之前有个朋友问我，怎么才能把一篇经典综述的参考文献列表一次性导出来，最好是点个按钮就能拿到完整的文献清单。当时我愣了一下，因为这个问题看起来简单，实际操作起来却涉及“引文网络”“DOI解析”“API调用”好几层东西。后来我发现，很多做综述、写论文、追踪研究方向的人都会卡在这个需求上。今天就把我折腾下来的完整方案、踩过的坑和顺手用的代码一次性讲清楚。
1. 先说清楚：你要导出的到底是什么
1.1 文献引用的两种方向：被引与施引
在做这事之前，先把概念理清楚。我们平时说“参考文献”，严格讲有两种：一种是某篇论文后面列出的参考文献列表，这些文献是“被这篇论文引用”的；另一种是“有哪些后来的文献引用了这篇论文”，在数据库里叫“被引文献”或“引证文献”。
标题里说的“某篇参考文献的所有参考文献”，指的是前者——给定一篇目标文献，导出它引用的全部参考文献。比如你有篇2015年的综述，你想把综述里引用的300篇文献一键导成题录，方便导入Zotero或EndNote，这就是典型场景。
但实际做的时候你会发现，通常大家还想要反向关系：这篇论文被谁引用了？因为写“研究进展”时，往前看和往后看都是刚需。所以后面讲到的方案里，我会两个方向都给出来，只是侧重点不同。
1.2 从“一篇文献”到“参考文献网络”
做这件事的真正难点不在于“导出”，而在于数据从哪里来。一篇文章的参考文献列表，本质上是存在出版社或数据库服务器上的结构化数据。正规获取方式有四种：
- 直接在出版社页面复制：简单但琐碎，只能一篇一篇复制粘贴。
- 用文献管理软件的“抓取参考文献”功能：比如Zotero的“添加附件时抓取元数据”，但并不是所有页面都能正确识别。
- 用学术数据库的导出功能：Web of Science、Scopus、PubMed等都有批量导出，但通常需要订阅权限。
- 用开放API批量拉取：Crossref、OpenAlex、Semantic Scholar等都提供免费接口，一条条结构化返回，这才是“一键”的正确实现路径。
理解了这个链路，你就能明白为什么网上很多教程会先让你安装Python。因为“一键导出”的本质是：用一个标识符（DOI或标题）找到这篇文献，再向数据库请求它“references”字段里的所有条目，最后格式化输出。
1.3 三种需求场景适合不同的工具
我自己把需求分成三类，因为对不同场景，最优方案完全不一样：
场景一：只是临时用一下，需要一两篇文献的引用列表。直接上Connected Papers或OpenAlex网页版，复制结果即可。
场景二：需要整理多篇文献，并导入文献管理器。推荐Zotero + 浏览器插件，或脚本批量跑Crossref API。
场景三：需要构建引文网络、做可视化分析。必须用Python调API，把数据存成结构化表格，再用Gephi或NetworkX画图。
这篇文章会把场景二、场景三讲透，场景一顺带演示。
2. 主流工具怎么选：数据库、文献管理器和开放API
聊方案之前先做个简短的“工具盘点”，否则很多人不知道从哪里下手。我按推荐程度从低到高排。
2.1 数据库自带的“引文关系”功能
Web of Science和Scopus都有“参考文献”和“被引次数”的导出功能。如果学校或机构购买了权限，可以直接在检索结果页勾选“导出为RIS或BibTeX”。这个做法最稳，数据结构最完整，还能直接拿到引用次数。
问题是：很多人没有订阅权限。另外Web of Science的导出有数量限制，一次最多导出500条记录，而且操作界面年年在变，我之前帮学生导出时找新版界面的按钮找了好几分钟。所以我一般把它当作“校验工具”而不是“主力工具”。
2.2 文献管理器与浏览器插件
Zotero和EndNote都能在浏览器里抓取文献信息。装上Zotero Connector后，打开一篇论文的页面，点一下插件图标，它会自动识别页面中的题录信息。对于单篇文章很好用。
但“一键导出参考文献的参考文献”这件事，Zotero默认做不到。它只能抓当前页面描述的文献，不能自动抓取被引列表里的每一条再递归入库。不过有一个变通办法：先把目标文献抓进Zotero，右键选择“查找可用元数据”，或者用“MS Word插件”里的“引用”功能——这都只能解决“管理”问题，解决不了“批量获取引文数据”的问题。
2.3 开放API：Crossref与OpenAlex
这才是“一键导出”的真正答案。Crossref是最权威的DOI注册机构，几乎所有有DOI的英文文献，它的参考文献数据都能查到。OpenAlex是后起之秀，数据覆盖更广，能覆盖更多中文文献和灰色文献。
两个服务都有公共API，无需注册就能使用基础功能。但公共接口有速率限制，如果是大量请求，建议注册免费API Key。
2.4 方案对比表
| 方案 | 数据完整度 | 是否需要权限 | 是否支持批量 | 适合人群 |
|---|---|---|---|---|
| Web of Science / Scopus | 高 | 需要订阅 | 支持，但有限额 | 有机构权限的研究人员 |
| Zotero/EndNote | 中 | 免费/付费 | 弱 | 想管理文献的人 |
| Crossref API | 高（英文期刊） | 免费 | 支持 | 会一点点技术的人 |
| OpenAlex API | 高（国际+部分中文） | 免费 | 支持 | 全面替代型需求 |
| Connected Papers | 中（只有主路径节点） | 免费 | 弱 | 快速探索引文网络 |
这个表格基本回答了一个常见问题：“为什么不用某些数据库自带功能？”答案是：不是不用，而是很多人没有权限；在没有权限的情况下，Crossref和OpenAlex就是最优解。
3. 手把手：用Python调用Crossref API一键导出
这里给出一个可以直接把“某篇文献的所有参考文献”导成CSV/Excel的完整方案。前提是你电脑里装了Python，不用装太新版本，3.9以上即可。需要用到requests和pandas两个库，没装的话在终端执行：
pip install requests pandas这一节的代码可以直接保存成文件，比如export_refs.py，然后在终端运行。全程大概能解决80%的英文文献导出需求。
3.1 准备工作：确定文献的唯一标识（DOI）
先弄清楚目标文献的DOI，这是后期的关键。DOI通常是一串形如10.xxxx/xxxxx的字符串。最省事的方式是在Google Scholar或期刊页面找“Cite”里的DOI。如果是中文文献，DOI不是标配，可以用OpenAlex或Crossref的检索接口，用标题反查。
我习惯先手动确认一次DOI再写进代码，因为标题反查偶尔会匹配到版本不同的预印本或撤稿文章。举个例子，假设我们要导出这篇文献的参考文献：
10.1038/s41586-020-2649-2
这是Nature那篇著名的SARS-CoV-2论文。接下来所有代码都用这个DOI做示例。
3.2 核心代码：一键导出所有参考文献
直接上代码，解释直接放在注释里。
import requests import pandas as pd import time def get_references(doi): # 用Crossref API获取文献元数据，包括references字段 url = f"https://api.crossref.org/works/{doi}" headers = { "User-Agent": "MyResearchScript/1.0 (mailto:your_email@example.com)" } resp = requests.get(url, headers=headers) if resp.status_code != 200: print(f"请求失败，状态码: {resp.status_code}") return None data = resp.json()["message"] refs = data.get("references", []) return data, refs def refs_to_dataframe(refs): rows = [] for ref in refs: row = { "key": ref.get("key"), "doi": ref.get("DOI", ""), "title": ref.get("article-title") or ref.get("volume-title", ""), "author": ref.get("author", ""), "year": ref.get("year", ""), "journal": ref.get("journal-title", ""), "volume": ref.get("volume", ""), "page": ref.get("page", ""), } rows.append(row) df = pd.DataFrame(rows) return df if __name__ == "__main__": target_doi = "10.1038/s41586-020-2649-2" meta, references = get_references(target_doi) if references is None: print("没有获取到参考文献数据") else: print(f"目标文献标题: {meta.get('title', [''])[0]}") print(f"参考文献总数: {len(references)}") df = refs_to_dataframe(references) df.to_csv("references_output.csv", index=False, encoding="utf-8-sig") print("已导出到 references_output.csv")这段代码的运行逻辑很清楚：先请求Crossref的/works/{doi}接口，拿到JSON格式的记录，再从记录的references字段提取所有被引文献的题录信息，最后用pandas整理成表格。
很多人第一次跑的时候会忽略User-Agent，结果被Crossref限流。人家官方文档明确要求带上联系邮箱，不带的话，短时间多次请求会收到HTTP 429。这也是一个比较容易踩的坑。
3.3 代码解读：返回的JSON里到底有什么
跑完上面的代码，你会在终端看到类似这样的输出：
目标文献标题: A pneumonia outbreak associated with a new coronavirus of probable bat origin 参考文献总数: 92输出的JSON里其实有两个大块：message里是目标文献自身的元数据，references是一个数组，每个元素代表一条参考文献。常见字段包括：
DOI：该参考文献的DOI，最关键的字段article-title：论文标题author：作者列表（有时是字符串，有时是数组）year：年份（有时在journal-issue里）journal-title：期刊名volume/page：卷号和页码
Crossref的数据是出版社提交的，不是每个出版社都会结构化提交全部参考文献，所以会有缺失、字段不全的情况。这也是后面“常见问题”部分要重点讲的。
3.4 批量处理多篇文献的扩展版
实际工作中，很少有人只导出那一篇文献。比如你要写综述，手里有20篇核心文献，想把它们引用的参考文献全部汇总去重，做成“候选阅读清单”。
下面这段代码就是对上面的升级：接受一个DOI列表，循环批量拉取，并把所有参考文献合并到一个Excel文件里，增加一列“来源文献DOI”用来追溯。
import requests import pandas as pd import time def fetch_refs_batch(doi_list): all_rows = [] for doi in doi_list: url = f"https://api.crossref.org/works/{doi}" headers = {"User-Agent": "MyResearchScript/1.0 (mailto:your_email@example.com)"} try: r = requests.get(url, headers=headers, timeout=20) if r.status_code == 200: msg = r.json()["message"] for ref in msg.get("references", []): all_rows.append({ "来源文献DOI": doi, "参考文献DOI": ref.get("DOI", ""), "标题": ref.get("article-title") or ref.get("volume-title", ""), "作者": ref.get("author", ""), "年份": ref.get("year", ""), "期刊": ref.get("journal-title", ""), }) else: print(f"{doi} 返回 {r.status_code}") except Exception as e: print(f"{doi} 请求异常: {e}") time.sleep(1) # 控制请求频率，避免触发限流 df = pd.DataFrame(all_rows) return df if __name__ == "__main__": dois = [ "10.1038/s41586-020-2649-2", "10.1126/science.abc9753", # 示例，请替换成真实想查的DOI ] result = fetch_refs_batch(dois) print(f"共收集 {len(result)} 条参考文献记录") result.to_excel("all_references.xlsx", index=False)跑这个批量版本时，注意一定要在每次请求后加time.sleep(1)或至少0.5秒的间隔。不加间隔的话，50篇文献的请求会在很短时间内打过去，很容易触发限流或封禁IP。我实测过，间隔1秒，100篇文献跑下来大概2分钟左右，完全可接受。
如果想更进一步，还能对拿到的“参考文献DOI”做“去重”和“反向引流”——把第一轮得到的DOI再作为输入，继续往回追，这样一层层就能建出一棵引文树。不过要控制层数，两层就足够一般综述使用了，三层以上数据量会爆炸式增长，而且噪声特别大。
4. 常见问题与排查技巧实录
这部分是我实际使用中总结出来的，比代码本身更有价值，建议收藏。
4.1 参考文献列表为空或字段缺失
用Crossref拉某篇论文的参考文献，最常遇到的坑就是：返回结果里references字段为空。这里要先分清楚情况：
- 有些早期文献（1990年代以前）本来就没在Crossref注册参考文献，这种情况怎么请求都没用。
- 有些出版社虽然提交了参考文献，但没有结构化，Crossref拿不到引用关系。
- 有些中文期刊的DOI在Crossref上查不到“references”数据，因为中文期刊的参考文献数据往往只存在于知网或万方。
遇到这种情况，我的做法是换OpenAlex换个数据源试试。OpenAlex的接口更简单：
https://api.openalex.org/works/doi:10.1038/s41586-020-2649-2返回结果里的referenced_works字段就是参考文献列表（这里存的是OpenAlex自己的ID，需要再请求一下把ID换成元数据）。这个方法经常能拿到Crossref缺失的部分。如果两个API都没有，那基本可以断定是数据源没收录，只能去出版社页面人工复制了。
4.2 中英文文献的处理差异
中文文献的DOI普及率很低，这是很多国内学生的痛点。针对中文文献，有两个替代方案：
- 方案一：用Crossref的检索接口按标题查中文标题或拼音标题，能查到部分被收录的中文文献，但参考文献字段通常不完整。
- 方案二：直接用“知网研学”或“NoteExpress”这类国产文献工具。知网研学支持正则表达式批量提取参考文献，选中一篇文献，右键就能导出引文列表，虽然还是不够“一键”，但已经比手工复制强很多。
如果你已经拿到了中文学术论文的PDF，还有个土办法：用pdftotext提取PDF里的参考文献部分，然后用正则表达式切分条目。这个方法效率不高，但对付扫描版以外的PDF是可行的，适合少量文献兜底。
4.3 把“参考文献”变成“被引文献”
在写文献综述时，除了向前追溯，你可能还想知道这篇文章被哪些后来者引用。这个方向的API同样可以用：
- OpenAlex的
cites反查：https://api.openalex.org/works?filter=cites:W000000000 - Semantic Scholar API：
https://api.semanticscholar.org/graph/v1/paper/DOI:10.xxxx/citations
以Semantic Scholar为例，也可以直接请求引用它的文献列表：
import requests paper_doi = "10.1038/s41586-020-2649-2" url = f"https://api.semanticscholar.org/graph/v1/paper/DOI:{paper_doi}/citations" params = {"fields": "title,year,authors,externalIds"} r = requests.get(url, params=params) data = r.json() print(f"被引文献数量: {len(data.get('data', []))}")注意Semantic Scholar这个接口默认只返回100条，需要设置limit或翻页。而且它的限流比Crossref更严格，一本正经地写个“会礼貌等待”的循环是必要的。
4.4 反爬与限流：User-Agent与请求间隔
很多人第一次跑API就发现跑到一半就报429或403。这里有两个“软技巧”：
第一，把User-Agent写清楚，最好带邮箱。官方文档对“有礼貌的机器人”是很友好的。我用的是：
User-Agent: MyResearchScript/1.0 (mailto:yourname@example.com)第二，控制频率。Crossref的免费额度大概是每秒一次，OpenAlex也能到每秒十次。但为了稳定，我习惯把每篇文献之间的间隔设置在1秒以上。做研究又不差这几分钟，别把自己IP搞进黑名单。
4.5 引文网络可视化：让数据真正有用
导出数据只是第一步。很多人把“参考文献列表”导出后，发现几百条文献根本看不完，这时候就需要可视化。
我这里提供一个最简单的方法：把导出的CSV整理成两列——来源文献DOI和目标文献DOI，然后直接导入Gephi生成引文网络图。操作步骤：
- 用pandas读CSV，去掉空白DOI的行。
- 生成一个
edges.csv（source, target）。 - Gephi打开边表，选择“布局→Force Atlas 2”，跑一遍布局就能出图。
Gephi对新手不算友好，但做引文关系图还挺直观。如果不想装软件，可以用NetworkX画一张基础图：
import networkx as nx import pandas as pd df = pd.read_csv("references_output.csv") G = nx.from_pandas_edgelist(df, "key", "doi", create_using=nx.DiGraph()) print(nx.info(G))这里直接用“key”字段作为起点，因为Crossref的references里每个引用都带一个形如“ref1”“ref2”的key。画图的意义在于，你能一眼看到哪几篇文献是整个综述的“枢纽”，这对锁定必读文献非常有帮助。
4.6 常见问题速查表
| 问题 | 原因 | 解决办法 |
|---|---|---|
| API返回429 | 请求太频繁 | 加长sleep间隔，设置User-Agent |
| references字段为空 | 出版社未提交引文数据 | 换OpenAlex或Crossref搜索接口 |
| 标题只有半个或不完整 | 元数据质量差 | 用DOI而不是标题匹配 |
| 中文文献导不出 | DOI不普及 | 用知网/NoteExpress或PDF正则 |
| 没有DOI怎么办 | 早期文献或灰色文献 | 用标题+年份+作者组合检索 |
| 想拿施引文献不知道去哪 | 用OpenAlex或Semantic Scholar | 见4.3节代码 |
这张表里最后一条，我几乎每次讲这个主题都会被问到。所以如果只让你记住一个工具，我推荐OpenAlex，原因是它把“给一篇文献，返回它的引用和被引”这件事做得最顺，而且完全免费。
5. 实操总结与我的个人体会
工具和方法讲到这，基本算是闭环了。下面聊点纯经验的东西。
5.1 工具的边界要心里有数
没有哪个工具能把所有参考文献100%完整导出，这是必须接受的事实。Crossref的优缺点是“覆盖广”和“字段不全”并存，OpenAlex覆盖更全面但部分数据是自动解析出来的，偶尔会有错误。所以无论如何，对于自己论文里真正引用的文献，最后都要用人工校对一遍，千万别把API跑出来的结果直接当成最终文献列表交给导师。
我自己的习惯是，批量导出后，在Excel里做三轮筛查：第一轮去掉没有DOI的记录，第二轮把标题明显残缺的挑出来人工补齐，第三轮把重复文献去重。几轮下来，几十篇的错误率能被压到极低。
5.2 我的最终习惯流程
如果你只需要一个行动指南，按下面这个来：
- 单篇英文文献：用3.2节的脚本，直接导出CSV。
- 多篇核心文献做综述：用3.4节的批量脚本，汇总后去重，再加一层OpenAlex补充缺失。
- 需要可视化引文网络：先把结果用NetworkX或Gephi画图，把“枢纽文献”挑出来优先阅读。
- 中文文献：直接用知网研学或NoteExpress，不用花时间调API。
这个流程我用了快三年，从硕士到博士阶段一直都在用，写综述的效率确实比周围人快不少。最后再分享一个命令行里的小技巧：如果只是想要一眼看清这篇文献引用了哪些年份的文献，可以在导出后加一行代码：
df["年份"] = pd.to_numeric(df["年份"], errors="coerce") print(df["年份"].value_counts().sort_index())这样就能知道这篇文献的引用是否偏旧，是否遗漏了近几年的重要文章——论文审稿人最爱问的“近三年文献引用不足”问题，用这个办法可以提前自查。做研究没有银弹，但把工具链路跑通之后，省下来的时间足够你多读几篇真正有价值的论文了。
