zhoujie
ea69788d0c
新增 scripts/http_utils.py 统一封装 HTTP 请求的限流重试(429/5xx 指数退避, 优先遵守服务端 Retry-After),search_arxiv/crossref/semantic_scholar.py 和 verify_citation.py 都已接入,不再各自裸调 urllib。 新增 scripts/search_openalex.py 作为第四个检索源:免费、无需 API key,覆盖面 比单独的 Crossref 更广,还能拿到开放获取PDF直链;已接入 literature_search.py 的主检索流程。verify_citation.py 的跨源标题核查同步改为同时查 Semantic Scholar 和 OpenAlex 两个独立源、任一命中相似度达标即通过,不再单点依赖 S2—— 这是针对"S2 被限流导致整批候选退化成 unverified"这个实际发生过的问题的直接 修复,已用真实网络请求验证:复测中 S2 确实当场返回了 429,靠 OpenAlex 兜底 最终判定仍然是 verified。 顺带修了 archive_references.py 的 slugify(),之前中文主题名会被正则全部 过滤掉、退化成通用的 "references",导致不同中文主题的归档目录互相冲突。 scripts/tests/ 下补了 37 个 unittest(全部 mock 网络请求,不发真实请求), 覆盖 verify_citation 的三档判定和双源核查合并逻辑、archive_references 的 bib 解析边界情况(嵌套花括号、中文主题名)、literature_search 的候选去重 合并与 BibTeX 生成、http_utils 的重试逻辑。用标准库 unittest 而不是 pytest, 和这些脚本本身不引入第三方依赖的原则保持一致。 CLAUDE.md 的下一步计划里,这一项已标记为完成。 Co-Authored-By: Claude Sonnet 5 <noreply@anthropic.com>
61 lines
1.9 KiB
Python
61 lines
1.9 KiB
Python
#!/usr/bin/env python3
|
|
"""
|
|
Search the Semantic Scholar Graph API. No API key required for light use;
|
|
set the S2_API_KEY environment variable for higher rate limits.
|
|
|
|
CLI usage:
|
|
python3 search_semantic_scholar.py "UAV magnetic compensation" --max 10
|
|
|
|
Importable:
|
|
from search_semantic_scholar import search_s2
|
|
"""
|
|
import sys
|
|
import os
|
|
import json
|
|
import argparse
|
|
import urllib.parse
|
|
|
|
sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
|
|
from http_utils import fetch
|
|
|
|
S2_API = "https://api.semanticscholar.org/graph/v1/paper/search"
|
|
FIELDS = "title,authors,year,venue,externalIds,abstract,citationCount"
|
|
|
|
|
|
def search_s2(query, max_results=10, timeout=20):
|
|
params = {"query": query, "limit": max_results, "fields": FIELDS}
|
|
url = f"{S2_API}?{urllib.parse.urlencode(params)}"
|
|
headers = {}
|
|
api_key = os.environ.get("S2_API_KEY")
|
|
if api_key:
|
|
headers["x-api-key"] = api_key
|
|
data = json.loads(fetch(url, headers=headers, timeout=timeout))
|
|
results = []
|
|
for p in data.get("data", []) or []:
|
|
ext = p.get("externalIds") or {}
|
|
results.append({
|
|
"source": "semantic_scholar",
|
|
"title": p.get("title"),
|
|
"authors": [a.get("name") for a in (p.get("authors") or [])],
|
|
"year": p.get("year"),
|
|
"venue": p.get("venue"),
|
|
"doi": ext.get("DOI"),
|
|
"arxiv_id": ext.get("ArXiv"),
|
|
"abstract": p.get("abstract"),
|
|
"citation_count": p.get("citationCount"),
|
|
})
|
|
return results
|
|
|
|
|
|
if __name__ == "__main__":
|
|
ap = argparse.ArgumentParser(description=__doc__)
|
|
ap.add_argument("query")
|
|
ap.add_argument("--max", type=int, default=10)
|
|
args = ap.parse_args()
|
|
try:
|
|
out = search_s2(args.query, args.max)
|
|
print(json.dumps(out, ensure_ascii=False, indent=2))
|
|
except Exception as e:
|
|
print(json.dumps({"error": str(e)}, ensure_ascii=False))
|
|
sys.exit(1)
|