一种辅助整理WoS英文论文题录文档的方法（python-docx）

在寻找选题的灵感时，通常需要阅读大量论文。由于英语水平所限，阅读英文速度不够快，于是想到了一种辅助整理WoS英文论文题录文档的方法，从WoS导出标题、作者、来源、年份和摘要等信息，然后结合谷歌文档翻译和python-docx整理成Word文档，用于快速浏览论文主题、方法的分布，并快速定位到符合需求的高价值论文，最后再单独下载这些论文仔细阅读。

1. WoS导出Excel题录

首先在Web of Science中检索文献，然后选择导出Excel格式。

在弹出的框中选择记录x到x，如果少于1000条可以一次性导出；记录内容选择包含摘要的选项。

2. 机器翻译

百度翻译文档需要会员，有道、WPS的文档翻译只支持Word、PPT、PDF等格式，不支持Excel表格。这里使用谷歌翻译Excel文档。

由于谷歌翻译只支持xlsx格式，需要先把xls重新保存成新的格式。

速度非常快，上传后几秒就可以下载译文。

3. 基于python-docx的文档生成与排版

把下载的译文命名为'savedrecs译文.xlsx'，与原文件放在同一文件夹，使用Python程序整合两个文件并排版生成Word。

# -*- coding: utf-8 -*-
import pandas as pd
from docx import Document
from docx.enum.text import WD_ALIGN_PARAGRAPH
from docx.shared import Pt, RGBColor
from docx.oxml.ns import qn

df = pd.merge(pd.read_excel('savedrecs.xlsx')[['Article Title', 'Authors', 'Source Title', 'Publication Year']], pd.read_excel('savedrecs译文.xlsx')[['文章标题', '来源标题', '抽象的']], left_index=True, right_index=True)[['Article Title', '文章标题', 'Authors', '来源标题', 'Source Title', 'Publication Year', '抽象的']]
df.dropna(inplace=True)
document = Document()
document.styles['Normal'].font.size = Pt(12)  # 字体大小
document.styles['Normal'].font.name = 'Times New Roman'  # 西文字体
document.styles['Normal']._element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')  # 中文字体
document.styles['Normal'].paragraph_format.alignment = WD_ALIGN_PARAGRAPH.JUSTIFY  # 两端对齐
document.styles['Normal'].paragraph_format.line_spacing = 1.15  # 行距
document.styles['Normal'].paragraph_format.space_before = Pt(3)  # 段前
document.styles['Normal'].paragraph_format.space_after = Pt(3)  # 断后
document.styles['Normal'].paragraph_format.first_line_indent = document.styles['Normal'].font.size * 2  # 首行缩进

# 增加标题，可能由于版本问题直接改样式不起作用，这里使用h、r2个变量来调整标题格式，分别是paragraph和run格式
def add_heading_func(text, level, font_size, font_color=RGBColor(0, 0, 0), font_bold=True, line_spacing=1.15, first_line_indent=0, space_before=6, space_after=6, en_font='Times New Roman', cn_font='宋体'):
    h = document.add_heading(level=level)
    r = h.add_run(text)
    r.font.size = Pt(font_size)  # 字体大小
    r.font.color.rgb = font_color  # 字体颜色
    r.font.bold = font_bold  # 加粗
    r.font.name = en_font  # 西文字体
    r._element.rPr.rFonts.set(qn('w:eastAsia'), cn_font)  # 中文字体
    
    if level == 0:  # 如果为大标题，居中，西文字体同中文字体
        h.paragraph_format.alignment = WD_ALIGN_PARAGRAPH.CENTER
        r.font.name = cn_font
    else:  # 其他标题两端对齐
        h.paragraph_format.alignment = WD_ALIGN_PARAGRAPH.JUSTIFY

    h.paragraph_format.first_line_indent = r.font.size * first_line_indent  # 首行缩进
    h.paragraph_format.line_spacing = line_spacing  # 行距
    h.paragraph_format.space_before = Pt(space_before)  # 段前
    h.paragraph_format.space_after = Pt(space_after)  # 段后

add_heading_func('论文题录整理', 0, 16, cn_font='微软雅黑')
add_heading_func('一、分类标题1', 1, 12, cn_font='微软雅黑', en_font='微软雅黑', font_bold=False)
add_heading_func('（一）分类标题2', 2, 12)

for i in df.values:  # 循环遍历题录表格
    add_heading_func(i[1] + '（'+ i[0] + '）（' + str(i[5]) + '）', 3, 12, font_color=RGBColor(0x4f, 0x81, 0xbd))
    document.add_paragraph('来源：' + i[4] + '（'+ i[3] + '）')
    document.add_paragraph('作者：' + i[2])
    document.add_paragraph(i[6])
    document.add_paragraph()

document.save('论文题录整理.docx')  # 保存文件

4. 文档输出与整理

Python生成的Word文档如下。

可将标题格式替换到样式中，方便后续进一步分类整理与排版。

5. 不足之处与未来展望

1. 谷歌翻译文档存在少量单元格没有被翻译的情况，原因未知，还需要手动对译文的文件进行一定的检查和修正；未来考虑自动识别未被翻译的内容，补充进行翻译；

2. 可能由于版本原因标题样式没法直接设置，修改到styles['Heading 1']中的样式不起作用，仍需少量的手工操作；

3. 分类整理目前全为手动，未来可考虑结合TextRank、LDA等算法辅助归类。