- name
- baidu-scholar-helper
- version
- 1.1.0
- author
- 史婉媱
- description
- 一键搜索学术论文,自动下载PDF,智能总结核心工作与创新点。支持百度学术+arXiv,按引用量排序,科研必备工具。
- tags
- highlights
- triggers
- when
- 用户需要检索论文、下载PDF、总结工作创新点、按引用量排序时
- how
- |
- limits
- 仅用于学术用途,不破解付费内容;arXiv API有速率限制;百度学术可能触发验证码;引用量数据来自本地数据库或需手动查询
- security
- externalProcesses
- purpose
- 提取PDF文本内容,用于识别论文模型图位置
- safe
- true
- reason
- 系统工具,只读取本地PDF文件,不执行任何危险操作
- purpose
- 从PDF中提取图片,用于识别模型架构图
- safe
- true
- reason
- 系统工具,只提取图片到临时目录,不执行任何危险操作
- fileOperations
- read
- write
- temp
- networkAccess
- purpose
- 搜索学术论文
- dataType
- 只读,获取搜索结果和论文元数据
- purpose
- 搜索arXiv论文
- dataType
- 只读,通过官方API获取论文信息
- purpose
- 下载论文PDF文件
- dataType
- 二进制文件下载
- guarantees
- dependencies
- python
- system
- permissions
- install
- pip
- system
- ubuntu
- debian
- macos
- fedora
- centos
百度学术助手 (Baidu Scholar Helper) V1.0.0
一键搜索学术论文,自动下载PDF,智能总结核心工作与创新点。
功能清单
百度学术
- ✅ 关键词搜索 + 年份筛选
- ✅ 按引用量排序(高引用在前)
- ✅ 每次显示5-10篇论文
- ✅ 自动提取核心工作
- ✅ 自动提取创新点
- ✅ 显示模型图(如有)
- ✅ 显示论文链接
- ✅ 自动下载PDF
arXiv
- ✅ 关键词搜索(官方API)
- ✅ 按相关度排序
- ✅ 自动提取核心工作
- ✅ 自动提取创新点
- ✅ 显示arXiv分类
- ✅ 显示论文链接
- ✅ 自动下载PDF
安装指南
1. 安装 Python 依赖
pip install requests beautifulsoup4 Pillow2. 安装系统依赖(用于提取PDF模型图)
Ubuntu/Debian:
sudo apt-get install -y poppler-utilsmacOS:
brew install popplerFedora/CentOS:
sudo dnf install -y poppler-utils
# 或
sudo yum install -y poppler-utils3. 验证安装
# 检查 poppler-utils 是否安装成功
which pdftotext pdfimagesPDF保存规则
保存位置
~/Desktop/papers/<论文方向>/每次搜索会自动创建以关键词命名的文件夹,方便分类管理。
命名格式
标题_年份_J.pdf # 期刊论文
标题_年份_C.pdf # 会议论文arXiv预印本也按此格式命名(根据分类自动判断J/C)。
使用方法
命令行
# 百度学术
python scripts/search.py baidu 大模型
python scripts/search.py baidu 人工智能 2024
# arXiv
python scripts/search.py arxiv transformer
python scripts/search.py arxiv "deep learning" 5对话方式
用户:百度学术搜索 大模型
AI:运行脚本,返回论文列表 + 核心工作 + 创新点 + PDF下载
用户:arXiv GPT 5
AI:搜索arXiv并下载前5篇论文输出示例
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📄 【1】引用量:⭐1523
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
📌 标题:Attention Is All You Need
👥 作者:Vaswani A, Shazeer N, Parmar N
📚 来源:NeurIPS 2017
🔗 链接:https://...
🧠 【核心工作】
本文提出了一种新的简单网络架构——Transformer,完全基于注意力机制,
彻底摒弃了循环和卷积。
💡 【创新点】
提出多头注意力机制,在机器翻译任务上取得了最优性能,同时训练速度大幅提升。
🖼️ 【模型图】
https://...
⬇️ 下载PDF...
✅ 已下载:Attention Is All You Need_2017_C.pdf脚本说明
| 脚本 | 说明 |
|---|---|
main.py | 百度学术搜索脚本 |
arxiv_search_v2.py | arXiv API搜索脚本 |
search.py | 统一入口脚本 |
extract_model_figure.py | PDF模型图提取脚本 |
注意事项
- 百度学术可能触发验证码拦截
- arXiv API有速率限制,脚本已内置重试机制
- 下载的PDF请用于学术研究,尊重版权
- 引用量数据来自百度学术,仅供参考
- 模型图提取功能需要安装
poppler-utils
系统要求
- Python 3.7+
- 网络连接(访问百度学术/arXiv)
- 磁盘空间(存储下载的PDF)