最有影响力的论文 ## 与其他技能的整合 ###文献复习技巧 **引文管理**为**文献综述**提供技术基础设施： * **文献综述**：多数据库系统检索与综合 * **引文管理**：元数据提取和验证 **组合工作流程**： 1. 使用文献综述进行系统检索方法 2. 使用引文管理来提取和验证引文 3. 利用文献综述来综合研究结果 4. 使用引文管理来确保参考书目的准确性 ### 科学写作技巧 **引文管理**确保**科学写作**的准确参考： * 导出经过验证的 BibTeX 以在 LaTeX 手稿中使用 * 验证引用是否符合出版标准 * 根据期刊要求格式化参考文献 ### 场地模板技巧 **引文管理**与**场地模板**配合使用，可随时提交手稿： * 不同的场地需要不同的引文风格 * 生成格式正确的参考文献 * 验证引用符合场地要求 ## 资源 ### 捆绑资源 **参考文献**（在“参考文献/”中）： * `google_scholar_search.md`：完整的 Google Scholar 搜索指南 * `pubmed_search.md`：PubMed 和电子实用程序 API 文档 * `metadata_extraction.md`：元数据来源及字段要求 * `itation_validation.md`：验证标准和质量检查 * `bibtex_formatting.md`：BibTeX 条目类型和格式规则 **脚本**（在`scripts/`中）： * `search_google_scholar.py`：Google 学术搜索自动化 * `search_pubmed.py`：PubMed 电子实用程序 API 客户端 * `extract_metadata.py`：通用元数据提取器 * `validate_itations.py`：引文验证和验证 * `format_bibtex.py`：BibTeX 格式化程序和清理程序 * `doi_to_bibtex.py`：快速 DOI 到 BibTeX 转换器 **资产**（在“资产/”中）： * `bibtex_template.bib`：所有类型的 BibTeX 条目示例 * `itation_checklist.md`：质量保证清单 ### 外部资源 **搜索引擎**： * 谷歌学术： * PubMed： * PubMed 高级检索： **元数据API**： * CrossRef API： * PubMed 电子实用程序： * arXiv API： * DataCite API： **工具和验证器**： * MeSH 浏览器： * DOI 解析器： * BibTeX 格式： **引文样式**： * BibTeX 文档： * LaTeX 参考书目管理： ## 依赖关系 ### 所需的 Python 包 # 核心依赖 pip install requests # API 的 HTTP 请求 pip install bibtexparser # BibTeX 解析和格式化 pip install biopython # PubMed 电子实用程序访问 # 可选（适用于谷歌学术） pip 安装学术 # Google Scholar API 包装器 # 或 pip install selenium # 更强大的学者抓取 ### 可选工具 # 用于高级验证 pip install crossref-commons # 增强 CrossRef API 访问 pip install pylatexenc # LaTeX 特殊字符处理 ## 总结引文管理技能提供： 1. **Google Scholar 和 PubMed 的全面搜索功能** 2. **从 DOI、PMID、arXiv ID、URL 中自动提取元数据** 3. **引文验证**，包括 DOI 验证和完整性检查 4. **BibTeX 格式化** 使用标准化和清理工具 5. **通过验证和报告保证质量** 6. **与科学写作工作流程集成** 7. **可重复性** 通过记录的搜索和提取方法使用此技能可以在整个研究过程中保持准确、完整的引用，并确保可供出版的参考书目。

引文管理

包含技能