bioRxiv 数据库

要解决什么问题

bioRxiv 上的预印本更新快、体量大，官网检索往往难以按日期区间、主题分类和作者做组合筛选，也不方便把结果直接接到 Python 分析或引用管理流程里。做文献综述、追踪某位作者、或拉一段时间内的发表趋势时，你需要可脚本化的搜索、结构化元数据，以及按需下载 PDF。

技能如何工作

本技能围绕 BioRxivSearcher 与命令行工具，对接 bioRxiv 的公开 API，主要能力包括：

• 关键词搜索：默认在标题与摘要中匹配，可用 --search-fields 指定字段；配合 --category 按 bioRxiv 主题（如 neuroscience、genomics）过滤。
• 作者与日期：按作者名检索，或限定 from/to 日期；也支持按「最近 N 天」这类快捷区间。
• DOI 详情：输入 DOI 或完整 DOI URL，拉取单篇预印本的完整元数据（标题、摘要、DOI、版本、引用相关字段等）。
• PDF 下载：对已知 DOI 下载全文 PDF；批量场景可从搜索结果的 JSON 里提取 DOI 再逐个下载。

搜索与查询结果统一为结构化 JSON（含 result_count 等），便于缓存、二次筛选或接入下游流水线；脚本内置约 0.5 秒请求间隔以减轻对 API 的压力。

适用边界与注意点

• 预印本可能有多版本，响应里的 version 与 PDF URL 中的版本号应对齐，做长期追踪时建议显式记录版本。
• 空结果可能是日期范围过窄、分类与关键词组合过严，或网络/API 异常；可用 --verbose 看请求细节，并检查 JSON 中的 result_count。
• 长时间段的大范围关键词检索更慢、数据量更大；实践上宜缩小日期范围、优先加 category，必要时把时间段拆成多次查询并本地缓存 JSON，避免重复打 API。