PDF Metadata for OJS 3.5.x

Текущая версия: 1.0.1.4. Лицензия: GPL-3.0-or-later.

Готовые пакеты: tar.gz, ZIP, SHA256. Распакуйте каталог pdfMetadata в plugins/generic/, затем зарегистрируйте версию и включите плагин по инструкции ниже. Не устанавливайте поверх копии с несохранёнными изменениями.

В 1.0.1.4 исправлена авторизация standalone workspace и кликабельность launcher в backend OJS. В 1.0.1.3 добавлен автоматический fallback на Ghostscript для серверов без Poppler. В 1.0.1.2 исправлены API-маршрутизация OJS 3.5 и загрузка локализаций. В 1.0.1.1 была восстановлена панель PDF Metadata в Submission → Publication. Нажмите «Загрузить», выберите исходный PDF и язык, извлеките предложения, отметьте нужные поля и проверьте сопоставление авторов. «Применить» обновляет только выбранные поля текущей неопубликованной версии. После сохранения перезагрузите workflow. Существующий DOI не перезаписывается. Текст аннотации сохраняется как безопасный текст; форматирование PDF не переносится.

Этот репозиторий — единственный источник разработки плагина PDF Metadata. Плагин предназначен для OJS 3.5.x и позволяет редактору работать с PDF без обязательной подачи материала через стандартную форму Submission.

Основной режим 1.0.1: полный PDF выпуска

Редактор открывает отдельный инструмент «Разметить PDF выпуска» в backend OJS и загружает один полный PDF номера журнала.

Рабочий процесс:

1. загрузить PDF выпуска;
2. указать диапазон PDF-страниц конкретной статьи;
3. извлечь предложения метаданных;
4. проверить и исправить поля в структуре OJS;
5. сохранить черновик статьи для последующего импорта;
6. повторить для остальных статей;
7. экспортировать проверенные черновики в JSON.

Версия 1.0.1 не создаёт submission и не публикует статьи автоматически из workspace. Это намеренно: сначала выполняется редакторская проверка разметки.

Поля черновика OJS

Publication:

• locale
• sectionId
• issueId (зарезервировано для следующего этапа импорта)
• pages
• prefix
• title
• subtitle
• abstract
• keywords
• citationsRaw
• DOI-кандидат

Author:

• seq
• givenName
• familyName
• preferredPublicName
• email
• orcid
• country
• url
• userGroupId
• includeInBrowse
• affiliations

Affiliation:

• multilingual name
• ROR

Разделы журнала и доступные группы авторов берутся из текущего контекста OJS, без хардкода конкретного журнала.

Дополнительный режим

Сохранена совместимость с ранней логикой работы внутри существующего submission: плагин может извлекать метаданные из исходного PDF уже существующего материала и применять выбранные изменения после явного подтверждения редактора.

Основной дальнейший сценарий разработки — полный PDF выпуска → проверка → создание статей OJS.

Извлечение

Для локальной обработки PDF используется один из backend:

• Poppler: pdfinfo + pdftotext — приоритетный вариант;
• Ghostscript: gs с устройством txtwrite — автоматический fallback, если Poppler недоступен;
• prlimit применяется к обоим backend.

PDF не отправляется в Crossref, GROBID, LLM или иные внешние сервисы.

Для полного выпуска XMP/PDF Info номера не используются как достоверные метаданные отдельной статьи. При разметке диапазона статья анализируется по тексту выбранных страниц. Имена авторов предлагаются консервативно и не разделяются автоматически на given/family name без редакторской проверки.

OCR в 1.0.1 не выполняется. Для сканов требуется PDF с текстовым слоем.

Требования

• OJS 3.5.0-4 или новее в линии 3.5.x;
• PHP 8.2+;
• расширения OJS, включая mbstring и DOM/XML;
• Linux для обработки PDF;
• Poppler (pdfinfo + pdftotext) или Ghostscript (gs с txtwrite);
• util-linux / prlimit;
• закрытый writable-каталог вне web root.

Пример конфигурации config.inc.php:

[pdf_metadata]
temp_dir = /var/lib/ojs-pdf-metadata
secret = "REPLACE_WITH_A_RANDOM_SECRET_AT_LEAST_32_CHARACTERS"
pdfinfo = /usr/bin/pdfinfo
pdftotext = /usr/bin/pdftotext
gs = /usr/bin/gs
prlimit = /usr/bin/prlimit

Каталог:

sudo install -d -m 0700 -o www-data -g www-data /var/lib/ojs-pdf-metadata
php -r 'echo bin2hex(random_bytes(32)), PHP_EOL;'

Установка из Git

Клонируйте репозиторий непосредственно в каталог generic plugins:

cd /path/to/ojs/plugins/generic
git clone https://github.com/damatveev/PDF-Metadata-OJS.git pdfMetadata

Для уже установленной копии:

cd /path/to/ojs/plugins/generic/pdfMetadata
git switch main
git pull --ff-only origin main

Зарегистрировать версию плагина в OJS при первой установке или обновлении версии:

cd /path/to/ojs
php lib/pkp/tools/installPluginVersion.php plugins/generic/pdfMetadata/version.xml

После этого включите плагин в Веб-сайт → Плагины → Установленные плагины → Общие плагины.

Безопасность workspace

• доступ только авторизованным редакционным ролям;
• CSRF-проверка для POST;
• workspace привязан к contextId, userId и текущей сессии;
• PDF хранится только в приватном temp_dir;
• максимальный размер полного выпуска — 150 МиБ;
• максимум 200 сохранённых черновиков статей на workspace;
• диапазон одной статьи — максимум 80 PDF-страниц;
• обработка Poppler/Ghostscript запускается без shell и с resource limits;
• экспорт содержит только сохранённые редактором черновики;
• workspace не пишет metadata в OJS и не создаёт submission.

Структура

PDF-Metadata-OJS/
├── PdfMetadataPlugin.php
├── index.php
├── version.xml
├── classes/
│   ├── IssueWorkspace.php
│   ├── MetadataController.php
│   ├── MetadataParser.php
│   ├── MetadataService.php
│   ├── PdfExtractor.php
│   ├── SubmissionPdf.php
│   ├── Ticket.php
│   └── Failure.php
├── js/pdfMetadata.js
├── js/submissionMetadata.js
├── styles/pdfMetadata.css
├── locale/{en,ru,ru_RU}/locale.po
├── docs/
├── tests/
├── scripts/package.py
└── LICENSE

Разработка

Все дальнейшие изменения выполняются только в этом репозитории. Интеграция в конкретную OJS-инсталляцию должна выполняться через checkout/subtree/deployment из этого репозитория, а не редактированием копии плагина внутри репозитория журнала.

Сборка без сторонних Python-пакетов: python3 scripts/package.py. Архивы содержат один верхний каталог pdfMetadata/; .git, исторические архивы и локальная конфигурация в них не попадают.

Workspace UI редактирует title, abstract, keywords, DOI, references, section, pages и строки авторов вида имя | фамилия | email | организация. Расширенные поля схемы зарезервированы для импорта; не все имеют отдельные элементы управления. Разметка выпуска экспортируется в JSON; импорт JSON в OJS в эту версию не входит.

Для PDF submission при Poppler fallback идёт от XMP к PDF Info и эвристикам текста. При Ghostscript используются текстовые эвристики; XMP/PDF Info не считаются доступными, поэтому результат помечается как частичный. Для диапазона выпуска используется только текст. Ненадёжные/отсутствующие данные оставляются для ручной проверки. Сканы требуют внешнего OCR. Настройте upload_max_filesize, post_max_size и лимит тела запроса веб-сервера для выбранного размера выпуска (лимит плагина 150 МиБ). Хранилище workspace не очищается при выходе из сессии: используйте «Очистить рабочее пространство»; администратор должен контролировать объём приватного каталога и удалять старые workspace только вне активных запросов.

См. также:

• Архитектура
• Тестирование
• Совместимость
• История изменений