Post #243

顺带宣布一下我们对 ChinaXiv.org 的存档项目。存档项目名定为： ChinaXivXiv 或 ChinaXiv Mirror Project > ChinaXiv 是中科院维护的一个类似 arXiv 的预印本平台（当然规模小很多）。 为啥存它： - 开放获取，根据其 license，只要署源留链即可任意再分发。 - 目前网上没有看到别的地方有它的内容镜像。 - 近几年的新 paper 实际上没有镀 DOI ，显示的 DOI 是假的。 - 声明“永久访问”，实际上他们会删历史版本文件。（我们边爬，他们边删；是否会删论文还不确定，需要长期观察） - 网站极其不稳定。 目前已完成 27k 个有效版本id（一篇论文一般有1~2个版本）的元数据爬取和文件下载。数据量特小，只有~50G。 之后会将文件和元数据都完整的论文传 IA （少部分我们爬取流程还没跑完，ChinaXiv 就把东西删了） （另外还发现有几百篇实际存在的 paper 的详情页根本就打不开，会循环 302 到详情页自身） ＜项目群＞