电脑里堆了上百篇中文 PDF文件名五花八门基于深度学习的XXX_知网_2023.pdf、新建文档(4).pdf甚至还有一串完全乱码的字符。以前我习惯把 PDF 往 Zotero 里一拖指望它自动识别结果一篇篇全是英文乱码标题有的干脆变成“Untitled”看着就血压飙升。后来我装了Jasminum茉莉花插件整个工作流才顺起来。茉莉花不是给 Zotero 换皮肤的它专治中文文献元数据抓取这一件事识别中文 PDF 的标题、作者、期刊去知网、万方、维普把题录信息补齐还能按规则重命名附件。对需要管理中文文献的研究生、青椒、科研打工人来说它是 Zotero 生态里少见的“刚需插件”。这篇文章就把我从安装、配置到实际使用踩过的坑一次性讲清楚。1. Jasminum 插件到底是干什么的1.1 没有茉莉花之前中文 PDF 入库是什么体验先说你最痛的那个场景。从知网下载论文文件名往往是基于深度学习的交通流量预测_张明_2023.pdf或者干脆是系统生成的download_abc123.pdf。你把它拖进 Zotero它默认会尝试从 PDF 内嵌的元数据里读取信息。问题在于国内很多 PDF 的内嵌元数据要么是空的要么是乱码要么写的是英文刊名对应信息Zotero 根本匹配不到正确题录。结果就是文献库里出现一串“B2C76F5E.pdf”这样的条目标题是文件名作者是空的期刊是空的DOI 也是空的。你只能手动一篇篇改改一篇起码三分钟改一百篇就是一下午还容易改错。茉莉花解决的就是这个过程。它做的事情可以拆成三层识别从文件名或 PDF 正文里找到文献的真实标题、匹配拿着标题去知网/万方/维普检索、回填把标题、作者、期刊、摘要、关键词、页码全部写回 Zotero 条目。识别靠的是文件名解析规则和 PDF 文本提取匹配靠的是对中文数据库网页结构的适配回填靠的是 Zotero 提供的条目写入接口。1.2 茉莉花的核心能力从文件名到完整题录具体到操作层面它给你提供了几个很实用的入口。选中一篇或几篇 PDF右键菜单里会出现“抓取 PDF 元数据”这时茉莉花会先看你的文件名是不是有规律比如作者_年份_标题这种或者标题_期刊_年份这种它内置了一批常见格式的正则去拆解。拆不出可靠标题时它会把 PDF 前几页的文字提取出来寻找页面上最像论文标题的那句话。拿到标题后再去数据库检索知网抓不到就换万方万方没结果就试维普逻辑是依次尝试的。匹配成功之后作者、年份、期刊名、卷期、页码、摘要、关键词都会自动填进条目。如果你开启了附件重命名PDF 附件本身也会被改成类似张明-2023-基于深度学习的交通流量预测.pdf这样的格式。这还没完。对于已经从知网导出的文献比如你从知网勾选了一批文献导出了 RIS 或 Refworks 格式的文件有时候中文会乱码茉莉花也能在导入时做编码识别和清洗避免“锟斤拷”出现在你的文献库里。1.3 和 Zotero 原生“Find Available Metadata”的本质区别Zotero 自带一个「Find Available Metadata」功能选中条目右键就能用。它主要依赖 DOI 和 ISBN 去 Crossref 之类的外文数据库里找信息。对英文文献来说很好用DOI 一填题录基本全回来。可到了中文文献这儿它的表现就很尴尬中文论文很多没有注册 DOI就算有Crossref 也不一定有完整的中文题录而知网、万方这种平台的数据Zotero 原生插件根本读不到。茉莉花走的是另外一条路直接解析中文数据库的网页页面把检索结果里的字段抓出来。所以它和原生功能不是替代关系而是互补关系。英文文献交给原生功能中文文献交给茉莉花。两者装在一起互不干扰。2. 安装篇把 Zotero 7 和 Jasminum 组合起来2.1 第一步装对 Zotero 本体6 还是 7装插件之前先确认你的 Zotero 版本。Zotero 7 是目前的新主线版本界面改了底层框架也换了Zotero 6 是上一代还有不少老用户在用。茉莉花对两个版本都有适配但你必须下载对应版本的插件文件不能拿 6 的插件硬塞给 7装不上事小把配置弄乱了才麻烦。Zotero 本体建议直接从官网下载。Windows 版是 exe 安装包macOS 版是 dmgLinux 版有 tar.gz 压缩包。如果你之前在 Zotero 6 里积累了大量文献数据升级到 7 之前最好先备份一下数据目录路径可以在「编辑—首选项—高级—文件和文件夹」里看到。我见过不少人升级后突然发现存储路径变了附件全部变成灰色其实就是数据目录没对上后面第 5 章会细讲。2.2 第二步Jasminum 插件安装的三种方式第一种是最省事的如果你已经装了 Zotero Addon Market 这个插件直接在插件市场里搜索 Jasminum认准“Jasminum: 中文文献附件与元数据增强”这个名字点安装就行版本和 Zotero 7 的兼容性它会自动判断。第二种是去 GitHub 的 Releases 页面下载.xpi文件。在 Zotero 界面里点击「工具—插件—右上角齿轮图标—Install Plugin From File」选中下载好的 xpi。Zotero 7 还有一个更快的办法直接把 xpi 文件拖进 Zotero 窗口会弹出是否安装的确认框。第三种适合喜欢折腾的人在 Zotero Addon Market 的 GitHub 仓库里找它的插件源列表把市场源配到 Zotero 的插件管理器里。这个方式适合一次性安装几十个插件的人但对普通用户没有必要我只推荐前两种。注意下载插件时留意版本号后缀带没带-z7之类的标识不同分支对应不同 Zotero 版本。装错了 Zotero 会提示“incompatible”连界面都打不开。2.3 第三步装完后的第一轮设置装完茉莉花先别急着用去「编辑—首选项—Jasminum」里看一遍设置项。我印象里这些选项在不同版本里位置和名称会有微调但核心就几类抓取源开关知网、万方、维普三个源默认可能全开。实际全开的问题在于如果第一个源请求超时整条抓取链路会等很久。我的建议是用哪个学校数据库方便就留哪个其余关掉抓取速度能快一截。附件重命名规则这是重头戏。你可以定义 PDF 重命名的模板把作者、年份、标题按需要组合。文件名识别规则这里会列出茉莉花内置的几种常见文件命名模式你也可以自己写正则。改之前先保留一份现有配置的截图免得调乱了找不到原样。是否允许自动更新条目有些版本支持对已存在的条目再补信息。这个功能好用但我建议把它设成“手动触发”不要让插件每次启动都自动联网扫一遍不然打开 Zotero 时总会卡几秒。2.4 Zotero 数据存储路径与插件的关系这里要顺带说一个很多人搞混的概念。Zotero 的存储路径有两层一层是数据目录里面包含storage、cache、styles等子目录另一层是“链接附件基础目录”是当你选择“链接文件”而不是“复制文件”时才用的。茉莉花重命名 PDF 时操作的是数据目录里的附件文件不是你在下载文件夹里那个原始 PDF。很多人问“Zotero 的论文存储路径在哪怎么改”答案是你基本不需要改也不建议手动去改。Zotero 的数据目录一旦移动要么用「导入导出—导入 Zotero 数据」的方式迁移要么直接改首选项里的数据目录设置。手动去 storage 里挪文件轻则附件显示不出来重则整个文献库的相对路径全乱。茉莉花的价值就在于它在 Zotero 的体系内帮你自动把附件名整理好而不是让你去手动维护存储目录。3. 实操篇用茉莉花把中文文献盘活3.1 批量拖入 PDF右键“抓取 PDF 元数据”先把一批 PDF 全选拖进 Zotero。这时候你会发现条目标题还是文件名先不要慌。全选这批条目右键找到「抓取 PDF 元数据」茉莉花会开始逐篇处理。处理过程是先按文件名拆解候选标题再来正文提取校验最后去数据库匹配。你可以在右下角看到进度反馈。我的经验是每次批量处理的文件不要超过 50 篇一次拖 200 篇中间一旦某个源开始限流整个队列都会卡住你根本不知道卡在哪一篇。批量抓完之后重点检查两类一是文件名完全没有规律、正文第一页又是扫描图的 PDF这类大概率抓不到二是标题里带“基于”这种词特别多的容易匹配到类似题名的其他论文。茉莉花匹配回来的是它认为最像的那条不代表百分百正确人工扫一眼是必要的。3.2 从知网/万方/维普抓取完整题录的过程与原理茉莉花的抓取原理说起来不复杂它拿到候选标题之后去目标数据库的检索页面发起搜索再把结果页 HTML 里对应的字段解析出来。这里有个关键技术点——中文网页的编码。知网早年很多接口返回的是 GBK 编码如果插件不做解码处理抓回来的中文就会乱码。茉莉花内置了编码识别这也是它比普通英文抓取脚本更适合中文文献的原因。如果你是从知网导出文献条目再导入 Zotero同样可以走茉莉花的清洗逻辑。举个例子你在知网勾选了 20 篇文献选择“导出文献—Refworks”格式把文件存下来。导入 Zotero 时如果中文乱码可以先用文本编辑器把文件转成 UTF-8再导入而装了茉莉花之后它在导入环节通常能自动识别和处理少一道手动工序。3.3 更新条目信息给旧文献补全摘要、关键词、页码茉莉花不只能服务刚拖入的新 PDF。以前手动录过的中文条目也可以选中然后右键找「更新条目信息」或者类似的入口不同版本名字略有差异让它去数据库把缺的摘要、关键词、页码补回来。我习惯在写文献综述前做一次批量更新。理由很简单写综述时经常要引用某篇早期文献的实验数据但老条目里只有标题和作者没有摘要。与其重新下载 PDF 看不如先让茉莉花把摘要拉回来直接 Zotero 里扫一眼就知道是不是需要精读。更新条目有个细节值得注意它可能把原本你手动改过的字段覆盖。比如你之前给某篇文献标注了“已被某文引用”之类的本地笔记更新题录不会动笔记但如果期刊名版本不同可能会被替换成数据库里的写法。介意的话先对重要的条目单独操作不要批量全选。3.4 让 PDF 附件重命名规整把附件重命名打开后茉莉花抓取成功的同时会把 PDF 文件改成规则化的名字。默认规则通常包含作者、年份、标题你可以把标题里的特殊符号做替换比如冒号换成空格斜杠去掉。这个功能的实际价值不只在 Zotero 内部好看。当你把文献库导出给同事或者在本地目录里翻找某一篇 PDF 时一个规整的文件名能省很多时间。更关键的是文件名里尽量不要保留/、\、:这类特殊字符否则在 Windows、macOS、Linux 三个系统之间拷贝时会出各种怪问题。茉莉花如果遇到这种情况会做替换处理但你自己设置命名模板时也要注意别把特殊字符写进模板。4. 配置细节与避坑建议4.1 抓取源怎么勾选才合理三个数据库各有脾气。知网收录最全但访问限制也最多万方对期刊论文覆盖不错学位论文不如知网维普在部分老刊物的全文获取上有优势。我的建议是如果你的学校同时买了三个库的权限抓取源全部打开没问题如果某个库每次抓取都超时那就把它关掉只留好用的那个。还有一点容易被忽略抓取源优先级。有些版本允许你调整先后顺序这会直接影响抓取速度。把响应快的源放前面比如万方有时比知网快可以先试万方。顺序设置好之后茉莉花就不会每次都在最慢的那个源上浪费十几秒。4.2 文件名解析规则会正则的人有额外红利茉莉花的文件名识别本质是拿正则去匹配。它默认已经带了一堆规则比如作者_年份_标题、标题_期刊_年份、[作者]文献标题.pdf等等。但真实世界的文件命名永远比规则更离谱。我记得有个朋友下载的文献全是被知网重命名过的知网空间xxxx_1.pdf这种格式默认规则根本拆不出作者。后来他自己加了一条正则把知网空间前缀剔掉再去匹配标题字段识别率立刻提上来了。所以我的看法是不用担心不会写正则但如果你会茉莉花在你这儿的潜力会大很多。不会写也不想学就用默认规则同时在下载文献时尽量保留原始文件名别手动改成奇怪的名字。4.3 自动化程度别拉满保留人工确认环节茉莉花支持很多自动化选项比如自动下载附件、自动重命名、自动更新元数据。我的态度是重命名和抓取元数据可以开但“自动”这两个字要克制。原因特别简单有一次我用全自动模式处理了八十多篇文献半小时后回头看里面有七篇被匹配到了同名的不同论文因为那批 PDF 的标题太常见数据库返回了多条候选结果插件选错了。如果是手动确认模式它会停下来让你选全自动模式则直接选了一个填进去。批量操作时这种错误很容易被带过去。所以我把批量抓取都设成“需要确认”的模式宁可多花几分钟人工点一下也别存一批错误题录。4.4 容易被忽略的注意事项这里列几个我实际踩过的小坑。第一网络环境抓取过程依赖数据库的网页接口校园网的验证页面有时会拦截非浏览器请求导致所有抓取全部失败。第二反爬限制连续大规模抓取可能触发数据库风控表现为抓几篇之后就超时或返回空白。遇到这个情况停半小时再继续别硬刚。第三别把非 PDF 文件丢给茉莉花比如你把一个 .caj 文件强行拖进 Zotero它能识别 PDF 但识别不了 CAJ右键抓取元数据大概率没反应。CAJ 格式是知网的老格式最好先转成 PDF 再入库。还有一点茉莉花的新版本和 Zotero 7 组合得不错但部分老版本文档页里提到的功能在新版里位置变了网上教程截图可能对不上。你在设置时找不到某个选项优先看插件当前的官方说明别执着于旧教程里的路径。5. 真实坑位图鉴装完、用起来之后的问题排查5.1 抓取失败文件太乱、数据库拒绝、网络超时先说最常见的“右键抓取 PDF 元数据半天没反应”。三步排查第一看那篇 PDF 有没有文字层如果是一个纯扫描版茉莉花根本提不出标题自然也没法匹配这种情况后面第 6 章会讲先用 OCR第二看文件名是否实在太简单比如就叫“1.pdf”茉莉花拆不出任何候选信息第三看是不是网络问题换一个网络环境或在浏览器里先访问一次知网确认能打开检索页面再回来试抓取。有一次我抓一批学位论文每篇都是十几 MB 的扫描版 PDF抓取失败率接近九成。后来我把这批 PDF 全部跑了一遍文字识别再交给茉莉花成功率直接到七成以上。说明工具之间是配合关系不是单打独斗就能通吃所有情况的。5.2 部分成功部分失败批量任务的正确姿势批量抓取最常见的结局是“一半成功一半失败”。成功的那批已经重命名了失败的那批还保持原样。我的处理思路是先把成功的条目用「已恢复标题」之类的智能文件夹筛出来把失败的单独筛选出来再针对失败原因分类处理。不要反复对同一批失败文件全选重试那样容易触发数据库限流。正确姿势是先挑五篇试一下确认抓取链路通没通通了再处理剩下的还是不行就换抓取源。还有一招把失败的那几个条目手动改成“标题”字段比如从知网页面复制标题粘贴到 Zotero 条目的标题栏然后再对这条执行「更新条目信息」。因为此时插件已经拿到了准确标题不需要再从 PDF 里猜成功率会高很多。5.3 Translate for Zotero 突然无法使用Zotero 的翻译插件是另一款常用插件。翻译插件坏掉的时候很多人第一反应是插件冲突其实大多数情况是翻译接口的配置问题。你需要在翻译插件设置里填写可用的翻译服务来源比如百度翻译开放平台、有道智云或者你本地自建的翻译接口。最容易出的错是密钥填错、接口地址填错、以及把服务来源选成了不可用的选项。我的排查步骤是先看设置里选的是哪一项再确认你填写的 API 地址和密钥是配套的最后用插件自带的测试按钮测一下。我不太建议去买那些来路不明的所谓“第三方代理密钥”贪便宜的结果往往是用了几天就失效还要重新配置。注意如果你在设置里看到“本地服务”“自定义接口地址”这类选项那通常是为了让你连接自己可控的服务不是让你去碰不可描述的网络通道。配置时要确保接口地址是你确定能访问的。5.4 附件图标报错 “the attached file is not available”这个报错在 Zotero 7 里出现得挺多点开文献列表附件文件前面一个小红点或灰色图标提示找不到文件。常见原因有三种。第一种是附件类型是 Web 链接不是本地文件只能在联网时打开第二种是你把 Zotero 数据目录移动过或者同步还没下载完第三种是附件的相对路径变了。处理前先确认文件到底还在不在去数据目录的 storage 文件夹下找到那个 8 位随机字符目录看里面有没有 PDF。如果文件在但 Zotero 显示不可用可以右键附件选择「重新关联文件」或者把它删掉重新拖一遍 PDF 再抓一次元数据。如果文件真的丢了只能从备份恢复。我见过太多人电脑重装后Zotero 数据目录没有整体迁移导致几千个附件全部断链所以这里多说一句数据目录可是 Zotero 的命根子换电脑必须用它自己的导出功能或整目录迁移别只复制一个 zotero.sqlite 文件就跑。5.5 在银河麒麟等 Linux 系统上跑 Zotero 的经验有朋友在银河麒麟这类国产 Linux 桌面系统上装 Zotero问我能不能用。Zotero 官方有 Linux 版 tar.gz 包下载后解压直接运行里面的zotero启动脚本就可以。如果双击打不开多半是缺少图形库依赖常见的是libgtk-3和libxss这类库用系统自带的软件包管理工具补装上就行命令很容易搜到不在官方文档里的坑主要是“图标不显示”和“字体发虚”可以通过在启动脚本里设置环境变量临时规避。茉莉花在 Linux 上的安装方式和其他平台完全一样拖 xpi 进去就行。我在 Linux 下没有遇到插件不兼容的问题真正麻烦的反而是中文输入法在 Zotero 搜索栏里的切换不太顺但这和插件无关属于桌面环境的配置问题。愿意折腾的用户可以试试主力机器是 Windows 和 macOS 的同学照常装就行没必要为了一个插件去换系统。6. 进阶从中文文献管理到完整科研工作流6.1 英文文献交给 Zotero 原生功能如果你的文献库里英文文献不少那 Zotero 原生的元数据抓取已经够用。把 PDF 拖进去标题如果能识别它会自动去 Crossref 查 DOI题录就回填了。英文文献文件名混乱的情况也有但英文 PDF 的内嵌元数据普遍比中文规范成功率比中文高一个档次。英文文献和中文文献混在一起管理时我一般先让 Zotero 原生抓一遍英文再用茉莉花批量处理中文两者不冲突。6.2 扫描版文献先 OCR再交给茉莉花前面提到扫描版 PDF 没有文字层茉莉花抓不到。解决办法就是 OCR。Zotero 生态里有专门的 OCR 插件它调用本地的文字识别引擎给 PDF 生成文字层之后茉莉花就能从中读出标题了。安装 OCR 引擎时记得把中文语言包也装上不然识别出来全是乱码。OCR 的时间成本不小一篇几十页的学位论文可能要跑十几分钟。我的策略是先只 OCR 前几页够茉莉花识别标题就行。因为抓取元数据只需要标题不需要全文识别。全文识别留到你要做文本分析时再去跑。这样能节省大量时间。6.3 翻译插件让外文文献读起来不累读英文文献时翻译插件几乎是标配。Translate for Zotero 这类插件支持在 PDF 阅读器里划词翻译和段落翻译。关键是翻译服务的配置。现在很多国产大模型 API 也开放了翻译接口你可以在设置里选对应的服务来源填入 API 密钥就能在 Zotero 里实现比较自然的学术翻译。用不上大模型的话传统的有道、百度翻译也足够。翻译插件和茉莉花之间没有强关联但组合起来就是一套完整流程中文文献交给茉莉花管理外文文献用 Zotero 原生加翻译插件阅读。6.4 用 Zotero Connector 抓网页文献Zotero Connector 是官方浏览器扩展装在 Chrome、Edge、Firefox 之后你在网页上看文献点一下图标就能把它存进 Zotero。这个扩展对中文数据库的适配一直以来都靠社区插件补强茉莉花本身就包含了对知网这类网站抓取逻辑的优化。所以我的使用方式是网页上看到有价值的文献直接用 Connector 抓标题和链接先进 Zotero然后再让茉莉花把题录补齐。这样比先下载 PDF 再导入少一步。6.5 文献笔记与 Obsidian 的联动观察者插件生态里有不少笔记管理插件Zotero 和 Obsidian 联动也是很常见的搭配。Zotero 条目里可以做笔记但要形成自己的知识网络很多人会导出到 Obsidian。操作思路很简单在 Obsidian 里装一个和 Zotero 联动的插件就能把 Zotero 里选中的文献一键生成一条笔记包含标题、作者、DOI、摘要这些字段你在这条笔记里继续写自己的理解和批注。茉莉花在其中扮演的角色是先把题录信息抓干净这样导出的笔记才完整。如果题录本身缺作者缺期刊导入 Obsidian 的笔记也是残缺的。所以我始终认为文献管理的底层是元数据质量元数据干净了上面搭什么都顺手。我个人现在的工作流是下载文献 → 拖进 Zotero → 茉莉花批量抓题录 → 人工抽查确认 → 需要精读的文献进 Obsidian 写笔记。整个过程里茉莉花不是花哨的工具但它是那个让中文文献元数据真正“稳下来”的环节。如果你正在被中文 PDF 入库问题折磨照着这篇文章装一个试试把批量文件数量控制在合理范围内别追求全自动它会成为你文献库里最顺手的一环。