SuperAPI AI 工具集

pdf-download

办公与效率

查看项目

更新于 10-15 19:55

技能介绍

用途:给定一份学术论文清单(标题、DOI、arXiv ID 等)和目标目录,批量下载论文源 PDF。适合为本地论文索引、PDF 提取或文献分析准备语料。

主要能力:分两阶段。快速路径用纯标准库直接抓取开放获取 PDF(arXiv、PMC 及 Semantic Scholar 的 openAccessPdf.url),每篇约 1 秒。浏览器路径针对付费墙出版商、Cloudflare 防护站点和 JS 跳转登录,通过 Playwright 启动 Chromium 并使用持久化用户配置,让用户在真实浏览器窗口完成机构 SSO 或出版商登录,会话跨运行保留。

使用方式:先确认输入清单路径或粘贴内容、输出目录(默认 ./pdfs/)以及浏览器路径预期。快速路径执行:python3 "$ASSETS/download-pdfs.py" "$INPUT" "$OUTPUT_DIR",生成 manifest.json。浏览器路径需先运行 uv run --with playwright playwright install chromium,再执行 uv run --with playwright python3 "$ASSETS/browser-download.py" "$OUTPUT_DIR" --manifest "$OUTPUT_DIR/manifest.json",可用 --channel chrome 改用本机 Chrome,--timeout 调整每篇超时(默认 10 分钟),--profile 指定配置目录。

标识解析:带前缀的 DOI:、ARXIV:、CorpusId:、PMID:、URL:,裸 arXiv ID、裸 DOI 走 asta papers get;其余走 asta papers search 取首条匹配。

限制:不通过 Sci-Hub 或自动绕过付费墙,付费下载需用户自行完成机构或出版商认证;无显示环境(如无 $DISPLAY 的 Linux)无法运行浏览器路径;持久化配置目录含登录 Cookie,不应提交到 git 或分享;标题歧义时建议改用 DOI 或 arXiv ID。