/translators_CN

Zotero translator中文网页抓取插件

Primary LanguageJavaScript

Zotero translators 中文维护小组

目前 Zotero 中有许多抓取中文学术网站的插件,这些插件有些已经非常老旧,缺少及时的维护。希望能在这里召集一些志同道合的朋友,共同维护中文学术或其他类型网站的抓取插件。 如果 Github 下载速度慢,可以试试 Gitee

🎯 目标网站

  • 知网或知网海外 -> CNKI.js Update: 20210129
    • 搜索页面PDF附件下载
    • 期刊详细页面的信息收集
    • 文章格式都为PDF,学位论文的CAJ链接已经替换为PDF,注意学位论文的PDF应该是没有目录信息的。如何设置拆分姓名,保留CAJ格式
    • 修改旧版本将知网导出refworksCN字段保存为期刊条目中的 call number,修改后CN字段不保留
    • 修改了拉取知网refworks格式引文的网址,新网址提供的摘要字数最多为500字
    • 知网海外版PDF和CAJ附件下载支持
    • 支持文献类型:期刊,学位论文,会议论文,报纸,修改知网refworks会议论文类型错误的问题
    • 保存文献DOI,引用次数,中文核心期刊信息
    • 已同步到官方版本库中
  • 万方数据 -> [WanFang Data.js](./translators/WanFang\ Data.js) Update: 20200930
    • 抓取引文信息
    • 支持文献类型:期刊,学位论文,专利,会议论文
    • PDF附件下载
  • 维普 -> WeiPu.js
    • 抓取引文信息
    • 支持文献类型:期刊
    • PDF附件下载
  • 百度学术 -> Baidu Scholar.js
    • 修复抓取图书时错误
    • 修复中文作者姓,名问题
  • 谷粉学术-谷歌学术 -> GFSOSO.js
    • 修改了网页匹配,识别抓取代码抄自Google Scholar。从搜索结果页识别搜索结果,引文信息正常
    • 部分文献的PDF下载可能会有问题,谷粉搜搜上可能没有相应的下载链接
    • 安装Adblock插件的朋友请注意下将谷粉学术*.glgoo.top添加到白名单,不然可能会出现问题
  • 专利搜索网站Soopat -> Snnopat.js
    • 搜索页面和单个专利页面信息抓取
    • PDF附件下载(需要登录,网站验证码可能会导致PDF下载失败)
  • 国家图书馆文津搜索 -> Wenjin.js
    • 抓取引文信息
    • 支持文献类型:图书,论文
  • ProQuest 学位论文全文检索平台 -> ProQuestCN Thesis.js
    • 抓取引文信息
    • 支持文献类型:学位论文
    • PDF附件下载(需要账号或者IP具有下载权限)
  • 专利之星 -> PatentStar.js
    • 抓取专利引文信息
    • PDF附件下载(需要注册账号)
  • 微信公众号 -> Weixin.js
    • 抓取网页引文信息
    • 公众号内容保存为笔记形式(仅保留文本)
  • 知乎 -> Zhihu.js
    • 抓取知乎回答与专栏
    • 文章内容保存于笔记中
  • 读秀 -> Duxiu.js
    • 读秀内容抓取
  • 豆瓣 -> DouBan.js
    • 保留豆瓣评价人数+豆瓣评分+原作名+定价
    • 作者优化:欧美作者区分开了名与姓(在这里吐槽下豆瓣编辑对作者的命名规范,尤其是外籍作者的命名规范真是各路牛鬼蛇神)
    • 摘要信息:作者简介 + 内容简介
    • 目录信息:目录存放至note附件里
    • 详细截图
  • 来自道格学社仓库的翻译器

📢 如何使用

👉 无聊的视频教程 图文教程 👇 1 下载网页翻译器(web translator)文件

2 解压下载的压缩包,找到translators目录,将目录中的文件复制到 Zotero 的 translators 目录


3 更新 translator 信息,Firefox 和 Chrome 浏览器操作类似。下面以 Firefox 为例

Chrome 浏览器按照下面信息找到更新按钮

更新时请多点几下,根据我的经验,Chrome 浏览器更新比较快,Firefox 会比较慢,也可多重启几次 Zotero 或浏览器

最新版的知网翻译器,能够识别VPN之后的知网,不必做额外的设置,如有问题可提交 issue

🍇 如何在Zotero Connector 中添加中文姓名处理以及保留知网CAJ格式文件的设置

需要特别注意的是,这里在 Zotero Connector 中添加的参数,只是方便控制的网页翻译器的数据抓取行为,限本页面列出的一些翻译器中起作用,并不影响其他翻译器和Zotero的其他功能。 添加的参数有:

  • translators.zhnamesplit,默认为true,抓取过程会拆分姓和名,如果想全并姓名,请设置为false
  • translators.CNKIPDF,默认为true,下载知网上文章的PDF文件,如果想要下载学位论文的CAJ格式,请设置为false

设置方法请参考下面:

为防止设置错误,可以把参数名复制过去。设置完成后,请刷新网页,再重新抓取。如果你参数名写错了也没事,不会有什么问题,放着就好。

📄 相关材料

在开始创建前,浏览下面这些材料可以帮你了解一些创建 translator 的基本知识和开发的工具。

🦸 其他热心参与者

@wanyzh
@smilevent
@Lemmingh
@Captain2021 (啊哈船长)
道格学社及学员Felix018

🎈问题交流

如果有问题的,可以加QQ群 913637964,一起交流。