手上有 DOI，出版社的頁面卻要求登入，而你只是想看一下研究方法那一節。其實很多時候網路上就有合法的免費版本：作者所屬大學的典藏庫、預印本、PubMed Central。手動找的話要試四、五個網站；用程式找的話，只要依合理的順序呼叫幾個公開 API 就行。

下面的順序來自桌面應用程式 osFoundry 的 Paper 工作區裡的 View 按鈕，它的後端會依序嘗試每個來源，直到有一個回傳真正的 PDF 為止（論文寫作與研究工作區頁面有周邊的畫面）。範例使用兩個真實的 DOI，主題相同：手機放在桌上會不會影響專注力。

• 10.1037/tmb0000123，2024 年的統合分析（Hartanto et al.）
• 10.1086/691462，被大量引用的 2017 年「Brain Drain」研究（Ward et al.）

向 OpenAlex 要所有的位置，不要只看開放取用旗標

OpenAlex 會列出論文被放在哪些地方，以及每個地方有沒有直接的 PDF：

curl -s "https://api.openalex.org/works/doi:10.1037/tmb0000123?select=open_access,best_oa_location,locations"

統合分析這篇會回傳三個位置：出版社的 PDF 連結、James Cook University 典藏庫裡的 PDF，以及 Singapore Management University 圖書館的介紹頁面。

Brain Drain 這篇用同樣的請求，會看到 "is_oa": true 和 "oa_status": "green"，但每個 pdf_url 都是 null。唯一的公開版本是典藏庫的介紹頁面。所以 is_oa 只代表某處有免費版本，不代表你下載得到。要看每個位置的 pdf_url。

沒有 API 金鑰的話，OpenAlex 的請求會和同一個 IP 位址的所有人共用一小份免費的每日額度，回應裡的 meta.notice 也會這樣告訴你。申請免費金鑰（在查詢加上 api_key=）就有自己的額度；如果設定了 OPENALEX_API_KEY，應用程式會讀取它。

檢查前五個位元組

pdf_url 也只是一個承諾。出版社常常用 200 狀態碼加上 HTML 內容，回傳 cookie 牆、機器人檢查或登入頁面。應用程式的 Rust 程式碼只在內容以 PDF 的 magic number 開頭時才接受下載：

if !fetched.bytes.starts_with(b"%PDF-") {
    self.tried.push(format!("{source}: link was a web page, not a PDF"));
    return None;
}

同樣的做法用 Python 寫，只需要標準函式庫：

import json
import urllib.error
import urllib.request

UA = {"User-Agent": "paper-finder/1.0"}

def get(url):
    with urllib.request.urlopen(urllib.request.Request(url, headers=UA), timeout=30) as r:
        return r.read()

def pdf_links(doi):
    try:
        work = json.loads(get(f"https://api.openalex.org/works/doi:{doi}"
                              "?select=best_oa_location,locations"))
    except urllib.error.HTTPError as e:
        if e.code == 404:
            return []
        raise
    links = []
    for loc in [work.get("best_oa_location")] + work.get("locations", []):
        url = (loc or {}).get("pdf_url")
        if url and url not in links:
            links.append(url)
    return links

def first_real_pdf(doi):
    tried = []
    for url in pdf_links(doi)[:4]:
        try:
            body = get(url)
        except (urllib.error.URLError, TimeoutError) as e:
            tried.append(f"{url}: {e}")
            continue
        if body[:5] == b"%PDF-":
            return url, body
        tried.append(f"{url}: a web page, not a PDF")
    raise LookupError("no free PDF; tried: " + "; ".join(tried or ["no pdf_url at all"]))

拿統合分析來跑，出版社的連結拒絕了這支腳本，典藏庫的版本則回傳了一個 1.6 MB 的 PDF。拿 Brain Drain 來跑，會直接以「no pdf_url at all」失敗。把試過哪些連結、為什麼失敗記下來，多寫這幾行很值得；只回一句「沒有全文」，你還是得回頭手動找。

每次查詢最多試四個連結、以及去除重複的 URL，這兩點也是沿用應用程式的做法。有些論文有十幾個位置，其實全都指向同一個檔案。

後面的流程

OpenAlex 的查詢只是其中一步。應用程式完整的順序是：

1. 搜尋結果本身附帶的 PDF 連結（如果有的話）。
2. arXiv。形如 10.48550/arXiv.<id> 的 DOI 就是 arXiv 論文，而 https://arxiv.org/pdf/<id> 永遠是免費的。
3. 這個 DOI 的公開版本，來自 Unpaywall 或 OpenAlex。Unpaywall（https://api.unpaywall.org/v2/<doi>?email=<your email>）會回傳 best_oa_location.url_for_pdf 和 oa_locations 清單，沒有附上真實 Email 地址的請求會被拒絕。這兩個服務來自同一個非營利組織 OurResearch，所以應用程式在設定了 UNPAYWALL_EMAIL 時問 Unpaywall，否則讀 OpenAlex 的位置，不會兩個都問。
4. CORE。它的 v3 API（/v3/search/works?q=doi:"<doi>"，需要 bearer 金鑰）彙整了各典藏庫的版本，常常直接在 fullText 回傳擷取出的文字。文字超過 500 個字元時應用程式就直接採用，否則改試 downloadUrl。
5. PubMed Central。有 PMCID 的話，Europe PMC 會在 https://www.ebi.ac.uk/europepmc/webservices/rest/<PMCID>/fullTextXML 以 JATS XML 提供整篇文章。它不是 PDF，但章節、圖表和參考文獻都有結構，可以乾淨地轉成 HTML。

摘要是倒排索引

還有一個 OpenAlex 常讓人卡住的細節：沒有 abstract 欄位。你拿到的是 abstract_inverted_index，一個從每個字對應到它出現位置的 map，要自己把文字組回來：

words = {pos: w for w, positions in idx.items() for pos in positions}
abstract = " ".join(words[i] for i in sorted(words))

這樣用在搜尋結果和初步篩選就夠了。像 Brain Drain 這種唯一公開版本只是典藏庫頁面的論文，摘要加上統合分析的全文，大概就是免費管道能走到的最遠處，通常這時候就該查查你的圖書館有沒有訂閱。