No.02 新上线 零依赖 不联网

文献表清洗
去重 · 缺字段盘点

把几个数据库导出的 RIS / BibTeX 一起粘进来,它会认出哪些是同一条、合并成一条最完整的记录, 再把仍然缺卷期页的挑出来给你。输出是能直接贴进 Word 的 GB/T 7714 条目。

使用场景
01 综述写到第三稿,参考文献 137 条,肉眼可见有两个「Smith, 2019」
02 知网导一份、WoS 导一份、arXiv 再导一份,合起来全是重复
03 有几条缺卷期页,投稿系统不认,得一条条回去翻
目标:137 条文献 30 秒洗完
01 粘贴文献数据 等待粘贴…
Ctrl / ⌘ + Enter
等待粘贴…
02 清洗结果
粘贴数据后点「清洗」,这里会出现可以直接贴进 Word 的参考文献。
合并了哪些重复 0 组
还缺哪些字段 0 条

解析、比对、格式化全部在浏览器里完成,不发起任何一个网络请求。你的文献列表不出这台电脑。

Rule

怎么算「同一篇」

三条判据,从严到宽。前一条命中了就不看后一条。

01

DOI 相同就是同一篇

最硬的判据。只要两条都带 DOI,只看 DOI,标题写成什么样都不影响。

02

标题归一化后完全一致

去掉标点、空格、大小写之后再比。能吃掉「Deep-Learning: A Survey」和「deep learning a survey」这类差异。

03

相似度 ≥ 0.93 才兜底合并

跨库题名常有副标题、连字符的细微不同,靠精确匹配会漏。但阈值定得高,还得年份相差不超过 1 年。

为什么阈值卡这么高?

漏合并你能看见——两条几乎一样的条目并排躺着,你顺手删一条就完事。 误合并你看不见——两篇不同的文献被揉成一条,综述里就凭空少了一篇引文,送审前都不一定能发现。 两种错的代价不对等,所以这里一律选漏。

Troubleshoot

跑不通怎么办

按顺序试这三条,多数情况第一条就解决了。

01

提示「没认出任何记录」

这份工具只认 RIS(以 TY - 开头的纯文本)和 BibTeX(以 @article{ 开头)。如果你从网页上直接复制了表格,或者粘的是 EndNote 的 .enw 格式,先回到数据库里重新导出成 RIS 或 BibTeX。

02

明明是同一条,为什么没合并

大概率是年份差得太多(超过 1 年),或者题名差异大到相似度掉到 0.93 以下。你可以手工删掉一条——这里宁可漏合并,也不误合并。误合并会让综述里凭空少一篇引文,而且你看不出来。

03

两条不一样的文章被合成一条了

这是最需要报告的问题。把这两条的原始文本贴到留言板,我会把它做成测试用例,下一版就不会再犯。

边界写在这里

  • 不补全缺失字段。缺卷期页就标出来让你自己补。硬凑一个看起来对的页码,比缺着更危险。
  • 不做学术判断。作者顺序、题名大小写照原始数据来。两篇不同文献恰好题名相同(比如同名的 Editorial),会保守地都留着。
  • 排序按首次出现。不按年份、不按字母重排。你导出的顺序就是输出顺序,方便和原文件对账。
  • 中文库覆盖有限。知网大多数条目没有 DOI,只能靠标题比对。题名短于 12 个字的,还要求来源一致才合并。