Jay's Blog

需求：根据中文pdf，自动抓取条目信息

实现：

官网下载xpi，打开附加组件，文件拖拽到组件页面安装即可

右键pdf即可抓取中文文献条目信息：

实现功能

Zotero右键条目实现自动下载pdf

设置Sci-Hub作为PDF解析器

打开Zotero的首选项，进入Advanced-->Config Editor

搜索extensions.zotero.findPDFs.resolvers

双击extensions.zotero.findPDFs.resolvers，默认情况下是只有一对 []。

删除[]，并将以下代码粘贴进去。^[1]

• 研究人员向期刊或者会议投稿，交注册费和相应的审稿费等相关费用^[1]；

• 会议组织者和期刊联系出版社，交出版费用；

• 出版社将论文更新到自己的数据库中，然后将数据库卖给全世界各大高校或企业；

• 其他开源数据库抓取出版社数据库的论文题目、摘要、参考文献等信息。

1、会议组织者：一般由某个学校、组织，为了学术/利益举办会议，负责征集科研工作者的论文并决定是否录用，然后联系出版社进行出版发表，因此要征收科研工作者相应的费用，同时需要向出版社交相应的出版费用。

2、期刊：期刊论文是科研工作者针对某学术期刊投稿，审稿专家审稿并返回修改意见，最终由期刊编辑部决定是否录用。

3、出版社：一般具有一定声望，像IEEE、Springer、ACM，它们旗下有一些会议、期刊，向会议期刊收取出版费，拿取版权，扩充自己的数据库，向其他企业、高校出售来盈利。其实有的出版社即组织学术会议，也出版学术期刊，比如IEEE。

1、下载并启用插件 2、写相应代码块^[1]

• list：展现形式。创建列表，还有 table、task 可以选择
• from：检索范围。从哪个文件夹（写在双引号里面），或者标签（写在#后面）
• where：
• 聚合条件。contains(file.name,"Dataview") 就是匹配文件名为 “Dataview” 的文件
• sort：排序，根据什么做排序。 sort file.ctime 就是根据文件的创建时间正序

介绍

皮尔森相关系数

皮尔森相关系数也称皮尔森积矩相关系数(Pearson product-moment correlation coefficient) ，是一种线性相关系数，是最常用的一种相关系数。记为r，用来反映变量X和变量Y的线性相关程度，r 值介于-1到1之间，绝对值越大表明相关性越强。^[1]

适用连续变量。

相关系数 与相关程度一般划分为 - 0.8 - 1.0 极强相关 - 0.6 - 0.8 强相关 - 0.4 - 0.6 中等程度相关 - 0.2 - 0.4 弱相关 - 0.0 - 0.2 极弱相关或无相关

原假设：两者不存在相关性 P值小，即我们观察的样本（不存在相关性）发生的概率小，存在相关性的概率大，如果原假设成立即不存在相关性，那么我们这个样本就很极端很显著。

相关系数绝对值越大，越相关，P值越小越相关。

带yield的函数是一个生成器（generator），而不是一个函数了，这个生成器有一个函数就是next函数，next就相当于“下一步”生成哪个数，这一次的next开始的地方是接着上一次的next停止的地方执行的。^[1]

先把yield看做“return”，在程序中返回某个值，返回之后程序就不再往下运行了。

程序执行遇到yield关键字，yield返回后面的值之后，程序暂停，直到再次调用next方法或send方法。

array

Numpy的数据结构是n维的数组对象，叫做ndarray。 NumPy数组一般是同质的（但有一种特殊的数组类型例外，它是异质的），即数组中的所有元素类型必须是一致的。^[1]

优点：

• 内存块风格：ndarray中的所有元素的类型都是相同的，存储元素时内存可以连续，在科学计算中，Numpy的ndarray就可以省掉很多循环语句，代码使用方面比Python原生list简单的多。
• ndarray支持并行化运算（向量化运算）
• Numpy底层使用C语言编写，内部解除了GIL（全局解释器锁），其对数组的操作速度不受Python解释器的限制，效率远高于纯Python代码。

保存矢量图

语法^[1]：

savefig(fname, dpi=None, facecolor=’w’, edgecolor=’w’, orientation=’portrait’, papertype=None, format=None, transparent=False, bbox_inches=None, pad_inches=0.1, frameon=None, metadata=None)

简单使用：

1
2

plt.savefig('C:\\Users\\Lenovo\\Pictures\\test03.svg', format='svg',dpi = 600,transparent=False,bbox_inches='tight')
plt.show()

• fname即 test03.svg，format='svg'，dpi = 600 为导出矢量图的三个参数
• transparent=False ：照片背景不要透明
• bbox_inches='tight' ：使未保存到图中的图例（或其他部分）包含进来，避免图片保存下来不全。bbox_inches的作用是调整图的bbox, 即bounding box(边界框)^[2]

起因：为了设置画布不透明效果

对象形式：^[1]

1
2
3
4
5
6
7
8
9
10
11
12
13
14

import matplotlib.pyplot as plt
fig = plt.figure()
fig.patch.set_facecolor('white')  # 设置画布白色不透明（坐标轴外），再画图
fig.patch.set_alpha(1)
ax = fig.add_subplot(111)  # 创建1*1的网格，并添加第一个网格
ax.patch.set_facecolor('white') # 设置白色不透明（坐标轴内）
ax.patch.set_alpha(1)

ax.plot(range(10))

# If we don't specify the edgecolor and facecolor for the figure when
# saving with savefig, it will override the value we set earlier!
fig.savefig('test01.png', facecolor=fig.get_facecolor(), edgecolor='none')  # 一定要加这俩个参数，否则保存后会被改掉参数
plt.show()

npm镜像：

淘宝：http://registry.npm.taobao.org

腾讯云：http://mirrors.cloud.tencent.com/npm/

华为云：https://mirrors.huaweicloud.com/repository/npm/