Zotero 8.0.1 生产力全开：2026 英文文献批量下载、自动化脚本与 AI 深度分析全攻略

注意：全平台付费的文献，需要你有下载权限，不能免费下载。

文章目录

• 一、Zotero简介
• 二、文献检索和导出
• 三、文献批量下载
• • [3.1 理论：Zotero如何下载文献？](#3.1 理论：Zotero如何下载文献？)
  • [3.2 操作](#3.2 操作)
  • • [3.21 导入文献](#3.21 导入文献)
    • [3.22 获取全文](#3.22 获取全文)
  • [3.4 处理没有获取到的文献](#3.4 处理没有获取到的文献)
  • [3.5 附：整理zotero下载的文献](#3.5 附：整理zotero下载的文献)
• [四、zotero 的AI 插件](#四、zotero 的AI 插件)

一、Zotero简介

Zotero是一个免费的开源文献管理软件。

• 支持：win、mac、linux；
• 包含桌面端软件和浏览器插件；
• 开源：就有很多插件可供增强软件的功能；
• 免费：但是别人开发的插件可能是付费的，以及云同步的空间扩展也是付费的。

🟢官网：https://www.zotero.org/

🟢github：https://github.com/zotero/zotero

🟢中文社区：https://zotero-chinese.com/

🟢快速入门指南：https://zotero-chinese.com/user-guide/quick-start

最新的版本是：8.0.1（前天：26-01-27）发布的，本文使用的是这个版本。

🧩最近几个大版本更新时间和主要变化：

版本号	正式发布日期	核心更新内容（精简版）
Zotero 8	2026年1月22日	全新引文对话框、列表内查看注释、开启快速更新周期
Zotero 7	2024年8月9日	界面全面现代化、原生支持苹果 M 系列芯片、新增 EPUB 阅读器
Zotero 6	2022年3月17日	首创内置 PDF 阅读器、上线 iOS 移动端、引入划线提炼笔记功能

现在起：Zotero更新频率会加快，一到三个月就会更新一个大版本，中间会有很多小版本更新。

如果要使用这个软件的云同步功能，需要注册账号，然后在网页端、浏览器插件、软件里面（要登录并开启同步）、不同电脑上，就可以同步了，不过免费的存储空间只有300MB，下图是年费价格：

---

自己下载安装就行了。本文不用浏览器插件，你也可以安装，也挺有用的；本文也不用云同步功能。

本文主要简单讲一下借助这个软件实现英文文献的批量下载。

操作和之前讲的中文文献批量下载（用知网研学）是类似的。

• 知网文献也可以用这个软件的，操作和下文讲的应该差不多的。
• 插件自己看着装吧，中文装一下茉莉花Jasminum（英文中文可能会有命名不友好的情况），英文可以装一下翻译插件之类的。

二、文献检索和导出

web of science 检索文献后，导出：

• RIS格式；
• Records from：这个一次最多导出1000条，要分多次导出，如：1-1000，1001-2000
• Full Record

保存的.ris文件（纯文本）就是每篇文献的元数据，如：标题、作者、年份、DOI、期刊等等一大堆。

三、文献批量下载

3.1 理论：Zotero如何下载文献？

🟢 （1）先找文献的开放获取渠道

这是 Zotero 最主要的合法下载渠道。

• 去哪下： Unpaywall 以及各种机构存储库（如学术论文预印本库 arXiv）。
• 原理： 当你导入条目或点击"查找全文本"时，Zotero 会拿着 DOI 去这些合法的开源数据库查询。如果这篇论文是开源的，它会直接下载。
• 特点： 速度较快，完全合法。

如果你在寻找文献时发现"此处付费，彼处免费"，Unpaywall 通常就是那个帮你找到"彼处"的关键工具。

Unpaywall 是由非营利组织 OurResearch 维护的一个庞大数据库。它索引了全球超过 50,000 个开放存取（OA）存储库、大学机构库和出版商官网的合法免费版本。

这让人很快就想到了：sci-hub，但它们完全不同。

• Sci-Hub ： 通过爬取和共享账号绕过版权限制（非法/灰色）。
  • 它已经被制裁了（在绝大多数国家是非法的行为），最近几年的文献大概率是没有的。
• Unpaywall ： 只索引合法公开的内容。它抓取的是：
  • 作者按法律规定上传到学校网站的副本。
  • 预印本平台（如 biorXiv, medRxiv）的内容。
  • 出版商自己搞活动"限时免费"或"永久开源"的内容。

---

🟢 （2）使用机构权限下载--浏览器

你的学校、机构购买了相关数据库，你在内网就可以下载相应的文献了。

• 去哪下： 出版商官网（如 Nature, Science, Elsevier, Wiley 等）。
• 原理： 当你在浏览器里使用 Zotero Connector 插件时，Zotero 会利用你当前的 IP 权限。如果你有权限看这篇论文，它就模仿你的操作，点击网页上的"Download PDF"按钮把文件"抓"回来。
• 特点： 准确率最高，能下到解析最完美的官方 PDF。

🟢 （3）图书馆数字资源

和第二种方式是类似的。

• 去哪下： 你所属大学图书馆的数字资源库。 原理： 你可以在 Zotero 设置里填入学校图书馆的 OpenURL
• 地址。当你找不动文献时，点击它，它会跳转到学校图书馆搜索该条目。

2和3是有限制的：

• 只能在浏览器，使用zotero的浏览器插件下载，因为这个设计身份认证；
• 不能大量下载：一方面是你所在机构不允许你大批量下载，另一方面是出版方网站不允许你大批量下载。
• OpenURL不是所有高校图书馆都支持的，很多都没有的。

---

🟢 （4）sci-hub

Zotero 默认不从 Sci-Hub 下载。 原因很简单：版权和法律风险。

但是，Zotero 的用户手册里其实通过"PDF 查找引擎（Resolvers）"功能给用户留了自定义空间。你可以通过以下方式让 Zotero 去 Sci-Hub 下载：

• 手动配置方法： 在 Zotero 的 设置 -> 高级 -> 编辑器设置 (Config Editor) 中，找到一个叫 extensions.zotero.findPDFs.resolvers 的项。
• 实现效果： 只要把一段针对 Sci-Hub的代码（JSON 格式）粘贴进去，Zotero 的"查找可用 PDF"功能就会增加一个 Sci-Hub 的搜索路径。

你也不用手动写了，zotero是开源软件，早有人写好了插件，拿来用即可。

3.2 操作

3.21 导入文献

• 软件里面可以新建一个分类：点击左上角，我的文库，左上方的文件夹加号，就可以新建一个文件夹了。
• 然后把前面下载的.ris文件拖到这个文件夹里面。
• 双击拖进去的ris文件，就会弹出是否导入，如果勾选：导入到新收藏，就会自动根据ris文件名创建一个文件夹，然后把文献导入进去。

如图所示：

不必完全按照我的来，基本导入方法就是这样。

3.22 获取全文

在：编辑--设置--高级，里面可以自己设置保存路径。

数据保存路径的：storage目录，是文献存储目录，你不同分类下的文献都会保存到这里，保存目录这里不会再次分类，每个文献对应一个子目录，里面可能又2个文件，一个是缓存文件，不用管，另一个就是下载到的PDF（如果成功下载的话）。

最后如果要批量分析PDF内容，写个python脚本把PDF提取（复制）到一个目录就行了。

---

在某个条目上右键：查找全文，就会下载相应的PDF到本地，如果获取成功，右侧会出现一个PDF的图标。

如要批量获取全文，可以：

• ctrl A：全选所有文献，然后右键，查找全文

---

可能只能下载一般多一些的文献，现在就用sci-hub吧。

插件：https://github.com/syt2/zotero-scipdf?tab=readme-ov-file

点击上述链接页面的中右侧的：Releases，进去后下载.xpi后缀的那个即可。

在Zotero软件里面：工具--插件--设置--从文件安装

这个插件已经内置了sci-hub的一些站点，基本是可用的，你也可以自己添加：编辑--设置

你可以把它的url全选复制出来，然后添加新的之后再粘贴回去。

• 格式：https://sci-hub.st/{doi}，你只需要改前面的，{doi}这个是自动根据每篇文献来填充的，没有doi的肯定下载不了。
• 多个站点url之间是英文的封号；
• 上面这两点你复制出来看也能观察出规律。
  
  现在，还是一样的操作，全选--右键--查找全文，就会下载：有doi，且之前没有下载的文献了。

---

这个插件做了什么？

其实就是帮你修改了一下软件的：extensions.zotero.findPDFs.resolvers配置项，这个默认是空值。

插件里面默认的这些sci-hub站点随时可能失效，这种东西肯定是被制裁的嘛。你可以一个一个复制网址看看能不能打开，或者直接填写当前能打开的url。

你也可以在软件的：工具--开发者--error console里面看到报错，如：

• 可以看到里面的2个站点是失效的，复制域名到浏览器中也是打不开的
• 
  失效的可以删了，添加目前能用的就行，可以自己搜一搜哪些能用，这个是动态的。

---

3.4 处理没有获取到的文献

我发现有一些文献，有DOI，而且可用在sci-hub上手动搜索到，但是前面的方法却下载不下来，故写一个python脚本来下载。

现在就处理没有下载到的文献嘛，下载前，先分个类，在zotero里面单独建一个文件夹，把没有下载到的文献放在里面，便于管理。

点击这个附件图标（回形针这个），文献就会按照有无附件排列（其他列也有这个功能，如按照标题排列），然后选择没有下载附件的文献，拉到新建的文件夹里面即可。

多选文献的方法（不是全选）：点击要选择的第一个文献，滚到要选择的最后一个文献那里，按住shift，点击最后一个文献，就可以实现多选。

然后把没下载的文献导出一下，主要是获取DOI，文件夹上右键--导出分类，选择RIS。

接着将导出的ris文件的路径，要保存PDF的路径，填入下面的代码对应位置即可下载sci-hub可以下载，但在zotero里面没有成功下载的文献。

代码让AI写就行了，自己审查一下。

# -*- coding = utf-8 -*-
# @TIME : 2026/01/29 16:12
# @Author : Grace
# @File : wos_download_pro.py
# @Software : PyCharm Professional 2025.1.2
# Introduction：
import os
import time
import requests
import pandas as pd
import rispy
from bs4 import BeautifulSoup
import concurrent.futures
from concurrent.futures import ThreadPoolExecutor, as_completed
import warnings
import re

# 忽略SSL警告
warnings.filterwarnings('ignore')
os.environ['CURL_CA_BUNDLE'] = ''

# ================= 配置区域 =================
RIS_PATH = r"xxx.ris"
DOWNLOAD_DIR = r"xxx\未下载"
LOG_FILE = os.path.join(DOWNLOAD_DIR, "download_status_log.csv")

# 7个镜像站点模板
SCIHUB_MIRRORS_TEMPLATE = [
    "https://www.pismin.com/{doi}",
    # "https://sci-hub.se/{doi}",
    "https://sci-hub.st/{doi}",
    "https://sci-hub.ru/{doi}",
    "https://sci-hub.box/{doi}",
    "https://sci-hub.red/{doi}",
    "https://sci-hub.ren/{doi}",
    "https://sci-hub.ee/{doi}"
]

# 伪装头
HEADERS = {
    'User-Agent':                'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/142.0.0.0 Safari/537.36',
    'Accept':                    'text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,*/*;q=0.8',
    'Connection':                'keep-alive',
    'Upgrade-Insecure-Requests': '1',
    'Sec-Fetch-Dest':            'document',
    'Sec-Fetch-Mode':            'navigate',
    'Sec-Fetch-Site':            'none',
    'Sec-Fetch-User':            '?1',
}


# ================= 核心功能函数 =================

def sanitize_filename(filename):
    """文件名清洗，移除Windows非法字符"""
    if not isinstance(filename, str): return "Unknown_Filename"
    filename = re.sub(r'[\\/*?:"<>|]', '_', filename)  # 替换非法字符
    filename = re.sub(r'\s+', ' ', filename).strip()  # 去除多余空格
    return filename[:200]  # 截断防止路径过长


def parse_ris_robust(file_path):
    """暴力解析WoS导出的RIS，解决字段识别问题"""
    print(f"[解析] 正在读取 RIS 文件: {file_path}")

    # 尝试使用 rispy 读取
    with open(file_path, 'r', encoding='utf-8-sig', errors='ignore') as f:
        entries = rispy.load(f)

    parsed_data = []
    for entry in entries:
        # 1. 获取DOI (WoS可能在 DO, DI, 或 N1 中)
        doi = entry.get('doi') or entry.get('DO') or entry.get('number')
        if not doi:
            # 有些RIS把DOI放在 notes 里，这里做个简单检查
            notes = entry.get('notes', [])
            if isinstance(notes, list):
                for n in notes:
                    if '10.' in n and '/' in n:
                        doi = n
                        break

        # 2. 获取标题 (重点解决 Unknown Title)
        # 顺序尝试: title, primary_title, secondary_title, TI, T1, CT
        title = entry.get('title') or entry.get('primary_title') or entry.get('TI') or entry.get('T1') or entry.get('T2')
        if not title:
            title = "Unknown_Title"

        # 3. 获取年份
        year = entry.get('year') or entry.get('publication_year') or entry.get('PY') or entry.get('Y1')
        if not year:
            # 尝试从日期提取
            date = entry.get('date') or entry.get('DA')
            if date:
                year = date[:4]
            else:
                year = "NoYear"

        # 清洗数据
        doi = str(doi).strip() if doi else ""
        title = str(title).strip()
        year = str(year).strip()

        # 生成目标文件名
        clean_title = sanitize_filename(title)
        filename = f"[{year}] {clean_title}.pdf"

        status = 'Pending' if doi else 'No_DOI'
        if not doi:
            print(f"   [警告] 发现无DOI文献: {title[:30]}...")

        parsed_data.append({
            'DOI':      doi,
            'Title':    title,
            'Filename': filename,
            'Status':   status,
            'Message':  ''
        })

    return pd.DataFrame(parsed_data)


def init_task_manager():
    """初始化任务列表，如果旧文件有大量Unknown则强制重建"""
    if not os.path.exists(DOWNLOAD_DIR):
        os.makedirs(DOWNLOAD_DIR)

    rebuild = False
    if os.path.exists(LOG_FILE):
        df = pd.read_csv(LOG_FILE)
        # 检查是否是之前的垃圾解析（比如只要有超过5个Unknown Title就认为以前解析废了）
        unknown_count = df['Title'].str.contains('Unknown Title', case=False, na=False).sum()
        if unknown_count > 5:
            print(f"[检测] 旧记录文件包含 {unknown_count} 个未知标题，判定为解析失败。正在强制重新解析RIS...")
            rebuild = True
        else:
            print(f"[读取] 加载现有进度，共 {len(df)} 条记录。")
            # 恢复中断的任务
            df.loc[df['Status'] == 'Downloading', 'Status'] = 'Pending'
    else:
        rebuild = True

    if rebuild:
        df = parse_ris_robust(RIS_PATH)
        df.to_csv(LOG_FILE, index=False)
        print(f"[构建] 新的统计文件已创建，共 {len(df)} 条。")

    return df


def get_pdf_direct_link(session, url):
    """在镜像页面中提取PDF真实下载链接"""
    try:
        # 短超时，快速探测
        resp = session.get(url, headers=HEADERS, timeout=10, verify=False, allow_redirects=True)
        if resp.status_code != 200:
            return None

        soup = BeautifulSoup(resp.content, 'html.parser')

        # 策略1: embed/iframe src
        target = soup.find('embed', attrs={'type': 'application/pdf'}) or \
                 soup.find('iframe', attrs={'src': re.compile(r'\.pdf')}) or \
                 soup.find('div', id='pdf')

        if target and target.get('src'):
            raw_url = target.get('src')
            # 补全链接
            if raw_url.startswith('//'): return 'https:' + raw_url
            if raw_url.startswith('/'): return '/'.join(url.split('/')[:3]) + raw_url
            return raw_url

        # 策略2: onclick save button
        # SciHub有时只有一个按钮
        btn = soup.find('button', onclick=True)
        if btn and 'location.href' in btn['onclick']:
            # 提取 location.href='...';
            match = re.search(r"href='(.*?)'", btn['onclick'])
            if match:
                raw_url = match.group(1)
                if raw_url.startswith('//'): return 'https:' + raw_url
                return raw_url

    except Exception:
        pass
    return None


def attempt_download_single_mirror(url_template, doi, save_path):
    """单个镜像的尝试逻辑，用于线程里跑"""
    mirror_url = url_template.replace("{doi}", doi)
    session = requests.Session()
    session.mount('https://', requests.adapters.HTTPAdapter(max_retries=1))

    try:
        # 1. 获取PDF链接
        pdf_url = get_pdf_direct_link(session, mirror_url)
        if not pdf_url:
            return False, "Page parsed but no PDF found"

        # 2. 下载文件
        # 设置流式下载，超时要设置短一点以便快速切换
        r = session.get(pdf_url, headers=HEADERS, stream=True, timeout=20, verify=False)

        # 验证是否是真PDF (检查Content-Type或文件头)
        ct = r.headers.get('Content-Type', '').lower()
        if 'html' in ct or len(r.content) < 1000:  # 可能是报错页面
            return False, "Not a PDF file"

        if r.status_code == 200:
            with open(save_path, 'wb') as f:
                for chunk in r.iter_content(chunk_size=8192):
                    f.write(chunk)
            return True, mirror_url  # 成功返回

    except Exception as e:
        return False, str(e)

    return False, "Unknown Error"


def parallel_download_handler(index, row, df):
    """针对单个DOI的并行下载控制器"""
    doi = row['DOI']
    filename = row['Filename']
    save_path = os.path.join(DOWNLOAD_DIR, filename)

    # 状态更新
    print(f"\n--> [{index + 1}/{len(df)}] 开始并行下载: {doi}")
    print(f"    目标文件: {filename}")

    df.at[index, 'Status'] = 'Downloading'

    success = False
    winning_mirror = ""

    # === 并行核心 ===
    # 同时启动8个线程访问不同镜像
    with ThreadPoolExecutor(max_workers=8) as executor:
        # 提交任务字典 {future: mirror_url}
        future_to_url = {
            executor.submit(attempt_download_single_mirror, url, doi, save_path): url
            for url in SCIHUB_MIRRORS_TEMPLATE
        }

        # 谁先完成算谁的
        for future in as_completed(future_to_url):
            url = future_to_url[future]
            try:
                is_success, msg = future.result()
                if is_success:
                    success = True
                    winning_mirror = msg
                    print(f"    [√] 成功! 来源镜像: {winning_mirror.split('/')[2]}")

                    # 关键：一旦有一个成功，取消其它未开始的任务，不再等待其它正在运行的任务
                    # (由于Python线程很难强制Kill，我们直接break出去，主程序往下走，
                    # 线程池会稍微等待后台线程结束，但不会阻塞主逻辑太久)
                    executor.shutdown(wait=False, cancel_futures=True)
                    break
            except Exception:
                continue

    # === 结果记录 ===
    if success:
        df.at[index, 'Status'] = 'Downloaded'
        df.at[index, 'Message'] = f"From {winning_mirror}"
    else:
        df.at[index, 'Status'] = 'Failed'
        df.at[index, 'Message'] = "All mirrors failed or timed out"
        print(f"    [X] 所有镜像均失败: {doi}")

    # 每次下载完一个立即保存进度
    df.to_csv(LOG_FILE, index=False)


def main():
    print("=== 2026 WoS 极速下载器 (并行版) ===")

    # 1. 初始化 & 修正RIS解析
    df = init_task_manager()

    # 2. 筛选任务
    # 选择 Pending 和 之前意外中断的
    tasks = df[df['Status'] == 'Pending']

    total = len(tasks)
    print(f"\n=== 待处理队列: {total} 个文献 ===")

    if total == 0:
        print("没有由于下载的任务。检查是否需要重置 'Failed' 状态。")
        return

    # 3. 遍历下载 (主循环)
    for index, row in tasks.iterrows():
        # 检查文件是否已经物理存在（防止重复下载）
        file_path = os.path.join(DOWNLOAD_DIR, row['Filename'])
        if os.path.exists(file_path) and os.path.getsize(file_path) > 2000:
            print(f"[{index + 1}] 文件已存在，跳过: {row['Filename']}")
            df.at[index, 'Status'] = 'Downloaded'
            df.at[index, 'Message'] = 'File exists'
            df.to_csv(LOG_FILE, index=False)
            continue

        # 执行并行下载
        parallel_download_handler(index, row, df)

        # 虽然是并行，但在不同文献之间稍微停一下，防止请求频率过高导致本机IP被ban
        # 也就是：每个文献内部并发，文献与文献之间串行+延迟
        time.sleep(1)


if __name__ == "__main__":
    main()

---

完事后发现还有文献没有下载，这些就是：

• 没有DOI的（应该较少）；
• 在哪都要付费的。

这个就要自己在浏览器里面下载了。

3.5 附：整理zotero下载的文献

作用：将zotero下载的文献整理到一个目录下

你不一定需要做这个，我是要逐篇分析文献（LLM），所以整理到一起。

# -*- coding = utf-8 -*-
# @TIME : 2026/01/29 13:20
# @Author : Grace
# @File : wos_move.py
# @Software : PyCharm Professional 2025.1.2
# Introduction：将zotero下载的文献整理到一个目录下
import os
import shutil
from pathlib import Path


def collect_zotero_pdfs(src_dir, dest_dir):
    # 将路径转换为 pathlib 对象，自动处理不同系统的斜杠问题
    src_path = Path(src_dir)
    dest_path = Path(dest_dir)

    # 如果输出目录不存在，则创建
    if not dest_path.exists():
        dest_path.mkdir(parents=True, exist_ok=True)
        print(f"已创建输出目录: {dest_path}")

    print("正在扫描并复制文件，请稍候...")

    count = 0
    # rglob('*.pdf') 会递归搜索所有子目录下的 pdf 文件
    for pdf_file in src_path.rglob('*.pdf'):
        try:
            # 构建目标文件的完整路径
            target_file = dest_path / pdf_file.name

            # 冲突处理：如果目标目录已存在同名文件，自动添加编号防止覆盖
            if target_file.exists():
                stem = pdf_file.stem
                suffix = pdf_file.suffix
                counter = 1
                while target_file.exists():
                    target_file = dest_path / f"{stem}_{counter}{suffix}"
                    counter += 1

            # 执行复制操作（shutil.copy2 会保留原始元数据如修改时间）
            shutil.copy2(pdf_file, target_file)
            count += 1
            if count % 10 == 0:
                print(f"已处理 {count} 个文件...")

        except Exception as e:
            print(f"处理文件 {pdf_file.name} 时出错: {e}")

    print("-" * 30)
    print(f"任务完成！共成功复制 {count} 个PDF文件到：")
    print(dest_path)


if __name__ == "__main__":
    # 输入和输出路径
    input_directory = r"你的zotero的数据保存路径\storage"
    output_directory = r"输出目录"

    collect_zotero_pdfs(input_directory, output_directory)

本文主要内容已完。

---

四、zotero 的AI 插件

以AI对话插件为例，其它插件（如翻译），可以自己下载。

中文社区的：https://zotero-chinese.com/plugins/

下载页面：https://github.com/MuiseDestiny/zotero-gpt/releases

安装不重复将了。

设置一下模型和api key：我用的是Gemini，

• 选择Full API，这一行第三个下拉款选择你使用的AI，有很多的，api地址会自动填入第二个框；
• 填入你的api key；
• 手动填写api id：gemini-3-flash-preview，他内设的只有2.5，所以要自己填一下（pro是：gemini-3-pro-preview）
• token 限制，等其它参数自己设置一下
  

选择一篇文献，点击GPT 图标（关闭的话再点一次），选择一个功能，提问即可：

也可以用deepseek，这个门槛最低，自己搜：deepseek开放平台，充值买api key即可。