[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-CeON--CERMINE":3,"tool-CeON--CERMINE":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",141543,2,"2026-04-06T11:32:54",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":76,"owner_twitter":76,"owner_website":77,"owner_url":78,"languages":79,"stars":100,"forks":101,"last_commit_at":102,"license":103,"difficulty_score":32,"env_os":104,"env_gpu":105,"env_ram":105,"env_deps":106,"category_tags":112,"github_topics":113,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":120,"updated_at":121,"faqs":122,"releases":152},4682,"CeON\u002FCERMINE","CERMINE","Content ExtRactor and MINEr","CERMINE 是一款专为学术出版领域设计的开源工具，旨在从 PDF 格式的科研论文中自动提取结构化元数据、全文内容及参考文献。它有效解决了研究人员和开发者在处理海量学术文档时，面临的手工录入效率低、格式非标准化以及数据难以机器读取等痛点。\n\n无论是需要批量处理本地数据的科研人员，还是希望将文献解析功能集成到自有系统中的 Java\u002FScala 开发者，CERMINE 都能提供灵活的支持。它支持三种使用模式：作为独立应用程序在本地服务器运行、通过 Maven 依赖嵌入代码，或直接使用其在线 Web 服务进行小规模测试。\n\n该工具的核心亮点在于其强大的解析能力，不仅能识别文档的几何结构和文本区域，还能精准提取作者归属机构（Affiliation）和复杂的参考文献字符串，并统一输出为国际通用的 NLM JATS 标准格式。此外，它还支持导出 BibTeX 引用、保留阅读顺序的纯文本以及文档内的图片资源。由华沙大学跨学科数学与计算建模中心开发，CERMINE 凭借成熟的算法模型，成为构建学术知识库和数字化文献处理流程的可靠选择。","Content ExtRactor and MINEr\n===========================\n\nCERMINE is a Java library and a web service ([cermine.ceon.pl](http:\u002F\u002Fcermine.ceon.pl\u002F)) for extracting metadata\nand content from PDF files containing academic publications.\nCERMINE is written in Java at [Centre for Open Science](http:\u002F\u002Fceon.pl\u002Fen\u002Fresearch\u002F) at [Interdisciplinary Centre for Mathematical and Computational Modelling](http:\u002F\u002Fwww.icm.edu.pl\u002F), [University of Warsaw](http:\u002F\u002Fwww.uw.edu.pl\u002F).\n\nThe code is licensed under GNU Affero General Public License version 3.\n\nHow to cite CERMINE:\n\n\tDominika Tkaczyk, Pawel Szostek, Mateusz Fedoryszak, Piotr Jan Dendek and Lukasz Bolikowski. \n\tCERMINE: automatic extraction of structured metadata from scientific literature. \n\tIn International Journal on Document Analysis and Recognition (IJDAR), 2015, \n\tvol. 18, no. 4, pp. 317-335, doi: 10.1007\u002Fs10032-015-0249-8.\n\nDOI of CERMINE release 1.13:\n\n[![DOI](https:\u002F\u002Fzenodo.org\u002Fbadge\u002FDOI\u002F10.5281\u002Fzenodo.569829.svg)](https:\u002F\u002Fdoi.org\u002F10.5281\u002Fzenodo.569829)\n\nUsing CERMINE\n-------------\n\nCERMINE can be used for:\n\n  * extracting metadata, full text and parsed references from a PDF file,\n  * extracting metadata from reference strings,\n  * extracting metadata from affiliation strings.\n\nIn all tasks the default output format is [NLM JATS](http:\u002F\u002Fjats.nlm.nih.gov\u002Farchiving\u002Ftag-library\u002F1.1\u002F).\n\nThere are three way of using CERMINE, depending on the user's needs:\n\n  * **standalone application** -- use this, if you need to process larger amounts of data locally on your laptop or server\n  * **Maven dependency** -- allows to use CERMINE's API in your own Java\u002FScala code\n  * **web application** -- for demonstration purposes and only small amounts (less than 50 files) of data\n\nRefer to one of the sections below for details.\n\n\n**Standalone application**\n\nThe easiest way to process files on a laptop\u002Fserver is using CERMINE as a standalone application. All you will need is a single JAR file containing all the tools, external libraries and learned models. The latest release can be downloaded from [the repository](http:\u002F\u002Fmaven.ceon.pl\u002Fartifactory\u002Fwebapp\u002F#\u002Fartifacts\u002Fbrowse\u002Fsimple\u002FGeneral\u002Fkdd-releases\u002Fpl\u002Fedu\u002Ficm\u002Fcermine\u002Fcermine-impl) (look for a file called `cermine-impl-\u003CVERSION>-jar-with-dependencies.jar`). The current version is [1.13](https:\u002F\u002Fmaven.ceon.pl\u002Fartifactory\u002Fkdd-releases\u002Fpl\u002Fedu\u002Ficm\u002Fcermine\u002Fcermine-impl\u002F1.13\u002Fcermine-impl-1.13-jar-with-dependencies.jar).\n\n***Processing PDF documents***\n\nThe basic command for processing PDF files is the following:\n\n    $ java -cp cermine-impl-\u003CVERSION>-jar-with-dependencies.jar pl.edu.icm.cermine.ContentExtractor -path path\u002Fto\u002Fdirectory\u002Fwith\u002Fpdfs\u002F\n\nAdditional argument *-outputs* can be used to specify the types of the outputs. The value should be a comma-separated list of one or more of the following:\n\n  * *jats* - document metadata and content in NLM JATS format\n  * *text* - raw document text with the reading order preserved\n  * *zones* - text zones of the documents labeled with functional classes\n  * *trueviz* - geometric structure of the document in TrueViz format\n  * *images* - images from the document\n  * *bibtex* - references in BibTeX format\n\n***Processing references***\n\nTo extract metadata from a reference string use the following:\n\n    $ java -cp cermine-impl-\u003CVERSION-jar-with-dependencies.jar pl.edu.icm.cermine.bibref.CRFBibReferenceParser -reference \"the text of the reference\"\n\n***Processing affiliations***\n\nTo extract metadata from an affiliation string use:\n\n    $ java -cp cermine-impl-\u003CVERSION>-jar-with-dependencies.jar pl.edu.icm.cermine.metadata.affiliation.CRFAffiliationParser -affiliation \"the text of the affiliation\"\n\n(OPTIONAL) if you would like to build an executable JAR yourself, clone the project and execute:\n\n    $ cd CERMINE\u002Fcermine-impl\n    $ mvn compile assembly:single\n\nThis will result in a file `cermine-impl-\u003CVERSION>-jar-with-dependencies.jar` in `cermine-impl\u002Ftarget` directory.\n\n\n**Maven dependency**\n\nCERMINE can be used in Java projects by adding the following dependency and repository to the project's `pom.xml` file:\n\n\t\u003Cdependency>\n\t\t\u003CgroupId>pl.edu.icm.cermine\u003C\u002FgroupId>\n\t\t\u003CartifactId>cermine-impl\u003C\u002FartifactId>\n\t\t\u003Cversion>${cermine.version}\u003C\u002Fversion>\n\t\u003C\u002Fdependency>\n\n\t\u003Crepository>\n\t\t\u003Cid>icm\u003C\u002Fid>\n\t\t\u003Cname>ICM repository\u003C\u002Fname>\n\t\t\u003Curl>http:\u002F\u002Fmaven.icm.edu.pl\u002Fartifactory\u002Frepo\u003C\u002Furl>\n\t\u003C\u002Frepository>\n\nExample code to extract the content from a PDF file:\n\n\tContentExtractor extractor = new ContentExtractor();\n\tInputStream inputStream = new FileInputStream(\"path\u002Fto\u002Fpdf\u002Ffile\");\n\textractor.setPDF(inputStream);\n\tElement result = extractor.getContentAsNLM();\n\nExample code to extract metadata from a reference string:\n\n\tCRFBibReferenceParser parser = CRFBibReferenceParser.getInstance();\n\tBibEntry reference = parser.parseBibReference(referenceText);\n\nExample code to extract metadata from an affiliation string:\n\t\n\tCRFAffiliationParser parser = new CRFAffiliationParser();\n\tElement affiliation = parser.parse(affiliationText);\n\n\n**REST service**\n\nThe third possibility is to use CERMINE's REST service with cURL tool. Note, however, that this should only be used for small amounts of data, as the server does not have a lot of resources. Moreover, the web application might not use the latest code version. In most cases using the executable JAR is a better choice.\n\nTo extract the content from a PDF file:\n\n\t$ curl -X POST --data-binary @article.pdf \\\n\t  --header \"Content-Type: application\u002Fbinary\"\\\n\t  http:\u002F\u002Fcermine.ceon.pl\u002Fextract.do\n\nTo extract metadata from a reference string:\n\n\t$ curl -X POST --data \"reference=the text of the reference\" \\\n\t  http:\u002F\u002Fcermine.ceon.pl\u002Fparse.do\n\nTo extract metadata from an affiliation string:\n\n\t$ curl -X POST --data \"affiliation=the text of the affiliation\" \\\n\t  http:\u002F\u002Fcermine.ceon.pl\u002Fparse.do\n\n","内容提取器与挖掘工具\n===========================\n\nCERMINE 是一个 Java 库，同时也提供了一个 Web 服务（[cermine.ceon.pl](http:\u002F\u002Fcermine.ceon.pl\u002F)），用于从包含学术出版物的 PDF 文件中提取元数据和内容。\nCERMINE 由华沙大学跨学科数学与计算建模中心 [Interdisciplinary Centre for Mathematical and Computational Modelling](http:\u002F\u002Fwww.icm.edu.pl\u002F) 下属的 [Centre for Open Science](http:\u002F\u002Fceon.pl\u002Fen\u002Fresearch\u002F) 使用 Java 编写。\n\n该代码采用 GNU Affero 通用公共许可证第 3 版进行授权。\n\n如何引用 CERMINE：\n\n\tDominika Tkaczyk, Pawel Szostek, Mateusz Fedoryszak, Piotr Jan Dendek 和 Lukasz Bolikowski.\n\tCERMINE：从科学文献中自动提取结构化元数据.\n\t载于《国际文档分析与识别期刊》(IJDAR)，2015 年，第 18 卷第 4 期，第 317–335 页，doi: 10.1007\u002Fs10032-015-0249-8.\n\nCERMINE 1.13 版本的 DOI：\n\n[![DOI](https:\u002F\u002Fzenodo.org\u002Fbadge\u002FDOI\u002F10.5281\u002Fzenodo.569829.svg)](https:\u002F\u002Fdoi.org\u002F10.5281\u002Fzenodo.569829)\n\n使用 CERMINE\n-------------\n\nCERMINE 可用于：\n\n  * 从 PDF 文件中提取元数据、全文及解析后的参考文献；\n  * 从参考文献字符串中提取元数据；\n  * 从机构隶属关系字符串中提取元数据。\n\n在所有任务中，默认输出格式为 [NLM JATS](http:\u002F\u002Fjats.nlm.nih.gov\u002Farchiving\u002Ftag-library\u002F1.1\u002F)。\n\n根据用户需求，有三种使用 CERMINE 的方式：\n\n  * **独立应用程序**——如果您需要在本地笔记本电脑或服务器上处理大量数据，请使用此方式。\n  * **Maven 依赖**——允许您在自己的 Java\u002FScala 代码中使用 CERMINE 的 API。\n  * **Web 应用程序**——仅适用于演示目的以及少量数据（少于 50 个文件）。\n\n请参阅下方各节以获取详细信息。\n\n\n**独立应用程序**\n\n在笔记本电脑或服务器上处理文件最简单的方式是将 CERMINE 作为独立应用程序使用。您只需一个包含所有工具、外部库和训练模型的单个 JAR 文件即可。最新版本可从 [仓库](http:\u002F\u002Fmaven.ceon.pl\u002Fartifactory\u002Fwebapp\u002F#\u002Fartifacts\u002Fbrowse\u002Fsimple\u002FGeneral\u002Fkdd-releases\u002Fpl\u002Fedu\u002Ficm\u002Fcermine\u002Fcermine-impl) 下载（查找名为 `cermine-impl-\u003CVERSION>-jar-with-dependencies.jar` 的文件）。当前版本为 [1.13](https:\u002F\u002Fmaven.ceon.pl\u002Fartifactory\u002Fkdd-releases\u002Fpl\u002Fedu\u002Ficm\u002Fcermine\u002Fcermine-impl\u002F1.13\u002Fcermine-impl-1.13-jar-with-dependencies.jar)。\n\n***处理 PDF 文档***\n\n处理 PDF 文件的基本命令如下：\n\n    $ java -cp cermine-impl-\u003CVERSION>-jar-with-dependencies.jar pl.edu.icm.cermine.ContentExtractor -path path\u002Fto\u002Fdirectory\u002Fwith\u002Fpdfs\u002F\n\n可以使用附加参数 *-outputs* 来指定输出类型。该值应为以下一项或多项目的逗号分隔列表：\n\n  * *jats* —— NLM JATS 格式的文档元数据和内容；\n  * *text* —— 保留阅读顺序的原始文档文本；\n  * *zones* —— 标注了功能类别的文档文本区域；\n  * *trueviz* —— TrueViz 格式的文档几何结构；\n  * *images* —— 文档中的图像；\n  * *bibtex* —— BibTeX 格式的参考文献。\n\n***处理参考文献***\n\n要从参考文献字符串中提取元数据，请使用以下命令：\n\n    $ java -cp cermine-impl-\u003CVERSION-jar-with-dependencies.jar pl.edu.icm.cermine.bibref.CRFBibReferenceParser -reference \"the text of the reference\"\n\n***处理机构隶属关系***\n\n要从机构隶属关系字符串中提取元数据，请使用：\n\n    $ java -cp cermine-impl-\u003CVERSION>-jar-with-dependencies.jar pl.edu.icm.cermine.metadata.affiliation.CRFAffiliationParser -affiliation \"the text of the affiliation\"\n\n（可选）如果您希望自行构建可执行 JAR 文件，请克隆项目并执行：\n\n    $ cd CERMINE\u002Fcermine-impl\n    $ mvn compile assembly:single\n\n这将在 `cermine-impl\u002Ftarget` 目录下生成一个名为 `cermine-impl-\u003CVERSION>-jar-with-dependencies.jar` 的文件。\n\n\n**Maven 依赖**\n\n可以通过在项目的 `pom.xml` 文件中添加以下依赖和仓库，将 CERMINE 用于 Java 项目：\n\n\t\u003Cdependency>\n\t\t\u003CgroupId>pl.edu.icm.cermine\u003C\u002FgroupId>\n\t\t\u003CartifactId>cermine-impl\u003C\u002FartifactId>\n\t\t\u003Cversion>${cermine.version}\u003C\u002Fversion>\n\t\u003C\u002Fdependency>\n\n\t\u003Crepository>\n\t\t\u003Cid>icm\u003C\u002Fid>\n\t\t\u003Cname>ICM repository\u003C\u002Fname>\n\t\t\u003Curl>http:\u002F\u002Fmaven.icm.edu.pl\u002Fartifactory\u002Frepo\u003C\u002Furl>\n\t\u003C\u002Frepository>\n\n从 PDF 文件中提取内容的示例代码：\n\n\tContentExtractor extractor = new ContentExtractor();\n\tInputStream inputStream = new FileInputStream(\"path\u002Fto\u002Fpdf\u002Ffile\");\n\textractor.setPDF(inputStream);\n\tElement result = extractor.getContentAsNLM();\n\n从参考文献字符串中提取元数据的示例代码：\n\n\tCRFBibReferenceParser parser = CRFBibReferenceParser.getInstance();\n\tBibEntry reference = parser.parseBibReference(referenceText);\n\n从机构隶属关系字符串中提取元数据的示例代码：\n\n\tCRFAffiliationParser parser = new CRFAffiliationParser();\n\tElement affiliation = parser.parse(affiliationText);\n\n\n**REST 服务**\n\n第三种方式是使用 CERMINE 的 REST 服务配合 cURL 工具。需要注意的是，这种方式仅适用于少量数据，因为服务器资源有限。此外，Web 应用程序可能并未使用最新的代码版本。在大多数情况下，使用可执行 JAR 文件是更好的选择。\n\n从 PDF 文件中提取内容：\n\n\t$ curl -X POST --data-binary @article.pdf \\\n\t  --header \"Content-Type: application\u002Fbinary\"\\\n\t  http:\u002F\u002Fcermine.ceon.pl\u002Fextract.do\n\n从参考文献字符串中提取元数据：\n\n\t$ curl -X POST --data \"reference=the text of the reference\" \\\n\t  http:\u002F\u002Fcermine.ceon.pl\u002Fparse.do\n\n从机构隶属关系字符串中提取元数据：\n\n\t$ curl -X POST --data \"affiliation=the text of the affiliation\" \\\n\t  http:\u002F\u002Fcermine.ceon.pl\u002Fparse.do","# CERMINE 快速上手指南\n\nCERMINE 是一个用于从学术论文 PDF 文件中提取元数据和内容的 Java 库及 Web 服务。它支持提取元数据、全文、解析参考文献及机构信息，默认输出格式为 NLM JATS。\n\n## 环境准备\n\n*   **操作系统**：Linux、macOS 或 Windows（需安装 Java 环境）\n*   **前置依赖**：\n    *   JDK 8 或更高版本\n    *   Maven（仅当需要自行构建或使用 Maven 依赖时）\n*   **网络要求**：若使用在线 REST 服务需访问外网；本地运行无需联网。\n\n## 安装步骤\n\n### 方式一：独立应用（推荐用于批量处理）\n\n1.  下载最新版本的包含所有依赖的 JAR 文件（当前版本 1.13）：\n    ```bash\n    wget https:\u002F\u002Fmaven.ceon.pl\u002Fartifactory\u002Fkdd-releases\u002Fpl\u002Fedu\u002Ficm\u002Fcermine\u002Fcermine-impl\u002F1.13\u002Fcermine-impl-1.13-jar-with-dependencies.jar\n    ```\n    *(注：国内用户若下载缓慢，可尝试配置 Maven 镜像后自行构建，见下方可选步骤)*\n\n2.  **(可选) 自行构建 JAR**：\n    如果无法直接下载或需要最新版本，可克隆项目并构建：\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002FCeON\u002FCERMINE.git\n    cd CERMINE\u002Fcermine-impl\n    # 建议在 pom.xml 中配置阿里云 Maven 镜像以加速依赖下载\n    mvn compile assembly:single\n    ```\n    构建完成后，可在 `cermine-impl\u002Ftarget` 目录下找到 `cermine-impl-\u003CVERSION>-jar-with-dependencies.jar`。\n\n### 方式二：Maven 依赖（适用于 Java\u002FScala 项目集成）\n\n在项目的 `pom.xml` 中添加以下依赖和仓库配置：\n\n```xml\n\u003Cdependency>\n    \u003CgroupId>pl.edu.icm.cermine\u003C\u002FgroupId>\n    \u003CartifactId>cermine-impl\u003C\u002FartifactId>\n    \u003Cversion>1.13\u003C\u002Fversion>\n\u003C\u002Fdependency>\n\n\u003Crepository>\n    \u003Cid>icm\u003C\u002Fid>\n    \u003Cname>ICM repository\u003C\u002Fname>\n    \u003Curl>http:\u002F\u002Fmaven.icm.edu.pl\u002Fartifactory\u002Frepo\u003C\u002Furl>\n\u003C\u002Frepository>\n```\n*(提示：若构建速度慢，请在 Maven `settings.xml` 中配置阿里云等国内镜像代理该仓库地址)*\n\n## 基本使用\n\n### 1. 使用独立应用处理 PDF\n\n提取 PDF 中的元数据和内容（默认输出 NLM JATS 格式）：\n\n```bash\njava -cp cermine-impl-1.13-jar-with-dependencies.jar pl.edu.icm.cermine.ContentExtractor -path path\u002Fto\u002Fdirectory\u002Fwith\u002Fpdfs\u002F\n```\n\n指定输出格式（例如同时输出纯文本和 BibTeX 参考文献）：\n\n```bash\njava -cp cermine-impl-1.13-jar-with-dependencies.jar pl.edu.icm.cermine.ContentExtractor -path path\u002Fto\u002Fpdfs\u002F -outputs text,bibtex\n```\n支持的输出类型包括：`jats`, `text`, `zones`, `trueviz`, `images`, `bibtex`。\n\n### 2. 解析参考文献字符串\n\n```bash\njava -cp cermine-impl-1.13-jar-with-dependencies.jar pl.edu.icm.cermine.bibref.CRFBibReferenceParser -reference \"the text of the reference\"\n```\n\n### 3. 解析机构 affiliation 字符串\n\n```bash\njava -cp cermine-impl-1.13-jar-with-dependencies.jar pl.edu.icm.cermine.metadata.affiliation.CRFAffiliationParser -affiliation \"the text of the affiliation\"\n```\n\n### 4. 代码集成示例 (Java)\n\n**提取 PDF 内容：**\n```java\nContentExtractor extractor = new ContentExtractor();\nInputStream inputStream = new FileInputStream(\"path\u002Fto\u002Fpdf\u002Ffile\");\nextractor.setPDF(inputStream);\nElement result = extractor.getContentAsNLM();\n```\n\n**解析参考文献：**\n```java\nCRFBibReferenceParser parser = CRFBibReferenceParser.getInstance();\nBibEntry reference = parser.parseBibReference(referenceText);\n```\n\n### 5. 使用 REST 服务 (仅限少量测试)\n\n利用 `curl` 调用官方在线服务（注意：不适合大批量数据）：\n\n**提取 PDF 内容：**\n```bash\ncurl -X POST --data-binary @article.pdf \\\n  --header \"Content-Type: application\u002Fbinary\"\\\n  http:\u002F\u002Fcermine.ceon.pl\u002Fextract.do\n```\n\n**解析参考文献：**\n```bash\ncurl -X POST --data \"reference=the text of the reference\" \\\n  http:\u002F\u002Fcermine.ceon.pl\u002Fparse.do\n```","某高校图书馆正在构建学术资源知识库，需要将馆藏的数万篇 PDF 格式学术论文转化为可检索的结构化数据。\n\n### 没有 CERMINE 时\n- 研究人员只能手动复制粘贴论文标题、作者及摘要，处理单篇文档耗时极长，难以应对海量数据。\n- 参考文献和机构信息混杂在正文中，缺乏统一格式，导致后续引文分析无法自动化进行。\n- 直接提取的文本往往丢失阅读顺序（如双栏排版错乱），且无法区分正文、页眉或图表说明，数据清洗成本极高。\n- 不同期刊的 PDF 版式差异巨大，编写自定义解析脚本维护困难，稍遇新版式即导致程序崩溃。\n\n### 使用 CERMINE 后\n- 通过 standalone 模式批量处理本地文件夹，CERMINE 自动从 PDF 中提取元数据和全文，将处理效率提升数百倍。\n- 利用其专门的解析功能，精准分离参考文献与机构归属信息，并直接输出标准的 BibTeX 或 NLM JATS 格式，无缝对接数据库。\n- 内置的布局分析模型智能识别文档区域，还原文本正确阅读顺序，并标记出“摘要”、“正文”等功能区，确保数据纯净度。\n- 面对多样化的学术出版版式，CERMINE 凭借预训练模型展现出强大的泛化能力，无需针对每种期刊单独调整代码即可稳定运行。\n\nCERMINE 将非结构化的学术 PDF 瞬间转化为高质量的结构化知识，让大规模文献挖掘变得简单高效。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FCeON_CERMINE_0a867c64.png","CeON","ICM UW - Centre for Open Science","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FCeON_7f1f3201.png","",null,"https:\u002F\u002Ficm.edu.pl\u002Fen","https:\u002F\u002Fgithub.com\u002FCeON",[80,84,88,92,96],{"name":81,"color":82,"percentage":83},"Java","#b07219",57.3,{"name":85,"color":86,"percentage":87},"HTML","#e34c26",40.6,{"name":89,"color":90,"percentage":91},"CSS","#663399",1,{"name":93,"color":94,"percentage":95},"PHP","#4F5D95",0.7,{"name":97,"color":98,"percentage":99},"JavaScript","#f1e05a",0.4,512,99,"2026-03-25T15:12:58","AGPL-3.0","Linux, macOS, Windows","未说明",{"notes":107,"python":108,"dependencies":109},"该工具是基于 Java 开发的库和独立应用，不需要 Python 环境。运行需要安装 Java 运行时环境（JRE\u002FJDK）。可以通过下载包含所有依赖的 JAR 文件直接运行，或者作为 Maven 依赖集成到 Java\u002FScala 项目中。官方提供的在线 REST 服务仅适用于少量数据测试（少于 50 个文件），大规模处理建议使用本地独立应用模式。","不需要",[110,111],"Java (JDK)","Maven (用于构建)",[16,14],[114,115,116,117,118,119],"metadata-extraction","reference-parsing","affiliation-parsing","machine-learning","java","pdf","2026-03-27T02:49:30.150509","2026-04-07T07:13:03.351643",[123,128,132,137,142,147],{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},21300,"编译或安装时遇到 Javadoc 生成错误（MavenReportException）怎么办？","如果在执行 `mvn install` 时遇到 Javadoc 生成错误（例如缺少 @throws 描述），可以通过添加 `-Dadditionalparam=-Xdoclint:none` 参数来跳过严格的文档检查。完整的命令为：`mvn install -DskipTests -Dadditionalparam=-Xdoclint:none`。","https:\u002F\u002Fgithub.com\u002FCeON\u002FCERMINE\u002Fissues\u002F35",{"id":129,"question_zh":130,"answer_zh":131,"source_url":127},21301,"运行测试时出现 UnknownHostException 或主机名解析失败如何解决？","这通常是因为 `\u002Fetc\u002Fhosts` 文件中缺少当前主机名的映射。请检查您的主机名（例如 `t5400`），并在 `\u002Fetc\u002Fhosts` 文件中添加一行，将该主机名指向 127.0.0.1 或本地 IP。格式示例：`127.0.0.1 t5400`。",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},21302,"处理大型 PDF 文件时出现 Java 堆内存溢出（OutOfMemoryError）怎么办？","该错误通常由提取图片导致内存占用过高引起。解决方案包括：1. 增加 JVM 堆内存（例如设置为 4GB）；2. 如果不需要提取图片内容，可以禁用图片提取功能，因为默认开启的图片提取可能导致不可恢复的内存错误。维护者已优化代码，显著降低了内存占用，升级新版本也可能解决问题。","https:\u002F\u002Fgithub.com\u002FCeON\u002FCERMINE\u002Fissues\u002F58",{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},21303,"如何在批处理过程中中断长时间运行的任务？","CERMINE 支持线程中断。在批处理环境（如 Hadoop）中，如果某个恶意或复杂的 PDF 文件处理时间过长，可以通过中断执行 CERMINE 的专用线程来停止任务。确保使用的是较新版本，其中已实现了对 `Thread.interrupted()` 的检查，允许在循环条件中响应中断信号，从而避免整个处理流程卡死。","https:\u002F\u002Fgithub.com\u002FCeON\u002FCERMINE\u002Fissues\u002F7",{"id":143,"question_zh":144,"answer_zh":145,"source_url":146},21304,"是否支持使用 pdfimages 工具来提取图片？","项目曾计划集成 `pdfimages`（来自 xpdf\u002Fpoppler）以提高图片提取的准确性和性能。维护者表示会在几周内考虑添加相关支持，并已合并了过滤掉高度或宽度为 1 像素的图片的改进代码。建议关注后续版本更新以获取此功能。","https:\u002F\u002Fgithub.com\u002FCeON\u002FCERMINE\u002Fissues\u002F34",{"id":148,"question_zh":149,"answer_zh":150,"source_url":151},21305,"为什么参考文献引用匹配不正确（例如将引用错误分配给同作者的其他文献）？","这是一个已知的算法局限性，特别是在处理同一作者多篇文献时容易发生误配。目前维护者因工作量原因暂时无法立即修复此问题。如果遇到严重影响使用的情况，建议提供具体的 PDF 示例给开发团队，或者在后续版本中关注是否有针对引用匹配逻辑的更新。","https:\u002F\u002Fgithub.com\u002FCeON\u002FCERMINE\u002Fissues\u002F51",[153,157,161,165,169,173,177,181,185,189],{"id":154,"version":155,"summary_zh":76,"released_at":156},127318,"cermine-parent-1.13","2017-04-28T12:58:54",{"id":158,"version":159,"summary_zh":76,"released_at":160},127319,"CERMINE-1.12","2017-02-28T13:05:07",{"id":162,"version":163,"summary_zh":76,"released_at":164},127320,"cermine-parent-1.11","2016-10-18T11:16:08",{"id":166,"version":167,"summary_zh":76,"released_at":168},127321,"cermine-parent-1.10","2016-10-13T15:48:14",{"id":170,"version":171,"summary_zh":76,"released_at":172},127322,"cermine-parent-1.9","2016-07-04T14:58:22",{"id":174,"version":175,"summary_zh":76,"released_at":176},127323,"cermine-parent-1.8","2016-01-21T13:08:20",{"id":178,"version":179,"summary_zh":76,"released_at":180},127324,"cermine-parent-1.7","2015-11-05T10:04:06",{"id":182,"version":183,"summary_zh":76,"released_at":184},127325,"cermine-parent-1.6","2015-05-14T08:52:04",{"id":186,"version":187,"summary_zh":76,"released_at":188},127326,"cermine-parent-1.5","2015-04-13T10:21:38",{"id":190,"version":191,"summary_zh":76,"released_at":192},127327,"cermine-parent-1.4","2015-01-30T10:53:45"]