科研利器：如何用 ChatGPT 自动化插入文献到 Zotero（Python 实战）

1次阅读

共计 2411 个字符，预计需要花费 7 分钟才能阅读完成。

作为一名科研工作者，最头疼的事情之一就是手动整理文献。每次读完一篇论文，都要手动输入标题、作者、期刊、年份等信息到 Zotero 中，这个过程不仅耗时，还容易出错。特别是当需要处理大量文献时，手动录入的效率简直让人崩溃。

Zotero 本身提供了一些插件可以帮助导入文献，但这些插件往往需要特定的格式或来源，灵活性不足。相比之下，直接使用 Zotero API 可以更灵活地控制文献的导入过程，尤其是结合 ChatGPT 的智能识别能力，可以实现从任意文本中提取文献信息并自动导入到 Zotero。

首先，我们需要获取 Zotero API 的密钥。登录 Zotero 官网，进入设置 -> 生成新的 API 密钥。保存好这个密钥，我们后续的请求都会用到它。

Zotero API 的基本操作包括创建条目、更新条目、删除条目等。我们主要关注如何创建新的文献条目。

为了让 ChatGPT 能够准确地从文本中提取文献信息，我们需要设计一个合适的 prompt。例如：

 请从以下文本中提取文献信息，包括标题、作者、期刊、年份、DOI。输出格式为 JSON：{文本内容}

虽然 ChatGPT 可以很好地提取信息，但有时我们还需要用正则表达式对结果进行进一步的清洗和验证。例如，检查 DOI 是否符合标准格式，或者作者名是否包含了不必要的字符。

import requests

# Zotero API 配置
api_key = '你的 API 密钥'
user_id = '你的用户 ID'
base_url = f'https://api.zotero.org/users/{user_id}'
headers = {
    'Zotero-API-Key': api_key,
    'Content-Type': 'application/json'
}

# 创建新的文献条目
def create_item(item_data):
    url = f'{base_url}/items'
    response = requests.post(url, headers=headers, json=item_data)
    if response.status_code == 200:
        print('文献添加成功！')
    else:
        print(f'添加失败：{response.text}')

import openai

# ChatGPT 配置
openai.api_key = '你的 OpenAI API 密钥'

def extract_literature_info(text):
    prompt = f''' 请从以下文本中提取文献信息，包括标题、作者、期刊、年份、DOI。输出格式为 JSON：{text}'''
    response = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role": "user", "content": prompt}]
    )
    return response.choices[0].message.content

import json
import re

def clean_data(raw_data):
    try:
        data = json.loads(raw_data)
        # 清洗作者名
        if 'authors' in data:
            authors = data['authors']
            cleaned_authors = []
            for author in authors:
                # 去除不必要的字符
                author = re.sub(r'[^a-zA-Z,]', '', author)
                cleaned_authors.append(author)
            data['authors'] = cleaned_authors
        return data
    except json.JSONDecodeError:
        print('JSON 解析失败')
        return None

Zotero API 和 ChatGPT API 都有调用频率限制。Zotero 的免费账户每分钟最多 50 次请求，ChatGPT 的免费账户每分钟最多 3 次请求。因此，我们需要在代码中加入适当的延迟，避免触发限制。

为了避免重复处理相同的文献，我们可以设计一个简单的本地缓存机制。例如，将已经处理过的文献标题保存在一个文件中，每次处理新文献前先检查是否已经存在。

Zotero 的条目字段有其特定的命名规则。例如，期刊名称对应的字段是 publicationTitle，而不是 journal。务必参考 Zotero 的官方文档，确保字段映射正确。

文献信息中可能包含各种特殊字符，如引号、斜杠等。在将数据发送到 Zotero API 前，务必对这些字符进行转义处理。

不同来源的文献作者名格式可能不同。例如，有的可能是 “ 姓, 名 ”，有的可能是 “ 名姓 ”。我们需要统一处理，确保所有作者名都符合 Zotero 的格式要求。

这个方案还可以进一步扩展，例如：