学术文献合规下载器
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/yuan1z0825-nature-skills-nature-downloader。
技能介绍
要解决什么问题
在科研与情报工作中,同一篇论文可能分散在 DOI 落地页、机构数据库、OA 仓储与出版社 API 里;中文文献还常集中在知网。若只靠手动点链、混用格式(把 CAJ 或登录页当 PDF 保存),既难审计来源,也容易误判「没权限」。本技能面向已确认的论文清单,用可复现的路由与清单(manifest)把下载过程拆开:先问清是否要 Supporting Information(--si / --no-si),再按语种与出版社选路,最后校验交付物是不是真正的 PDF 或数据库原生格式。
技能如何工作
编排入口是 scripts/batch_download.mjs;学校/图书馆发现页、出版社凭据、元数据解析、各 provider 下载与内容校验分模块协作。英文文献会先做 DOI/标题规范化并识别出版社:Elsevier、Springer Nature、IEEE 在已配置 API 时优先走出版社 API,失败再自动查 PMC、Unpaywall、arXiv 等合法 OA;其它英文出版社通常先 OA,再走机构 Web Access。中文文献固定走 CNKI,复用用户 Chrome 里已有的图书馆/知网登录态,可配置 discovery.cnki_url,不导出 Cookie、不收集机构密码。
机构访问强调 browser-state:代理或自动化若打开的是空白配置,不应把失败当成「图书馆没订」。Web Access 需与用户在地址栏实际使用的资源 URL 对齐,从 service= 回调推断身份服务与资源门户,而不是猜测校名预设。API 无全文权益时会保留失败记录,并在 API 与 OA 都失败后,才一次性询问是否仅用 Web Access(api_fallback_confirmation_required)。
边界与注意点
- 仅使用用户合法的机构权限与开放获取来源,不绕过付费墙、DRM 或二次验证。
- 用户只要 PDF 时,必须拿到真实
%PDF或 PDF 链;否则报告no_authorized_pdf_found/pdf_fetch_failed,不把 HTML/CAJ/登录页伪装成 PDF。 - 可见滑块、复选框类验证可在已登录会话里做有限次自动尝试;需要短信、OTP、硬件密钥或图像验证时再交给用户,且不要求把口令贴进对话。
- 批量下载应对清单 pacing,并留下「从何下载、是否含 SI」的审计痕迹,避免无界抓取。
使用场景
- 课题组拿到一批 DOI,需要先统一问清是否要 SI,再按 Elsevier/Springer/IEEE API 或 OA 顺序批量落盘 PDF。
- 图书馆员帮用户配置机构发现页 URL,从实际资源门户推断 CAS/EZproxy 后再走 Web Access 下载英文期刊。
- 情报分析员只处理中文题录,需在已登录 Chrome 的知网会话里下载 CAJ/PDF,且不接受把 HTML 登录页当成全文。
- API key 已配置但出版社返回无全文权益时,要先自动试 OA,再一次性确认是否仅使用机构浏览器通道。
适合人员
- 高校科研秘书:每周整理课题参考文献清单,需要可审计 manifest 并区分正文与 Supporting Information。
- 有机构数据库权限的研究生:在本人已登录的 Chrome 中通过 CDP 复用会话,批量抓取 Springer/Elsevier 全文 PDF。
- 科技情报馆员:帮读者从机构资源入口 URL wizard 化配置 discovery,避免写死校名域名猜错授权链。
- 维护出版社开发者账号的研究员:懒加载配置 Elsevier/Springer/IEEE API,API 失败时仍要合法 OA 与机构路作为后备。