Citation Management

• 論文、学位論文、または文献レビューのために参考文献リストを作成・整理しており、DOI、PMID、またはarXiv IDをBibTeXエントリに一括変換する必要がある。
• Google ScholarやPubMedをプログラム的に検索する必要がある（日付範囲、出版タイプ、MeSH用語によるフィルタリングを含む）、そして検索結果をBibTeX形式で直接エクスポートしたい。
• 提出前に重複排除、フォーマットの標準化、およびDOI検証が必要な既存のBibTeXファイルがある。
• LaTeXベースの執筆ワークフローで作業しており、文献レビューや科学的執筆のスキルと統合できる、検証済みで一貫したフォーマットの参考文献が必要である。

• 必要な引用が1件だけで、ワークフローを設定するよりも出版社のサイトから手動で取得した方が早い場合。
• プロジェクトがBibTeXに基づかない引用スタイル（例：一部の人文科学ジャーナルにおける脚注のみの形式）を使用している場合 — このスキルはBibTeX出力を中心に構成されています。
• 全文取得やPDF管理が必要な場合；このスキルはメタデータと参考文献のみを扱い、ドキュメントの保存には対応していません。

search_google_scholar.py および search_pubmed.py を使用して、Google Scholar と PubMed をプログラム的に検索できます。高度な検索演算子、MeSH 用語、日付範囲フィルター、出版タイプフィルター、引用数による並べ替え、JSON または BibTeX へのエクスポートに対応しています。

extract_metadata.py を使用して、DOI、PMID、arXiv ID、または URL の任意の組み合わせを完全な引用メタデータに変換できます。対応ソースには、CrossRef（DOI）、PubMed E-utilities（生物医学）、arXiv API（プレプリント）、DataCite（データセットおよびソフトウェア）が含まれており、ほとんどの場合、APIキー不要で無料でご利用いただけます。

doi_to_bibtex.py を使用して、単一またはバッチでDOIを素早く変換できます。ファイルからDOIのリスト（1行に1つ）を受け取り、すぐに使える .bib ファイルを出力します。また、個々のエントリに対してクリップボードへのコピー機能もオプションで利用できます。

validate_citations.py は、doi.org および CrossRef を通じてDOIの解決を確認し、BibTeXエントリタイプごとに必須フィールドを検証し、重複を検出して構文を確認します。--auto-fix フラグを使用すると、一般的な問題を自動的に修正し、構造化されたJSON検証レポートを出力します。

format_bibtex.py は、フィールドの順序、インデント、著者名の形式、タイトルの大文字・小文字表記を標準化し、エントリをキー、年、または著者でソートし、重複エントリを削除します。LaTeXのコンパイルに対応した、一貫したフォーマットの .bib ファイルを生成します。

5つのフェーズ（検索、メタデータ抽出、BibTeXフォーマット、検証、執筆統合）からなるワークフローは、完全にスクリプト化が可能です。各フェーズには専用のツールが用意されており、生の検索クエリから検証済みの final_references.bib までを単一のパイプラインにまとめることができます。

Google ScholarおよびPubMedでトピックに関連する論文を検索し、結果からメタデータを抽出します。次に、DOIを使用して特定の論文を追加し、重複排除・フォーマット・検証を順番に実行することで、LaTeX文書への投稿準備が整った.bibファイルを作成します。

読書中に収集したDOIのプレーンテキストファイルを用意したら、doi_to_bibtex.py --input dois.txt --output references.bib を実行することで、手動入力を一切省いて完全なBibTeXファイルを数秒で生成できます。

雑多な複数ソースの.bibファイルをformat_bibtex.pyに通して標準化と重複削除を行い、その後validate_citations.pyに--auto-fixオプションを付けて実行することで、壊れたDOI、必須フィールドの欠落、および構文エラーを修正してから最終提出を行います。

search_google_scholar.py を --sort-by citations オプションと共に使用することで、特定のトピックに関する先駆的かつ高被引用論文を抽出し、その結果を extract_metadata.py にパイプ処理することで、最も影響力のある参考文献のBibTeXファイルを即座に生成できます。