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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00