|
|
发表于 2026-10-3 04:04:18
|
显示全部楼层
三个子问题其实共用同一条链路,我按代码把线索串起来。以下行号基于本机 Hongdou.app(1.2.5)的 omni.ja,已提取到 .analysis/hongdou/;注意论坛现在是 1.3.0,这几个文件版本间可能有出入,但需要复查的就是它们。
三个子问题在代码里的落点
flowchart TD
P["1.1 导入PDF"] --> R[recognizeDocument.js\n_recognizePDF]
R --> Pv["_recognizeWithProviders\n青提110 > 万方100 > CNKI90"]
Pv --> C1[cnkiProvider.recognize]
O["1.2 在线检索"] --> C2["cnki/search.js\nsearch()"]
C1 --> C2
C2 --> HTML["_getExportList\n解析结果页DOM"]
HTML --> EXP[" OST /dm8/FileToText\nDisplayMode=NoteExpress"]
EXP --> PA["cnki/parser.js\nparseExportData(NE格式)"]
CL["1.3 剪贴板导入"] --> FI["fileInterface.js\nimportFromClipboard"]
FI --> TR["Zotero.Translate.Import\ngetTranslators() 探测"]
TR --> B["BibTeX.js"]
TR --> RW["RefWorks Tagged.js"]
TR --> NE["没有 NoteExpress translator → 报错"]
1.1 PDF 导入 → 只留独立附件
入口 recognizeDocument.js:413 _recognizePDF。文件名是中文,_extractTitleFromFileName(:640)会从 重症肺炎免疫演化的时序规律与精准干预启示.pdf 提出标题,_isValidTitle 通过 → 本地元数据有效。所以"读不出元信息"不是提取失败,而是后续检索没匹配上。
之后走 _recognizeWithProviders(:1030),按优先级依次试 青提(110) → 万方(100) → CNKI(90)(recognizer/providers/*.js)。三个都返回 null,才会退到上传服务器识别;再失败就 throw Zotero.Exception.Alert("recognizePDF.noMatches")(:276),附件保持独立。
关键:CNKI provider 判定成功的条件很严:
if (!cnkiDetail || !cnkiDetail.title || !cnkiDetail.authors || cnkiDetail.authors.length === 0)
return null; // cnkiProvider.js recognize()
也就是说,只要 CNKI 那条 NE 导出里标题对上了但作者字段没解析出来,就宁可判定"没识别",也不会建条目。这解释了"内容明明存在、却作为独立附件存在"。
上报也弱:失败只有 Zotero.debug,没把原因(未登录/超时/解析空)回传到界面,所以用户看到的是"就是没反应"。
1.2 在线检索搜不到
同一套 CNKI 搜索(provider 也复用它)。可核查的具体缺陷:
检索字段被写死为"主题(SU)" —— cnki/search.js:82 _buildRequestData 里:
Items: [{ Field: "SU", Value: queryText, Operator: "TOPRANK", Logic: 0 }]
而 cnki/config.js 里定义的"检索字段"列表(全部/主题/题名/第一作者/作者/作者单位/关键词/摘要/DOI)根本没被用上。用户切"篇名/作者"等字段,实际请求仍是主题检索;如果 UI 只是把 题名: 前缀塞进 query,那 Value 会变成 题名:重症肺炎… 被当普通词去搜 → 0 结果。只有 query 里出现 小写字母+%或= 才走专业检索(_isZjReg,:67)。
结果页 DOM 选择器非常脆 —— _getExportList(:798)依赖 a.fz14/a.fz14-w、td.seq input.cbItem、.pagerTitleCell em;开头还有一句 if (!doc.querySelector('a.fz14, a.fz14-w')) return {articles:[], totalCount:0}。CNKI 一改类名或页面结构,这里静默返回 0,表现得就是"搜不到",且随机性很强——契合用户说的"零星几篇、没规律"。
索引错位 bug:_getExportList 用 textData.split('\r\n\r\n').filter(非空) 得到记录数组,再拿 resultMetadata 去对齐 exportId/详情URL。一旦导出文本中间有空块被 filter 掉,i 就整体错位,会把 A 的标题配到 B 的链接/元数据上 —— 这也会造成"字段解析有错误"。
30s 超时会吞掉慢查询:引擎注册处 searchMultiple 用 options.timeout || 30000(index.js:1541),CNKI 一次检索要串两次请求(结果页 + NE 导出)+ Cookie/登录校验,慢一点就被 as-allSettled 判失败,前端显示"未找到"。
强依赖登录 Cookie:_withCookieRetry / _checkVerify / _responseRequiresLogin(search.js:326/576/358),未登录或 IP 被限流都会抛错,被上层 catch 成"无结果"。
1.3 剪贴板导入(BibTeX 可用 / NoteExpress 报错 / RefWorks 解析错)
剪贴板入口是 fileInterface.js:519 importFromClipboard → Zotero.Translate.Import → getTranslators() 按各 translator 的 detectImport 正则探测。
NoteExpress 格式报错的根因:整个 translators/ 里没有任何 NoteExpress 导入 translator(我全量扫过,只有 RefWorks Tagged.js 的文档字符串里出现过 "Reference Type",那不是导入逻辑)。所以 NE 那种
{Reference Type}: Journal Article
{Title-题名}: …
{Author-作者}: …
的文本,translators.length === 0,_finishImport 直接弹 fileInterface.unsupportedFormat(就是截图里那个报错)。但系统里其实已有能解析它的代码:cnki/parser.js 的 parseExportData/_parseExportFields 正是按 {字段}: 值 解析 NE 格式(在线检索的 DisplayMode:'NoteExpress' 导出就是靠它)。结论:这是"有能力但没接上"的遗漏,加一个 NoteExpress import translator(复用该 parser)即可。
BibTeX 缺摘要:CNKI 的 BibTeX 导出本身就不含 abstract,BibTeX translator 无从生成,属数据源限制而非解析 bug;合理修法是导入后用标题/DOI 回查 CNKI/Crossref 补全摘要。
RefWorks 字段解析错:用的是标准 RefWorks Tagged.js,其行格式正则 RW_format = /^([A-Z][A-Z0-9]) (? .*))?$/(:713)只认 2 字符 tag。CNKI 的 RefWorks 导出里若出现 3–4 字符 tag(如 PMID/PMCID)或换行/续行方式与欧美库不同,这些行不会匹配,会被 getLine() 当作上一字段的续行拼进去 → 字段错位。detectImport(:28)还要求前 150 个非空行内出现 ^RT ,头部稍有差异也会影响探测。建议拿用户那条 RefWorks 原文 + Zotero.debug 的翻译日志复现确认。
建议的最小修复方向
在线检索:让 _buildRequestData 真正消费 config.js 的检索字段(把"题名/作者/摘要/DOI"映射到 CNKI 的 Field 代码,如 TI/AU/AB/DOI),而不是恒用 SU;专业检索判定与字段选择统一。
解析健壮性:_getExportList 不因单个选择器缺失就整体返回 0,缺 authors 不应让 cnkiProvider 直接判负;去掉 filter 造成的索引错位(保留占位再过滤,或直接按 exportId 映射)。
补 NE 剪贴板导入:新增 NoteExpress translator(detectImport 匹配 ^\{Reference Type\}:),import 实现复用 Zotero.CNKI.Parser.parseExportData。
可观测性:provider/搜索失败时把原因(未登录、超时、0 结果、字段解析空)写入识别错误提示,而不是只 Zotero.debug,这样"零星案例"才可复现定位。
RefWorks:放宽 tag 正则以支持 3–4 字符 tag,或为 CNKI RefWorks 变体单独处理。 |
|