pdfget 0.1.0

智能文献搜索与批量下载工具，支持高级检索和并发下载

PDFGet - 高效文献下载工具

智能文献搜索与批量下载工具，支持高级检索和并发下载。

1. 项目概述

PDFGet是一个专为科研工作者设计的智能文献搜索与批量下载工具，集成了Europe PMC等权威学术数据库，提供高效的文献获取和管理功能。

1.1 主要特性

• 🔍 高级搜索：支持布尔运算符、字段检索、短语检索
• 🚀 并发下载：多线程并行下载，3-5倍速度提升
• 📊 丰富元数据：包含作者、单位、期刊、摘要、引用等完整信息
• 💾 智能缓存：24小时缓存，避免重复下载
• 📄 批量处理：支持CSV/TXT文件批量下载

2. 安装与配置

2.1 系统要求

详细的系统要求和依赖信息请查看 pyproject.toml 文件。

2.2 安装方法

# 使用pip安装
pip install pdfget

# 使用uv安装
uv add pdfget

# 或从源码安装
git clone https://github.com/gqy20/pdfget.git
cd pdfget
pip install -e .

2.3 快速开始

安装完成后，您可以直接使用 pdfget 命令：

# 搜索文献
pdfget -s "machine learning" -l 20

# 搜索并下载
pdfget -s "cancer immunotherapy" -d

# 并发下载（5线程）
pdfget -s "deep learning" -l 50 -d -t 5

# 单篇文献下载
pdfget --doi 10.1016/j.cell.2020.01.021

# 批量下载
pdfget -i dois.csv -d -t 3

如果您使用 uv 作为包管理器，也可以：

# 使用uv运行
uv run pdfget -s "machine learning" -l 20

3. 高级检索语法

3.1 布尔运算符

# AND: 同时包含多个关键词
pdfget -s "cancer AND immunotherapy" -l 30

# OR: 包含任意关键词
pdfget -s "machine OR deep learning" -l 20

# NOT: 排除特定词汇
pdfget -s "cancer AND immunotherapy NOT review" -l 30

# 复杂组合
pdfget -s "(cancer OR tumor) AND immunotherapy NOT mice" -l 25

3.2 字段检索

# 标题检索
pdfget -s 'title:"deep learning"' -l 15

# 作者检索
pdfget -s 'author:hinton AND title:"neural networks"' -l 10

# 期刊检索
pdfget -s 'journal:nature AND cancer' -l 20

# 年份检索
pdfget -s 'cancer AND year:2023' -l 15

3.3 短语和精确匹配

# 短语检索（用双引号）
pdfget -s '"quantum computing"' -l 10

# 混合使用
pdfget -s '"gene expression" AND (cancer OR tumor) NOT review' -l 20

3.4 实用检索技巧

• 使用括号分组复杂的布尔逻辑
• 短语用双引号确保精确匹配
• 可以组合多个字段进行精确检索
• 使用 NOT 过滤掉不相关的结果（如综述、评论等）

4. 性能优势

4.1 并发下载效率对比

文献数量	单线程耗时	并发耗时	性能提升
5篇	~25秒	~8秒	3x
20篇	~100秒	~25秒	4x
50篇	~250秒	~60秒	4x

5. 命令行参数详解

5.1 核心参数

• -s QUERY : 搜索文献
• --doi DOI : 下载单个文献
• -i FILE : 批量输入文件
• -d : 下载PDF

5.2 优化参数

• -l NUM : 搜索结果数量（默认50）
• -t NUM : 并发线程数（默认3）
• -v : 详细输出

6. 输出格式与文件结构

6.1 搜索结果格式

{
  "query": "关键词",
  "total": 10,
  "results": [
    {
      "title": "文献标题",
      "authors": ["作者1", "作者2"],
      "journal": "期刊名称",
      "year": "2025",
      "doi": "10.1016/xxx",
      "affiliation": "作者单位",
      "citedBy": 0,
      "keywords": ["关键词1", "关键词2"]
    }
  ]
}

6.2 文件目录结构

data/
├── pdfs/           # 下载的PDF文件
├── cache/          # 缓存文件
└── download_results.json  # 下载结果记录

7. 许可证

本项目采用 MIT License，允许自由使用和修改。

📚 更新日志

📋 查看版本更新历史

• 🔗 完整更新日志: CHANGELOG.md
• ✨ 最新版本 (v0.1.0): 高级文献搜索 + 并发下载 + 智能缓存

🔗 相关链接

• 项目源码: GitHub Repository
• 问题反馈: GitHub Issues