metadata_extraction

# 元数据提取指南 关于使用各种 API 和服务从 DOI、PMID、arXiv ID 和 URL 中提取准确引文元数据的综合指南。 ## 概述 准确的元数据对于正确的引文至关重要。本指南涵盖： - 识别论文标识符 (DOI, PMID, arXiv ID) - 查询元数据 API (CrossRef, PubMed, arXiv, DataCite) - 按条目类型划分的必需 BibTeX 字段 - 处理边缘情况和特殊情况 - 验证提取的元数据 ## 论文标识符 ### DOI (数字对象标识符) **格式**：`10.XXXX/suffix` **示例**： 10.1038/s41586-021-03819-2 # Nature 文章 10.1126/science.aam9317 # Science 文章 10.1016/j.cell.2023.01.001 # Cell 文章 10.1371/journal.pone.0123456 # PLOS ONE 文章 **属性**： - 永久标识符 - 元数据最可靠 - 解析至当前位置 - 由出版商分配 **查找位置**： - 文章首页 - 文章网页 - CrossRef, Google Scholar, PubMed - 通常在出版商网站上显眼位置 ### PMID (PubMed ID) **格式**：8 位数字（通常） **示例**： 34265844 28445112 35476778 **属性**： - 特定于 PubMed 数据库 - 仅限生物医学文献 - 由 NCBI 分配 - 永久标识符 **查找位置**： - PubMed 搜索结果 - PubMed 上的文章页面 - 通常在文章 PDF 页脚中 - PMC (PubMed Central) 页面 ### PMCID (PubMed Central ID) **格式**：PMC 后跟数字 **示例**： PMC8287551 PMC7456789 **属性**： - PMC 中的免费全文文章 - PubMed 文章的子集 - 开放获取或作者手稿 ### arXiv ID **格式**：YYMM.NNNNN 或 archive/YYMMNNN **示例**： 2103.14030 # 新格式 (2007 年起) 2401.12345 # 2024 年提交 arXiv:hep-th/9901001 # 旧格式 **属性**： - 预印本（未经同行评审） - 物理、数学、计算机科学、定量生物学等 - 版本追踪 (v1, v2 等) - 免费、开放获取 **查找位置**： - arXiv.org - 通常在出版前被引用 - 论文 PDF 页眉 ### 其他标识符 **ISBN** (书籍)： 978-0-12-345678-9 0-123-45678-9 **arXiv 分类**： cs.LG # 计算机科学 - 机器学习 q-bio.QM # 定量生物学 - 定量方法 math.ST # 数学 - 统计学 ## 元数据 API ### CrossRef API **DOI 的主要来源** - 期刊文章最全面的元数据。 **基础 URL**：`https://api.crossref.org/works/` **无需 API 密钥**，但建议使用礼貌池