用途:本指南帮助科研人员从大学机构仓储库(IR)与学科仓储库(如 arXiv、bioRxiv、SSRN、RePEc)大规模发现、访问并系统化采集开放获取文献,适用于文献综述、元分析和研究数据收集。
主要能力:介绍仓储库类型与聚合器(BASE、CORE、OpenAIRE);说明用 OpenDOAR 按学科或国家检索机构仓储库;讲解通过 OAI-PMH 协议采集元数据,包括 Identify、ListSets、ListMetadataFormats、ListIdentifiers、ListRecords、GetRecord 等动词;概述 DSpace、EPrints、Fedora/Islandora 等平台的 OAI-PMH 端点与 REST API。
使用方式:先确定目标仓储库并用 OpenDOAR 检索,测试端点,增量采集(利用 from 参数、记录上次采集日期、通常限速每秒 1 次请求),按 DOI 去重或标题作者模糊匹配,最后以 JSON、SQLite、CSV 等结构化格式存储并建立本地检索索引。文档给出了 OpenDOAR 检索与 OAI-PMH 采集的 Python 代码示例。
限制与伦理:须遵守 robots.txt 与各仓储库速率限制;元数据采集通常允许,但批量全文下载可能需授权;采集前应查看使用条款,仅用于研究而非商业再分发,发表时注明来源仓储库,大规模项目建议联系管理员。具体收费、平台支持范围等资料暂未提供。