摘要  为了丰富文章信息，提升读者的阅读体验,本文编写了VBA程序，并利用HTTPS协议自动获取参考文献的DOI信息和超链接。经测试，运行VBA程序后，每50条参考文献大约需要1分钟即可解析完成，对注册过DOI的期刊文献的命中成功率几乎达到100%。对参考文献的体例结构进行精准分析和拆分是VBA程序运行成功的基础，向CrossRef机构申请成为会员使得DOI数据解析不受数据条目的限制，并对今后的数据挖掘提供方便。

关键词  VBA程序; HTTPS协议; DOI

2015年文化产业专项资金项目“中国科技类学术期刊国际传播平台”支持

Email: hxz@scichina.org

PDF全文见：侯修洲, 黄延红. 利用VBA程序和HTTPS协议获取参考文献的doi信息[J]. 编辑学报, 2016, 28(5): 466-469

数字对象唯一标识符 DOI (Digital Object Identifier)是辨识文献关联信息资源的关键字段信息，通过DOI可以快速链接到出版商网站发布的原文网页，也可以获取到该文献的完整Metadata元数据，方便读者下载和管理文献，在网络信息资源利用及文本挖掘方面有不可替代的地位和作用^[1,2]。近年以来，出版商为了丰富文章信息，提升读者的阅读体验，往往会在参考文献中列出各个数据库的链接目标源，DOI及其相关链接便是其中的一种。同时我国已经于2015年12月公布了新的参考文献著录标准GB /T 7714—2015《信息与文献参考文献著录规则》^[3], 在标准中已经明确将DOI作为必备著录项目^[4]。但是在实际编辑出版中, 出版商如何快速获取参考文献的DOI信息呢，在搜索引擎逐篇查询显然不可取，效率、时间和质量都难以保证。VBA程序(Visual Basic for Applications)在编辑出版工作中的应用已经有多人进行了尝试^[5,6]，本文充分利用CrossRef机构的会员身份，尝试借助VBA程序和HTTPS协议自动获取Word文档中的参考文献DOI。

1 DOI查询方法

1.1  简单查询方法

DOI作为CrossRef网站(www.crossref.org)的核心产品，该网站提供了查询DOI的几个方式: 首先可以在其官方首页搜索关键词或主题检索文献信息，可以间接查询到DOI信息; 其次，该网站提供了一个简单查询页面(http://www.crossref.org/simpleTextQuery), 任何人都可以在这个页面注册Email账户，然后将本地的文献信息拷贝到”Enter text inthe box below”搜索框查询DOI信息。每次查询时允许多条批量查询，并且可以附带查询PubMed IDs信息，但是该方法限制每个月最多只能查询1000条，并且还需要将返回的结果网页的数据复制到Word文档中，由于复制的仅仅是文本信息，原文档的格式也难以保留，并且每一个步骤都是手动的，效率也不是很高。中国肺癌杂志的王玥和毛善锋等人^[7]利用VBA编程在Word中实现了自动调用简单查询网页地址、自动填充email和参考文献等功能，但是每个月1000条的文献查询限制阻碍了该方法的推广，并且由于每个刊的参考文献体例格式不一样，实际上，CrossRef网站无法和待查的参考文献作出精确匹配，并且这个简单查询网页的核心只是一个模糊查询算法，难以精准锁定返回每篇文献的DOI。

1.2  利用API接口查询DOI的方式

CrossRef网站已经认识到了简单查询页面不够精准的问题，并且已经开发了一套通过API(ApplicationProgramming Interface, 应用程序编程接口)精准锁定DOI的方法，主要包含两类，即OpenUrl开放链接源和HTTPS协议，这两种方式都允许会员和普通email用户查询，唯一区别是会员查询没有条数限制。需要说明的是，由于注册DOI信息的主要是科技期刊文献，CrossRef网站并不提供基于API接口的书籍、专利、博士论文、会议文集等其他形式的文献查询，所以本文讨论的也主要是如何获取期刊文献的DOI信息。

1.2.1          OpenUrl开放链接源查询DOI

通过OpenUrl开放链接源查询DOI(http://help.crossref.org/using_the_open_url_resolver), 对于会员，其查询格式如下，其中黑色字体部分是用户的用户名和密码：

https://DOI.crossref.org/openurl?pid=username:password&aulast=Maas%20LRM&title=JOURNAL%20OF%20PHYSICAL%20OCEANOGRAPHY&volume=32&issue=3&spage=870&date=2002

对于普通email账户，只需将上面网址中的“username:password”替换为注册过的email账户名即可。

不过无论是会员还是普通用户，对于OpenUrl开放链接源查询方式^[8,9]，上述地址最后返回的网页只是出版商的文章详情页，至于用户怎么从出版商的网页上获取DOI信息，CrossRef是不负责查询的，由于各个出版商的网页格式各种各样，如果想通过网页抓取DOI文本信息，这对程序设计是一个很大的挑战。

1.2.2          HTTPS协议查询DOI

通过HTTPS协议查询DOI(http://help.crossref.org/using_http), 对于会员，其查询格式如下，其中黑色字体部分是用户的用户名和密码：

https://DOI.crossref.org/servlet/query?usr=<USERNAME>&pwd=<PASSWORD>&qdata=|%20Natl%20Acad.%20Sci.%20USA|Zhou|94|24|13215|1997|||

上述网址中”qdata=”之后每一个竖线间隔对应一个字段，分别为刊名、第一作者的姓、卷、期、首页码、出版年。需要提醒注意的是，该网址末尾最后三个竖线不能省略，否则不能获取DOI信息。

对于普通email账户，需要将上面网址中的“usr=<USERNAME>&pwd=<PASSWORD>”替换为注册过的email账户名即可, 其代码为“pid=email账户名”。

相比OpenUrl开放链接源查询方式，HTTPS协议更简单快捷，比如通过HTTPS协议，网页只显示一串简单文本，由于无关信息少，所以打开网页速度非常快，并且可以直接在返回的网页文本中显示DOI，该字段信息被固定在最后一个竖线的末尾，方便后续程序来获取该文献的DOI信息，如图1所示。

图1  利用HTTPS协议获取文献DOI信息的示意图

2 利用VBA程序和HTTPS协议

如果我们想利用HTTPS协议自动获取每条参考文献的DOI，首先面临的是HTTPS协议网址如何获取到文献的基本元数据，并且通过文献的元数据能够唯一确定这篇文献。一般来说，只要解析出文献的刊名、年、卷、首页码即可唯一确定文献，在WORD文档中，解析文献的刊名-出版年-卷-首页码元数据、启动HTTPS协议网址、获取到返回网页的文本并解析出DOI信息，以及最后决定性的一步，即将该DOI信息按照一定的格式填写到文献末尾, 所有这些任务都可以交给VBA程序来完成。

2.1  解析文献元数据

以Science ChinaPhysics, Mechanics &Astronomy一篇参考文献为例，我们尝试分析一下这篇文献的体例格式：“Roberts P H,Glatzmaier G A. A three-dimensional self-consistent computer simulation of ageomagnetic field reversal. Nature, 1995,377: 203–209”。经过分析，我们得出结论：这篇文献的体例为【作者.文题.刊名,年,卷:首页码–尾页码】，那么转换为程序语言则需要首先识别出【*.*.*,*,*:*】这样的段落，然后再作数据解析拆分，即能得到该参考文献的刊、年、卷、首页码信息，其中*为通配符，句点、逗号和冒号则是拆分段落中各元素时的标记位置，拆分函数代码如下：

n1= InStr(x, ".")         ‘第一个句点出现的位置

n2= InStr(n1 + 1, x, ".")  ‘第二个句点出现的位置

n3= InStr(n2 + 1, x, ",")  ‘第二个句点之后第一个逗号的位置

n4= InStr(n3 + 1, x, ",")  ‘第二个句点之后第二个逗号的位置

n5 = InStr(n4 + 1, x, ":")    ‘第二个句点之后第二个逗号之后第一个冒号的位置

上述代码中，Instr为VBA中的字符串函数，主要功能是获取指定字符在字符串首次出现的位置，以“n2= InStr(n1 + 1, x, ".")”为例，其中，n1+1是寻找的起始位置，x为寻找的字符串，”.”是寻找的字符。后面“‘”代表注释部分。

接下来我们要根据上述拆分点解析出具体数据，代码如下：

j = Trim(Mid(x, n2 + 1, n3 - n2 - 1))        ‘期刊名

year = Trim(Mid(x, n3 + 1, n4 - n3 - 1))     ‘出版年

vol = Trim(Mid(x, n4 + 1, n5 - n4 - 1))      ‘卷

If InStr(vol, "(") > 0 Then                

vol = Trim(Left(vol, InStr(vol, "(")- 1))    

End If

ref.SetRange ref.Start + n5 + 1, ref.End      

fpage = Trim(ref.Words(1).Text)            

其中，Trim函数功能为删掉字段首尾空格，Mid, Left函数为取值函数，其意义和Excel中的同名函数一致。

2.2  启动并发送HTTPS协议

   当我们获得了文献的关键数据之后，就可以启动HTTPS协议了，具体过程如下：

link= "https://DOI.crossref.org/servlet/query?usr=用户名&pwd=密码&qdata=" & “|” & j & “|”& “|” & vol & “|” & “|” & fpage & “|” & year & “|”& “|” & “|”    ‘组合为HTTPS协议网址

Sethttp = CreateObject("Microsoft.XMLHTTP")    

http.Open"POST", link, False                  

http.send""            ‘发送http协议请求网址

2.3  获取返回数据并解析DOI信息

Ifhttp.Status = 200 Then        

re= http.responsetext       ‘获取http协议返回文本

DOI= Trim(Mid(re, InStrRev(re, "|") + 1, Len(re) - InStrRev(re,"|") - 1))   ‘解析DOI数据

ref.SetRangeref.End-1, ref.End – 1            ‘创建写入位置

ref.Select

ActiveDocument.Hyperlinks.Add

Anchor:=Selection.Range,Address:="http://dx.doi.org/"& DOI, TextToDisplay:=" [CrossRef]"                    

EndIf

3 主函数过程

综合上述代码，主函数过程如下：

SubDOI()

Setmyrange = Selection.Range    ‘对选定的段落进行操作

ForEach i In myrange.Paragraphs  

Set ref =i.Range                              

If ref Like"*.*.*,*,*:*" Then            

x = ref.Text           ‘提取识别段落的文本

“2.1  解析文献元数据相关代码”

“2.2  启动并发送HTTPS协议相关代码”

“2.3  获取返回数据并解析DOI信息相关代码”

    End If

Next

End Sub

需要说明的是，必须先选中参考文献，才可以运行VBA程序，有关VBA程序的函数解释、界面介绍、录制宏及运行程序等方面可以参考文献[7], 经测试，运行50条参考文献查询大概需要1分钟，对注册过DOI的期刊文献的命中成功率几乎达到100%。最终运行程序后的结果如图2所示, 图中CrossRef已经自动带上了DOI的超链接。

图2  利用VBA程序和HTTPS协议获取文献DOI信息的示意图

4  总结

本文利用VBA程序和HTTPS协议成功自动解析出了参考文献的DOI信息，需要说明的是，由于期刊均有自己特有的文献体例格式，所以本文中的拆分规则不可能也没必要去适应所有期刊的体例格式，这里只是提供一个解决问题的思路，具体问题还需具体分析，比如还是上面那篇文献，有的期刊体例格式可能是如下形式：“P. H. Roberts,and G. A. Glatzmaier, A three-dimensional self-consistent computer simulationof a geomagnetic field reversal, Nature 377, 203 (1995)”，经分析，此体例可以拆分为【*and 作者, 文题, 刊名卷, 首页码 (年)】，那么转换为程序语言则需要首先识别出【*and*, *, * (*)】这样的段落, 然后再按照这个数据特点进行进一步的拆分。

此外，注册为CrossRef网站的会员非常必要，相比普通email用户，会员用户获取该网站的引文信息更加便捷，几乎没有任何限制，并且可以免费获得CrossRef的技术支持。

5  参考文献

1. 任瑞娟, 孙玲玲, 赵然, 等. DOI 在网络信息资源管理中的应用价值分析[J]. 情报科学, 2010, 28(8): 1143-1146,1228

2. 张欣欣, 缪弈洲, 张月红. CrossRef文本和数据挖掘服务——《浙江大学学报(英文版)》的实践[J]. 中国科技期刊研究, 2015, 26(6): 594-599

3. 信息与文献参考文献著录规则: GB/T 7714—2015 [s]. 北京: 中国标准出版社, 2015

4. 陈浩元. GB/T 7714新标准对旧标准的主要修改及实施要点提示[J]. 编辑学报, 2015(04): 339-343

5. 刘铁英, 张小白, 叶慧玲. Word VBA及宏在科技期刊编辑中的应用[J]. 编辑学报, 2007, 19(1): 47-48

6. 游中胜, 李若溪, 欧红叶, 等. 利用 WordVBA及宏实现编校信息快速查询[J]. 编辑学报, 2009, 21(1): 72-73

7. 王玥, 毛善锋, 刘谦. Word文档中通过CrossRef自动查询与整合英文参考文献DOI的实践[J]. 中国科技期刊研究, 2013, 24(2):333-337

8. 黄美君, 姜爱蓉. 合适的链接最佳的服务——SFX与CrossRef/DOI交互作用探讨[J]. 图书情报工作, 2006, 50(3):93-96

9. 李广建, 李亚子, 蒋君. OpenURL标准的版本演化及比较分析[J]. 图书馆杂志, 2009, 28(7):53-59