用途:抓取 bioRxiv 或 medRxiv 在给定日期窗口内发布的预印本,规范化记录后按关键词在客户端过滤,适合做每周文献摘要或主题追踪。
主要能力:调用公开端点 https://api.biorxiv.org/details/{server}/{from}/{to}/{cursor},从 cursor=0 开始按固定页大小 100 分页,直到 cursor + count >= total;将记录规范化为 id、title、authors、abstract、date、server、version、category、url、published_doi 等字段;按 DOI 保留最高版本去重;对 title + abstract 小写后做关键词过滤,多词短语按连续子串匹配,单词按词边界匹配,多个关键词之间为 OR;返回匹配记录及 fetched_total、matched_total、pages_fetched、fetch_errors 等汇总。
使用方式:必填 server(biorxiv 或 medrxiv)、from、to(YYYY-MM-DD,含端点,to ≥ from)、keywords 列表。窗口超过 31 天会标记并需确认。分页上限 20 页(2000 条),触顶时提示窗口可能过宽。WebFetch 返回异常 JSON 或 5xx 时退避 2 秒重试一次,再失败则返回部分结果并列出失败 cursor。原始 JSON 可缓存到 .cache/{YYYY-WW}-{server}.json。
适用场景:单服务器单窗口的每周摘要;按周多次调用做多周补抓;已知 DOI 的预印本跟进应改用 https://api.biorxiv.org/details/{server}/{doi} 直接抓取。
限制:API 不支持服务端关键词过滤,URL 参数会被静默忽略;部分记录 abstract 为空,只能按标题匹配并需标记;本技能不做跨服务器去重;DOI 保持原样不转换;抓取失败与过滤后为零需区分,不可在抓取错误时声称无论文。API 无鉴权,建议约 1 请求/秒。