GB/T 7714-2015 参考文献样式库:学术写作的终极解决方案
想要轻松搞定学术论文的参考文献格式吗?GB/T 7714-2015 参考文献样式库为你提供了完整的解决方案!这个开源项目汇集了超过200个符合国家标准的中文参考文献样式,支持Zotero、JurisM等文献管理软件,让你告别格式烦恼,专注学术研究。😊
什么是 GB/T 7714-2015 样式库?
GB/T 7714-2015 是中国国家标准《信息与文献 参考文献著录规则》,规定了学术论文中参考文献的著录格式。这个项目正是基于该标准开发的CSL(Citation Style Language)样式集合。
核心功能亮点:
- ✅ 支持双语混排(中文"等"与英文"et al"自动切换)
- ✅ 覆盖全国各大高校和学术期刊
- ✅ 包含作者-日期、数字编号等多种引用格式
- ✅ 兼容Zotero、JurisM等主流文献管理工具
快速入门指南
第一步:获取样式文件
项目提供了多种获取方式,你可以直接访问中文 CSL 样式商店选择合适的样式。
第二步:安装到Zotero
下载.csl文件后,在Zotero中通过"编辑→首选项→引用→样式→+"来添加新样式。
第三步:配置语言设置
为了实现中英文混排效果,你需要为每个文献条目设置正确的语言字段:
- 中文文献:
zh或zh-CN - 英文文献:
en或en-US
重要提示: 安装时如果出现"这不是一个有效的CSL 1.0.2样式文件"的警告,这是正常现象,直接忽略即可。
丰富的样式选择
项目包含了各种类型的参考文献样式:
国家标准样式
gb-t-7714-2015-author-date-bilingual.csl- 作者-日期双语版gb-t-7714-2015-numeric-bilingual.csl- 数字编号双语版gb-t-7714-2015-note-bilingual.csl- 注释格式双语版
高校专属样式
- 清华大学、北京大学、复旦大学等顶尖高校
- 各类专业院校的特定格式要求
学术期刊样式
- 涵盖自然科学、社会科学、医学等多个领域
- 满足不同期刊的投稿要求
实用功能详解
双语混排功能
这是项目的核心特色!当引用中文文献时,超过3个作者会显示"等";英文文献则显示"et al"。这种智能切换让你在撰写中英文混合的论文时更加得心应手。
自定义配置选项
你可以根据具体需求选择不同变体:
- 是否显示URL和DOI
- 是否使用全角标点
- 是否保留大写字母
常见问题解决
语言设置问题
如果参考文献显示不正常,检查语言字段设置是否正确。批量修改语言可以使用delitemwithatt插件。
Word插件配置
在Word中使用时,如果工具条不显示,可以通过添加COM加载项的方式解决。
开发者指南
如果你是开发者,想要贡献新的样式:
git clone https://gitcode.com/gh_mirrors/chi/Chinese-STD-GB-T-7714-related-csl
cd Chinese-STD-GB-T-7714-related-csl
pnpm install
pnpm dev
每个样式都需要在src目录下建立独立文件夹,包含.csl文件以及可选的测试数据文件。
项目架构概览
项目采用模块化设计:
src/- 所有CSL样式文件lib/- 核心处理逻辑和工具函数scripts/- 自动化脚本工具
为什么选择这个项目?
- 权威性 - 严格遵循国家标准
- 全面性 - 覆盖绝大多数学术需求
- 易用性 - 开箱即用,配置简单
- 活跃性 - 持续更新,社区支持
无论你是本科生、研究生还是科研人员,这个项目都能为你的学术写作提供强有力的支持。告别繁琐的格式调整,专注于真正重要的研究内容!🚀
开始使用吧! 选择适合你需求的样式,让你的学术写作更加专业、高效。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00