Upload Paper Module

Overview

upload_file_main.py 是一个自动化上传论文笔记到 Jekyll 博客仓库的模块。

主要功能：

  • 自动从arxiv URL提取论文年份
  • 自动复制markdown中的本地图片到papers目录
  • 生成Jekyll兼容的frontmatter

核心函数

upload_paper() - 主函数

将本地 Markdown 文件上传为博客 post，自动处理图片和元数据。

参数：

  • md_path (str, 必需): 源 markdown 文件的完整路径
  • who (str, 必需): 编辑者标识，如 “ZKY”, “SQA”, “JZC”
  • tags (list, 必需): 标签列表，用于分类论文
  • paper_link (str, 可选): 论文的 arxiv/PDF 链接（支持自动提取paper_year）
  • title (str, 可选): 论文标题（不提供则自动提取）
  • paper_year (str, 可选): 论文年份（不提供则尝试从arxiv提取）
  • time (str, 可选): 发布日期，格式”YYYY-MM-DD”，默认当前日期

返回值： 生成的 post 文件的完整路径

处理流程：

  1. 读取源 markdown 文件
  2. 复制markdown中的本地图片到 papers/{post_id}/ 目录
  3. 更新markdown中的图片路径
  4. 从arxiv URL提取论文年份（严格格式验证）
  5. 自动生成编号和文件名
  6. 生成Jekyll frontmatter
  7. 保存到 _posts/ 目录

extract_arxiv_year() - arxiv年份提取

从arxiv URL格式 https://arxiv.org/pdf/YYMM.XXXXX 提取四位数年份。

示例：

extract_arxiv_year("https://arxiv.org/pdf/2503.09641")  # Returns "2025"
extract_arxiv_year("https://arxiv.org/pdf/2410.10733")  # Returns "2024"

错误处理： URL不符合格式时抛出ValueError异常

copy_images() - 图片处理

复制markdown中的本地图片，更新路径为相对路径。

支持格式：

  • Markdown: ![alt](path/to/image.png)
  • HTML: <img src="path/to/image.png">

get_next_number() - 编号生成

根据编辑者标识获取下一个递增编号。

generate_frontmatter() - Frontmatter生成

生成符合Jekyll标准的YAML frontmatter。

使用示例

基础用法

import upload_file_main

upload_file_main.upload_paper(
    md_path="D:/Desktop/texts/笔记/算法/T2I_Papers.md",
    paper_link="https://arxiv.org/pdf/2503.09641",
    who="ZKY",
    tags=["MultiModal", "Diffusion"],
)

自动生成：

  • Post文件: _posts/2026-01-09-ZKY002.md
  • 图片目录: papers/ZKY002/
  • Paper year: 2025 (从arxiv URL提取)

输出文件

Post文件结构

文件: _posts/2026-01-09-ZKY001.md

---
title: ZKY001
paper: "SANA"
paper_url: "https://arxiv.org/pdf/2503.09641"
paper_year: 2025
tags:
    - "MultiModal"
    - "Diffusion"
layout: post
---

## SANA

sana 是一个工业界模型...

![Image](papers/ZKY001/image.png)

目录结构

Hidden-Hyperparameter.github.io/
├── _posts/
│   ├── 2026-01-09-ZKY001.md
│   ├── 2026-01-10-SQA020.md
│   └── ...
├── papers/
│   ├── ZKY001/
│   │   ├── image1.png
│   │   └── image2.png
│   ├── SQA020/
│   └── ...
└── utils/
    ├── upload_file_main.py
    └── uploader.py

文件命名规则

Post文件名: YYYY-MM-DD-{who}{003d}.md

  • 示例: 2026-01-09-ZKY001.md

图片目录: papers/{who}{003d}/

  • 示例: papers/ZKY001/

图片相对路径: papers/{who}{003d}/{filename}

  • 示例: papers/ZKY001/image.png

错误处理

arxiv URL格式验证

正确格式：

extract_arxiv_year("https://arxiv.org/pdf/2503.09641")  # OK
extract_arxiv_year("https://arxiv.org/abs/2501.17161")  # OK

错误格式会抛出ValueError：

try:
    extract_arxiv_year("https://example.com/paper.pdf")
except ValueError as e:
    # Error: Invalid arxiv URL format

图片处理

  • 缺失的本地图片：产生警告，保留原路径
  • HTTP图片链接：自动跳过
  • markdown格式错误：正确识别并处理

技术细节

arxiv年份转换

arxiv ID格式: YYMM.XXXXX

  • 前两位是年份后两位: 25 → 2025, 24 → 2024
  • 支持1900-2099年范围

图片路径处理

  1. 识别markdown和HTML中的图片
  2. 解析相对或绝对路径
  3. 复制文件到目标目录
  4. 更新markdown中的引用为相对路径