Zotero Better BibTeX 中处理斜体物种名称的大小写问题
在学术写作中,特别是生物学领域,正确格式化物种学名(由属名和种加词组成)是一项基本要求。这类名称通常需要斜体显示,并且遵循特定的命名规范:属名首字母大写,种加词全小写。然而,当使用 Zotero 的 Better BibTeX 插件导出参考文献时,用户可能会遇到一个特殊问题:斜体文本中的第二个单词被自动转换为首字母大写。
问题现象
当用户在 Zotero 的标题字段中输入类似以下格式的内容时:
Kairomone response in <i>Thanasimus</i> predators to pheromone components of <i>Ips typographus</i>
通过 Better BibTeX 导出后,会得到:
title = {Kairomone Response in {{{\emph{Thanasimus}}}} Predators to Pheromone Components of {{{\emph{Ips}}}}{\emph{ Typographus}}}
可以看到,第二个斜体词对中的"typographus"被错误地转换为了首字母大写形式"Typographus",这不符合生物学命名规范。
问题根源
这一现象源于 Bib(La)TeX 对标题的默认处理方式。Bib(La)TeX 期望标题采用"标题大写"(Title Case)格式,而 Better BibTeX 在导出时会自动执行这一转换。由于"typographus"没有被特别标记为需要保持原样,因此被系统自动转换了大小写。
解决方案
方法一:使用 Zotero 的 nocase 类
最标准的解决方案是在 Zotero 中使用 <span class="nocase"> 标签包裹需要保持原样的文本:
Kairomone response in <i><span class="nocase">Thanasimus</span></i> predators to pheromone components of <i><span class="nocase">Ips typographus</span></i>
这种方法确保文本在 Zotero 内部渲染和导出时都能保持原有的大小写格式。
方法二:修改 Better BibTeX 的导出设置
用户可以在 Better BibTeX 的设置中关闭标题大小写转换功能:
- 禁用"对标题应用标题大写"选项
- 启用"通过将大写单词括在大括号中来应用大小写保护"选项
这种方法适用于不希望任何标题被自动转换的情况。
方法三:使用 Better BibTeX 的后处理脚本
对于需要批量处理大量文献的用户,Better BibTeX 提供了后处理脚本功能。可以添加一个脚本,自动保护所有斜体文本不被转换大小写:
{
"name": "Case-protect italicized text",
"target": "global",
"priority": 10,
"when": "always",
"script": "text => text.replace(/<i>(.*?)<\/i>/g, '<i><span class=\"nocase\">$1</span></i>')"
}
这个脚本会自动将所有<i>...</i>标签转换为<i><span class="nocase">...</span></i>格式。
注意事项
- 这些解决方案仅适用于通过 Better BibTeX 导出的文献
- 如果在 Word 或 LibreOffice 中使用标题大写的引用样式,仍可能导致文本被转换
- 对于生物学文献,建议统一使用方法一或方法三,确保所有物种名称格式正确
通过理解这些机制并选择合适的解决方案,研究人员可以确保他们的参考文献中物种名称的格式始终符合学术规范。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00