# extract-cite 中文文档

规范地址：https://npmcn.com/package/extract-cite/

版本：1\.0\.112
npm 元数据更新时间：2026-11-03T15:11:27.820Z
中文译文更新时间：2026-11-03T15:36:50.006Z
软件包许可：rights\.institute/PROSPER

本文由上游 README 机器翻译，可能存在偏差，请结合原文核对 API、命令与配置。版权与许可归原作者所有。

原始 npm 页面：https://www.npmjs.com/package/extract-cite
原文对照：https://npmcn.com/package/extract-cite/?lang=original
项目主页：https://github.com/OpenSourceAGI/qwksearch-research-agent#readme
源码仓库：https://github.com/OpenSourceAGI/qwksearch-research-agent

## 关键信息（来自 npm 元数据）

- 包体积（解压后）：8 MB，61 个文件
- 模块格式：ESM + CJS
- TypeScript 类型：包内自带
- 运行依赖：2 个
- 首次发布：2026-10-05T06:42:14.094Z
- 最新版本发布：2026-11-03T15:11:27.163Z
- 已发布版本数：113（近 12 个月 113 个）

## 中文简介

引用任何网页：regex/元数据提取作者，日期，标题和来源，加上一个可选的LLM通过（默认是OpenRouter），完成APA部分，每个字段的置信度评分，标记字段进行审查，提取作者资格和格式

## 安装

```sh
npm install extract-cite
```

也可以使用：`pnpm add extract-cite`、`yarn add extract-cite`、`bun add extract-cite`

## README

# extract-cite

**🤖座席技能** - - - - - - `npx skills@latest add https://github.com/OpenSourceAGI/qwksearch-research-agent --skill extract-cite` （[它涵盖了什么](https://npmcn.com/skills/extract-cite/SKILL.md)）

引用任何网页。两个传递:

1.  **`extractCite`**：直接从HTML读取作者、日期、标题和来源（元标签、署名、JSON-LD、URL模式，以及可选的92k-name数据库，它告诉人们来自组织）。即时，离线，部分。
2.  **`extractCiteLLM`**一个模型调用（默认是OpenRouter），给出部分引用和部分缺失，完成完整的APA引用。 **分数每一部分的自信**， **标记部件以供审查**，并阅读 **作者资格** 从页面的简介。输出在APA 7， MLA 9，芝加哥，哈佛，IEEE和BibTeX。同样的电话 **检查内容**：提取的文本是完整的文章还是付费墙存根，以及标题，导航，侧边栏和页脚块的可读性。

```bash
bun add extract-cite
```

```ts
import { extractCiteLLM } from "extract-cite";

const cite = await extractCiteLLM({
  url: "https://www.npr.org/2023/12/28/1221827923/2023-hottest-year-record-climate-change",
  apiKey: process.env.OPENROUTER_API_KEY, // default provider: OpenRouter
  model: "anthropic/claude-haiku-4.5",    // default
  // baseUrl: "https://api.openai.com/v1" // any OpenAI-compatible API
});

cite.formatted.apa?.text;                  // full APA 7 entry
cite.formatted.mla?.html;                  // with <i> italics, HTML-escaped
cite.confidence;                           // { title: 0.98, publishedDate: 0.95, … }
cite.needsReview;                          // [{ field, confidence, reason }]
cite.citation.authors[0].qualifications;   // { jobTitle, affiliation, credentials, evidence, … }
cite.contentCheck?.verdict;                // "full" | "paywalled" | "truncated" | "blocked" | "not-article" | "unknown"
cite.contentCheck?.tips;                   // [{ region: "sidebar", selector: "aside.sidebar", example, tip }]
```

| 选项 | 默认的 |  |
| --- | --- | --- |
| `url` / `html` / `text` |  | 该页面。一个 `url` 孤独是牵强；通过 `html` 或 `text` 对于阻止服务器的站点。 |
| `apiKey` | `OPENROUTER_API_KEY` |  |
| `model` | `anthropic/claude-haiku-4.5` |  |
| `baseUrl` | `https://openrouter.ai/api/v1` |  |
| `styles` | 所有 | `apa`， `mla`， `chicago`， `harvard`， `ieee`， `bibtex` |
| `reviewThreshold` | `0.7` | 下面的部分进去 `needsReview`。 |
| `maxChars` | `12000` | 发送到模型的页面文本（头和尾）。 |
| `content` | 页面文本 | 你提取的文章(HTML或文本，例如提取网页 `html`)，进行内容检查。 |
| `checkContent` | `true` | 在同一个调用中运行内容检查。 |
| `contentWords` | `3000` | 从一开始，支票上就写着内容。 |
| `fetch` | 全球 | 替换 `fetch` 用于页面和模型调用。 |

### 纤细默认vs。 `extract-cite/full`

默认条目是slim (~60 kB)：确实如此 **不** 绑定92k的人名JSON（约1 MB），因此个人对组织的检测只使用单词启发式。获取名称数据库：

```ts
// Lazy-load it from the jsDelivr CDN (shared, cached; resolves null on failure)
import { extractCite, loadHumanNamesDB } from "extract-cite";
await loadHumanNamesDB(); // or { url, fetch } to self-host

// Or bundle it: same API, names database registered on import
import { extractCite } from "extract-cite/full";
```

`setHumanNamesDB(db)` 注册您已持有的副本。两个条目共享一个数据库，因此导入 `extract-cite/full` 一旦启用它为苗条的导入。

### 内容检查

模型读取第一个 `contentWords` 的话语 `content` 以及页面块的轮廓(`header.site-header (6 words) "Example Ledger Sign in…"`)和返回 `contentCheck`:一个 `verdict`, `signals` （“订阅继续阅读”） `note` 对于读者来说， `contentSelector` 保存文章主体，和 `tips` 对于杂乱的内容，仍然保留（标题、导航、侧边栏、页脚、广告、相关、时事通讯、分享、评论、cookie横幅）。 `selectors` 等于 `{ content, remove }`，在提取网页的条目的形状 `extract-selectors-per-domain.json`． 非判决 `full` 也在 `needsReview` 作为 `field: "content"`。

`formatCitation(citation, style)` 和 `formatCitations(citation, styles)` 离线重新设计结果。

## 它不会做什么

模型的回复不可信。文本被隔离为不可信的数据；字符串被去掉标记；日期必须是真实的；如果作者的名字从未出现在页面上，其置信度上限为0.2，并被标记；作者资格需要在页面上逐字引用，否则就会被删除。页面没有说明的部分返回空标记，而不是猜测。内容检查信号和示例必须在文本中，其选择器必须与页面上的元素匹配，否则它们将被删除。 还是: **检查 `needsReview` 在你引用之前**。

## 从提取网页移动

`extractCite`， `convertURLToDomain` 和 `isURLValid` 过去住在 `extract-webpage` （`src/html-to-cite`）. 这些代码被原封不动地搬到了这里； `extract-webpage` 再出口这三种产品，这样现有的进口就能继续运转。

## 演示

的引文选项卡 [extract-pdf网站](https://npmcn.com/package/extract-pdf/site) （`/demo#cite`)针对新闻、期刊、组织和博客url运行此操作。

```bash
cd packages/extract-cite && bun run test
```

## 常见问题

### extract-cite 是什么？

引用任何网页：regex/元数据提取作者，日期，标题和来源，加上一个可选的LLM通过（默认是OpenRouter），完成APA部分，每个字段的置信度评分，标记字段进行审查，提取作者资格和格式

### 如何安装 extract-cite？

在项目目录运行 npm install extract-cite，或使用 pnpm add / yarn add / bun add。

### extract-cite 支持 TypeScript 吗？

支持。包内自带 TypeScript 类型声明（package\.json 声明了 types 入口），安装后即可获得类型提示，无需再安装 @types 包。

### extract-cite 支持 ESM 还是 CommonJS？

同时提供 ES Module 与 CommonJS 入口，import 和 require\(\) 都可以使用，打包工具会自动选择合适的版本。

### extract-cite 可以商用吗？

extract-cite 使用 rights\.institute/PROSPER 许可。声明的许可为 rights\.institute/PROSPER，请阅读许可原文确认使用条件。以上为概括，不构成法律意见，请以许可原文为准。

### extract-cite 还在维护吗？

最新版本 1\.0\.112 发布于 2026/11/03（今天）；至今共发布 113 个版本，其中过去 12 个月发布了 113 个；首次发布于 2026/10/05。发布频率只是参考信号：功能稳定的工具可能很少需要更新，建议结合源码仓库的 issue 和提交记录判断。