📚 DOI Metadata Extractor

Una aplicación web desarrollada en Streamlit que permite extraer metadatos de DOIs (Digital Object Identifiers) de forma automatizada utilizando la API de Crossref.

🚀 Características

• Extracción masiva: Procesa múltiples DOIs desde archivos CSV o Excel
• Metadatos completos: Extrae títulos, abstracts, autores, fechas y métricas de citación
• Procesamiento paralelo: Utiliza hilos múltiples para acelerar la extracción
• Validación de DOIs: Limpia y valida automáticamente los DOIs
• Configuración flexible: Parámetros ajustables para optimizar el rendimiento
• Exportación múltiple: Descarga resultados en formato Excel o CSV
• Interfaz intuitiva: Diseño limpio y fácil de usar

📋 Campos Extraídos

• Título del artículo
• Abstract (resumen)
• Autores (hasta 5 autores principales)
• Conteo de referencias
• Conteo de citas (is-referenced-by-count)
• Fecha de indexación
• Fecha de creación
• Fecha de emisión
• Fecha de publicación

🌐 Aplicación en Línea (gratis)

Puedes usar la aplicación directamente sin instalación en: https://doi-metadata-extractor.streamlit.app

🛠️ Instalación Local (opcional)

Requisitos Previos

• Python 3.7 o superior
• pip (gestor de paquetes de Python)

Pasos de Instalación

1. Clona el repositorio

   git clone https://github.com/tu-usuario/doi-metadata-extractor.git
   cd doi-metadata-extractor

2. Crea un entorno virtual (recomendado)

   python -m venv venv
   
   # En Windows
   venv\Scripts\activate
   
   # En macOS/Linux
   source venv/bin/activate

3. Instala las dependencias

   pip install -r requirements.txt

4. Ejecuta la aplicación

   streamlit run doi_metadata_extractor.py

La aplicación se abrirá automáticamente en tu navegador en http://localhost:8501

📖 Cómo Usar la App

1. Preparar tus Datos

• Crea un archivo CSV o Excel con una columna que contenga DOIs
• Los DOIs pueden estar en cualquier formato (con o sin https://doi.org/)
• Nombra la columna como 'DOI' o 'doi' para detección automática

2. Configurar Parámetros

En la barra lateral puedes ajustar:

• Número de bloques: Divide el procesamiento para mejor gestión
• Hilos simultáneos: Controla la velocidad de procesamiento
• Reintentos: Número de intentos por DOI en caso de error
• Delays: Pausas para respetar límites de la API

3. Seleccionar Campos

Elige qué metadatos extraer para optimizar el tiempo de procesamiento:

• Título y abstract para análisis de contenido
• Autores para estudios bibliométricos
• Fechas para análisis temporal
• Métricas de citación para análisis de impacto

4. Procesar

1. Sube tu archivo
2. Limpia y valida los DOIs
3. Inicia la extracción
4. Descarga los resultados

📊 Formato de Salida

La aplicación genera archivos con las siguientes columnas:

• doi: DOI original
• title: Título del artículo
• abstract: Resumen del artículo
• autor_1 a autor_5: Autores principales
• reference_count: Número de referencias
• is_referenced_by_count: Número de citas recibidas
• indexed_date: Fecha de indexación en Crossref
• created_date: Fecha de creación del registro
• issued_date: Fecha de emisión
• published_date: Fecha de publicación

⚙️ Configuración Avanzada

Optimización de Rendimiento

• Pocos DOIs (< 100): Usa más hilos (5-10) y menos bloques (1-2)
• Muchos DOIs (> 1000): Usa menos hilos (2-3) y más bloques (5-10)
• Conexión lenta: Aumenta los delays y reduce hilos

Gestión de Rate Limits

La API de Crossref tiene límites de velocidad. La aplicación incluye:

• Delays configurables entre requests
• Pausas entre bloques de procesamiento
• Sistema de reintentos automático
• Procesamiento por lotes

🔧 Tecnologías Utilizadas

• Streamlit: Framework de aplicación web
• Pandas: Manipulación y análisis de datos
• crossref-commons: Cliente Python para API de Crossref
• openpyxl: Lectura/escritura de archivos Excel
• concurrent.futures: Procesamiento paralelo

📝 Limitaciones

• Dependiente de la disponibilidad de la API de Crossref
• Algunos DOIs pueden no tener todos los metadatos disponibles
• Rate limits de la API pueden afectar la velocidad de procesamiento
• La calidad de los abstracts depende de lo que proporcione el editor

🤝 Contribuciones

Las contribuciones son bienvenidas. Para contribuir:

1. Fork el proyecto
2. Crea una rama (git checkout -b nueva_rama)
3. Commit tus cambios (git commit -m 'Agrega una nueva característica')
4. Push a la rama (git push origin nueva_rama)
5. Abre un Pull Request

📄 Licencia

Este proyecto está bajo la Licencia MIT. Ver el archivo LICENSE para más detalles.

📧 Contacto

Si tienes preguntas, sugerencias o encuentras algún error, puedes:

• Contactar al desarrollador: [inktenorio@gmail.com]

🙏 Agradecimientos

• Crossref por proporcionar la API gratuita
• Streamlit por el excelente framework
• La comunidad de código abierto por las librerías utilizadas

---

⭐ Si esta herramienta te resulta útil, ¡considera darle una estrella al repositorio!