wos-download

WoS 下载

从 Web of Science 下载论文的 PDF 全文。

重要限制

• PDF 访问权限取决于机构订阅。即使是开放获取论文，也可能需要在出版商网站上进行身份验证。
• 跨源下载：a.download 技巧仅适用于浏览器当前位于显示 PDF 的同源页面时。对于跨源重定向（例如 WoS → Wiley），此方法不起作用。
• 出版商登录墙：在没有机构代理的情况下访问时，即使是开放获取论文，Wiley、Elsevier、Springer 等也可能重定向到登录页面。

步骤

步骤 1：导航到完整记录

如果当前不在完整记录页面：

navigate_page({
  url: "{BASE_URL}/wos/woscc/full-record/{WOS_ID}",
  initScript: "Object.defineProperty(navigator, 'webdriver', {get: () => undefined})"
})

步骤 2：查找全文链接

async () => {
  for (let i = 0; i < 20; i++) {
    if (document.querySelector('[data-ta="FullRTa-fullRecordtitle-0"]')) break;
    await new Promise(r => setTimeout(r, 500));
  }
  await new Promise(r => setTimeout(r, 1000));

  const title = document.querySelector('[data-ta="FullRTa-fullRecordtitle-0"]')?.textContent?.trim() || '';

  const links = [...document.querySelectorAll('a[data-ta^="FRLinkTa"]')].map(a => ({
    text: a.textContent?.trim()?.replace(/open_in_new/g, '').trim(),
    href: a.href,
    dataTa: a.getAttribute('data-ta')
  }));

  const doiEl = document.querySelector('a[href*="doi.org"]');
  const doi = doiEl?.href || '';

  return { title, links, doi };
}

步骤 3：打开全文链接

导航到出版商链接：

navigate_page({
  url: "{CHOSEN_LINK}",
  initScript: "Object.defineProperty(navigator, 'webdriver', {get: () => undefined})"
})

步骤 4：检查 PDF 状态并尝试下载

async () => {
  await new Promise(r => setTimeout(r, 5000));

  const url = window.location.href;
  const contentType = document.contentType;

  // Direct PDF — trigger download immediately
  if (contentType === 'application/pdf') {
    const a = document.createElement('a');
    a.href = url;
    a.download = '{FILENAME}';
    document.body.appendChild(a);
    a.click();
    document.body.removeChild(a);
    return { status: 'downloaded', url };
  }

  // Publisher HTML page — look for PDF links
  const pdfLinks = [...document.querySelectorAll('a')].filter(a => {
    const href = a.href || '';
    const text = a.textContent || '';
    return href.includes('/pdf/') || href.includes('.pdf') ||
           text.toLowerCase().includes('download pdf') || text.toLowerCase() === 'pdf';
  }).map(a => ({
    text: a.textContent?.trim()?.substring(0, 50),
    href: a.href?.substring(0, 120)
  }));

  // Check for access denial
  const bodyText = document.body.innerText?.substring(0, 1000) || '';
  const loginRequired = bodyText.includes('Sign in') || bodyText.includes('Log in') ||
                         bodyText.includes('Individual login') || bodyText.includes('Institutional login');
  const paywall = bodyText.includes('Purchase') || bodyText.includes('Subscribe') ||
                  bodyText.includes('Access Denied');

  return {
    status: loginRequired ? 'login_required' : paywall ? 'paywall' : pdfLinks.length > 0 ? 'pdf_links_found' : 'publisher_page',
    url: url.substring(0, 100),
    pdfLinks: pdfLinks.slice(0, 5),
    pageTitle: document.title
  };
}

步骤 5：处理结果

状态	操作
downloaded	报告成功，文件已保存到默认下载文件夹
pdf_links_found	点击出版商页面上的“Download PDF”链接
login_required	告知用户：“出版商要求登录。请尝试通过机构 VPN/WebVPN 访问，或手动下载。”
paywall	告知用户：“这篇论文需要订阅才能访问。”
publisher_page	告知用户：“当前位于出版商页面，但未找到直接 PDF 链接。”

点击出版商的 Download PDF 按钮

如果状态为 pdf_links_found，使用 take_snapshot 查找 Download PDF 按钮，然后使用 click 点击：

1. take_snapshot → find "Download PDF" link uid
2. click(uid)
3. evaluate_script → wait 5s, check if PDF loaded (contentType === 'application/pdf')
4. If PDF loaded → trigger download with a.download

文件名约定

{FirstAuthor}_{Year}_{ShortTitle}.pdf

示例：Johnson_2025_Citizen-Centric_AI_Government.pdf

已知问题

• WoS 网关链接（/api/gateway?...DestURL=...）会通过 GetFTR 重定向到出版商。最终访问页面取决于机构的访问权限。
• Wiley：没有机构 Cookie 时，即使是开放获取论文，也会显示登录页面。ePDF 阅读器（/doi/epdf/...）是基于 iframe 的阅读器，无法下载 PDF。
• Elsevier/ScienceDirect：如果机构拥有访问权限，可能会直接提供 PDF；否则会显示摘要页面。
• 尝试下载后 SID 丢失：导航到外部出版商网站会清除 WoS 性能条目。返回 WoS 时，请使用基于 URL 的搜索，或先导航到任意 WoS 页面以重新建立 SID。

注意事项

• 此技能需要调用工具 3–4 次：导航到记录 + 提取链接 + 导航到出版商页面 + 下载
• PDF 访问权限取决于机构订阅
• 每次导航都要使用 initScript
• 如果下载失败，建议用户尝试通过机构 VPN 访问，或使用浏览器手动下载