download-fulltext-pdf

# 下载文献全文 PDF ## 目标 当用户明确要求"下载文献全文"或"获取论文PDF"时使用。通过 DOI 号下载学术论文全文 PDF，支持 arXiv、Sci-Hub、Unpaywall、期刊官网等多源策略。⚠️ 不适用：用户只是想解析或处理已有的 PDF 文件（应使用 pdf skill）、只是想搜索论文信息而无需下载全文、没有提供 DOI/标题/BibTeX 任何标识符。 ## 流程 ### 输入 输入至少包含 DOI、标题或 BibTeX 之一，并指定输出目录/文件路径；可选输入包括来源开关、Unpaywall 邮箱、验证阈值和覆盖策略。输出路径必须存在或可创建且可写，触发边界以本 Skill 的 `## 目标` 为准。 ### 执行步骤 #### 核心工作流 ##### 1. 输入验证与��范化 **必需参数**： - `doi`: DOI 号（如 `10.1038/nature09492`） - `output_path`: 输出目录或完整 PDF 文件路径 **可选参数**： - `title`: 论文标题（作为 DOI 的备选） - `bibtex`: BibTeX 条目（包含 DOI 或标题信息） **验证逻辑**： ```python # 由 scripts/validate_input.py 处理 - DOI 格式规范化（移除多余空格、补全前缀） - 输出路径检查（目录存在性、写入权限） - 至少提供一种标识符（DOI/title/bibtex） ``` ##### 2. 多源下载策略 **优先级顺序**（按成功率和速度排序）： | 优先级 | 数据源 | 优势 | 局限 | 触发条件 | |--------|--------|------|------|----------| | **1** | arXiv | 稳定可靠 | 仅限预印本论文 | 检测到 arXiv ID（如 `10.48550/arXiv.*`） | | **2** | Sci-Hub | 覆盖较广、速度快 | 可能有 CAPTCHA | 非 arXiv 或 arXiv 失败 | | **3** | Unpaywall | 合法开放获取（OA） | 取决于论文是否 OA | Sci-Hub 失败时兜底 | | **4** | 期刊官网 | 合法渠道 | 常需订阅/登录 | 最后兜底 | **策略执行**： ```python # 由 scripts/download_pdf.py 实现 1. 如 DOI 可解析出 arXiv ID → 优先 arXiv 2. 尝试 Sci-Hub（通过 scihub 库） 3. 尝试 Unpaywall（合法 OA 获取） 4. 尝试 DOI 落地页并猜测常见 PDF 路径（期刊官网兜底） ``` ##### 3. 下载后验证 **必需检查**（由 `scripts/verify_pdf.py` 处理）： - [ ] 文件大小 > 0 且非 HTML 页面 - [ ] PDF 文件头正确（`%PDF-`） - [ ] 文件可被 PyPDF2 解析 **失败处理**： - 验证失败 → 记录错误 → 尝试下一个数据源 - 所有源失败 → 返回详细错误报告 ##### 4. 输出格式 **成功时**： ```markdown ✅ 成功下载论文全文 **来源**: Sci-Hub **DOI**: 10.1038/nature09492 **文件**: /path/to/paper.p...