用途:该技能提供基于 Python 的工具,用于搜索和获取 bioRxiv 预印本,适合查找特定领域最新预印本、追踪某作者发表、做系统性文献综述、分析研究趋势、管理引用元数据、下载 PDF 及按学科分类过滤论文。
主要能力:支持关键词搜索(默认在标题和摘要中匹配,可用 --search-fields 限定字段)、作者搜索、日期范围搜索(可用 --days-back 快捷指定最近天数)、按 DOI 获取论文详情(接受完整 DOI URL)以及下载预印本全文 PDF。可按 bioRxiv 学科分类过滤,返回结构化 JSON,含 doi、标题、作者、通讯作者及机构、日期、版本、类型、许可、分类、摘要、PDF/HTML/JATS XML 链接等字段。
使用方式:命令行调用脚本,如 python scripts/biorxiv_search.py --keywords "CRISPR" "gene editing" --start-date 2024-01-01 --end-date 2024-12-31 --output results.json;也可指定 --category、--days-back、--limit、--verbose。下载 PDF 用 --download-pdf。更复杂流程可导入 BioRxivSearcher 类,调用 search_by_keywords、search_by_author、get_paper_details、download_pdf、format_result 等方法,并可将结果转为 DataFrame 做下游分析。测试需先 pip install requests,再运行 python tests/test_biorxiv_search.py。
限制:脚本内置请求间 0.5 秒延迟,大规模采集需自行增加延迟以遵守速率限制;日期范围越小返回越快;空结果可能由日期范围或 API 连接问题导致;使用 --category 可减少数据传输并提高精度;预印本可能有多版本,version 字段与 PDF 链接会体现版本号。官方资料未提供收费、价格或平台支持信息,暂未提供相关说明。