Dla kogo · Evgeny K.

Artykuły naukowe zapisane razem z datą publikacji

Zapisany artykuł bez daty publikacji to przypis, który później trzeba odtwarzać. Clean Web Clipper czyta datę z metadanych samej strony, a nie z tekstu, a gdy strona żadnej daty nie podaje, pole zostaje puste, zamiast dostać dzisiejszy dzień.

Gdzie zapisany artykuł gubi pochodzenie

Czytasz preprint w przeglądarce, zapisujesz go, a trzy miesiące później notatka nie mówi ani kiedy tekst się ukazał, ani którą wersję czytałeś. Strona streszczenia pokazuje już v3, odnośniki bibliograficzne zamieniły się w martwe kotwice wskazujące stronę, którą dawno zamknąłeś, a w polu autora stoi „Przejdź do treści”, bo narzędzie wzięło pierwszy pogrubiony napis, jaki znalazło.

Najgorzej jest z datami, bo ten błąd jest cichy. Narzędzie, które stempluje notatkę dniem zapisu, tworzy plik wyglądający poprawnie i błędny. Po roku nie da się już rozpoznać, które z dwustu notatek niosą prawdziwą datę publikacji, a które datę, kiedy akurat czytałeś – w pliku nic ich od siebie nie odróżnia.

Tekst i myślenie lądują w różnych miejscach. Menedżer bibliografii trzyma metadane, aplikacja do notatek trzyma twoje komentarze, a żadne z nich nie trzyma fragmentu, który komentowałeś. Przy pisaniu wracasz po niego, a połowa odnośników prowadzi do płatnej ściany, przez którą przechodziłeś w sesji instytucjonalnej, dawno wygasłej. Trzymanie samego tekstu w tym samym pliku co notatki o nim usuwa tę drogę w obie strony.

Co zapisuje notatka

• citation_date i citation_publication_date (znaczniki meta, które wystawiają arXiv, PubMed i IEEE) są czytane wprost.
• Także datePublished z JSON-LD, article:published_time, time[datetime] i znaczniki czasu Unix, w tej kolejności.
• Brak daty na stronie to puste pole – nigdy dzisiejsza data.
• Odnośniki bibliograficzne stają się przypisami [^1], a ich definicje zbierane są na końcu notatki.
• Pole autora jest filtrowane: nagłówki sekcji, nazwy czasopism i etykiety przycisków nie zostają autorami.
• Pole extraction zapisuje drogę: dom z wyrenderowanej strony, jsonld-articlebody, gdy strona nigdy nie skończyła się renderować.
• Data publikacji i data zapisu nigdy się nie zlewają – data strony to pole frontmattera, dzień zapisu to {date} w nazwie pliku; leżą w różnych miejscach celowo.
• Zero resztkowych znaczników HTML na 512 sprawdzonych stronach, więc fragment wklejony do maszynopisu nie przyjdzie z zabłąkanym span ani kawałkiem podpisu rycin.

---
title: "Modele kolejkowe w logistyce miejskiej"
source: "https://bibliotekanauki.pl/articles/..."
author: "Kowalczyk, M."
published: "2019-11-30"
extraction: "dom"
---

Analiza obejmuje trzy warianty organizacji dostaw ostatniej mili[^1].

[^1]: Zob. przegląd literatury w rozdziale 2, s. 44–51.

Ustawienia do czytania artykułów

Ustawienia domyślne są nastawione na szybkie czytanie artykułów. Folder źródeł potrzebuje czegoś odwrotnego: kompletu pól metadanych i spojrzenia na wynik, zanim trafi do folderu.

1. Z ikony rozszerzenia otwórz Opcje i ustaw folder docelowy tam, gdzie leżą źródła projektu – zrodla/ obok maszynopisu albo folder wewnątrz vaulta.
2. Kliknięcie ikony zostaw na oknie podglądu zamiast „zapisz do folderu”. Przy artykułach naukowych okno jest warte swojego miejsca: to w nim widać, czy data i autorzy naprawdę przeszli, zanim powstanie plik.
3. Ustaw wzorzec nazwy na {domain}-{title}. Serwer preprintów, czasopismo i kopia w repozytorium to trzy różne dokumenty o tym samym tytule, a w wykazie folderu odróżnia je właśnie domena.
4. Włącz wszystkie pola frontmattera, łącznie z extraction. To ostatnie liczy się tu bardziej niż gdziekolwiek: jsonld-articlebody znaczy, że tekst pochodzi z danych strukturalnych strony, a nie z tego, co się wyrenderowało – a to nie zawsze ta sama wersja.
5. Obrazy zostaw jako odnośniki. Ryciny to zwykle sedno wywodu, a odnośnik mówi przynajmniej, że rycina tam była; pominięcie ich po cichu usuwa fakt, że artykuł ją miał.
6. Gdy istnieją obie, zapisz osobno stronę streszczenia i pełny tekst HTML. Niosą różne metadane – strona streszczenia zwykle ma znacznik citation_date, pełny tekst ma bibliografię.
7. Po pierwszym zapisie od wydawcy, z którego jeszcze nie korzystałeś, zajrzyj do pola date. Jeśli jest puste, ta witryna nie wystawia daty w znacznikach i żadne ustawienie jej nie wyczaruje.

Ustawienia pod folder źródeł

Motywem tej tabeli nie jest szybkość. Chodzi o to, żeby za dwa lata plik nadal mówił, skąd pochodzi i jaką drogą powstał.

---
title: "Powtarzalność oznaczeń wariantów między platformami"
source: "https://czasopismo.example.pl/artykuly/warianty"
author: "M. Ilves, R. Okonkwo"
published: ""
extraction: "jsonld-articlebody"
---

## Streszczenie

Zgodność między platformami spadła poniżej 0,90 dla insercji dłuższych
niż osiem zasad, podczas gdy substytucje zgadzały się we wszystkich
czterech testowanych potokach.

Strona nie zadeklarowała daty publikacji w żadnym miejscu znaczników,
więc pole zostało puste, a nie wypełnione dniem zapisu.

Trzy sposoby użycia

Preprint, który zmienia się pod przypisem

W marcu czytasz v1 preprintu i zapisujesz go. We wrześniu strona streszczenia podaje v3, z przerobionym rozdziałem wyników i dwoma nowymi autorami. Zapisujesz ją ponownie; drugi plik dostaje sufiks liczbowy, zamiast zastąpić pierwszy.

Dowolne narzędzie diff pokazuje teraz dokładnie, które twierdzenia przesunęły się między wersją, którą cytowałeś, a wersją, którą czytelnik znajdzie pod tym adresem. Bez marcowego pliku nie da się w ogóle wykazać, że coś się zmieniło: adres wygląda identycznie, a strona pokazuje tylko swój obecny stan.

Pełny tekst w sesji instytucjonalnej

Artykuł otwiera się dla ciebie, bo jesteś w sieci uczelni albo zalogowałeś się przez bibliotekę. Rozszerzenie czyta to, co przeglądarka wyrenderowała, więc pełny tekst zapisuje się jak każda inna strona, a bibliografia staje się definicjami przypisów [^1] zebranymi na końcu notatki.

Ma to znaczenie pół roku później, gdy sesja wygasła, a ten sam odnośnik żąda zapłaty. Fragment, jego autorzy i data leżą w pliku na twoim dysku i żadna część tego pliku nie zależy od tego, czy abonament jeszcze działa.

Pisanie, ze źródłami w tym samym folderze

Maszynopis leży w artykul/, zapisane źródła w artykul/zrodla/. Każdy cytat w szkicu da się sprawdzić z plikiem, z którego pochodzi, bez otwierania przeglądarki, a adres i data do bibliografii to dwie linie na górze tego pliku.

Ponieważ pliki są zwykłym tekstem, grep po folderze odpowiada na pytanie, na które menedżer bibliografii nie odpowie – nie które artykuły zapisałeś, tylko w których z nich naprawdę pada dane sformułowanie.

Wobec zwykłego obiegu lektur

Większość osób robi już dwie albo trzy z tych rzeczy. Uczciwe porównanie nie polega na tym, że one zawodzą, tylko na tym, że każda gubi coś innego.

Kiedy metadane nie przechodzą

Dlaczego pole daty wyszło puste?

Strona nie wystawia daty, którą rozszerzenie rozpoznaje. Szuka citation_date i citation_publication_date (znaczników arXiv, PubMed i IEEE), potem datePublished z JSON-LD, article:published_time, time[datetime] i znaczników czasu Unix, w tej kolejności. Gdy żadnego nie ma, pole zostaje puste, zamiast dostać dzisiejszą datę – bo wiarygodnie wyglądająca błędna data w folderze źródeł wychodzi na jaw dokładnie w najgorszym momencie.

Dlaczego pole autora jest puste, choć artykuł ma autorów?

Autor jest czytany z danych strukturalnych i znaczników podpisu, a potem odfiltrowywane są typowe fałszywe trafienia: nagłówki sekcji, nazwy czasopism, bloki „kontroli wzorcowej” i etykiety przycisków. Niektórzy wydawcy wstawiają listę autorów w widżet renderowany skryptem, bez żadnych znaczników podpisu, i przez filtr nic nie przechodzi. Puste pole jest świadomym wynikiem – alternatywą bywało „Przejdź do treści” w polu autora.

Dlaczego zapisało się tylko streszczenie, a nie artykuł?

Zapisałeś stronę streszczenia, która w większości serwerów preprintów i czasopism naprawdę zawiera tylko streszczenie. Pełny tekst leży pod osobnym adresem – zwykle za odnośnikiem „pełny tekst”, „HTML” albo „czytnik” na tej samej stronie. Zapisz także tę stronę; obie niosą różne metadane i warto trzymać je jako dwa pliki.

Dlaczego brakuje wzorów?

Matematyka renderowana jako obrazy zostaje odnośnikiem do obrazu, a jeśli obrazy są ustawione na „pomijaj”, znika całkiem. Tam, gdzie wydawca renderuje wzory jako tekst, znaki przechodzą. Konwersji do LaTeX-a nie ma: rozszerzenie czyta to, co strona wyrenderowała, i nie odtwarza notacji z jej obrazka.

Uczciwe granice

Czyta HTML, nie PDF – artykułu, który istnieje wyłącznie jako PDF, rozszerzenie nie przekonwertuje. Nie pobiera BibTeX-u i nie tworzy klucza cytowania: frontmatter to metadane, a nie wpis bibliograficzny. Matematyka renderowana jako obrazy zostaje odnośnikiem do obrazu. A niektóre witryny nie publikują w znacznikach żadnej daty; na nich pole zostaje puste, a nie zgadnięte – to uczciwa odpowiedź, ale wciąż puste pole.

Pytania